融合DAE-LSTM的认知物联网智能频谱感知算法

第五代(fifth-generation,5G)移动通信技术的兴起,推动了物联网(Internet of things,IoT)的发展。然而,随着物联网数据传输量的爆发式增长,频谱资源短缺问题越来越严重。频谱感知技术极大的提高了物联网频谱利用率。但是,物联网移动通信环境的复杂性高以及信号易畸变的特性,对现有的频谱感知算法提出了重大挑战。因此,提出了一种融合去噪自编码器(denoising autoencoder,DAE)和改进长短时记忆(long short term memory,LSTM)神经网络的智能频谱感知算法。DAE通过编码和解码过程挖掘移动信号的底层结构特征,改进的LSTM频谱感知分类器模型结合过去时刻信息特征对时序信号序列进行分类。与支持向量机(support vector machine,SVM)、循环神经网络(recurrent neural network,RNN)、LeNet5、学习矢量量化(learning vector quantization,LVQ)和Elman算法相比,该算法的感知性能提高了45%。

基于CNN+DAE集成模型的电机主轴轴承故障诊断研究

为了提高电机主轴轴承故障诊断效率,设计了一种优化降噪自编码器(DAE)轴承故障诊断模型,开发了一种高效数据预处理方法,并对网络结构实施了调整。研究结果表明:逐渐提高训练轮次后获得更高检测精确,在到达20个训练轮次时进入稳定阶段,准确率达到99.52%。CNN+DAE模型可以满足初始数据特征的准确识别,对故障达到高精度的分类性能。较小噪声信号下,采用DAE提取特征都表现出比10 dB噪声状态下更弱的泛化能力与鲁棒性,达到了较高的识别率。每种自编码器网络对于初始时域信号都没有达到良好性能,判断卷积神经网络进行特征提取时比全连接神经网络更优。该研究去除了网络结构中卷积神经网络(CNN)池化层,全面保留初始一维振动信号数据,实现模型鲁棒性与泛化能力的显著提升。

DHA和DAE方案用于儿童急性髓系白血病诱导治疗远期疗效的对比分析

目的 对比分析柔红霉素+高三尖杉酯碱+阿糖胞苷(DHA)和柔红霉素+阿糖胞苷+依托泊苷(DAE)方案用于儿童急性髓系白血病诱导治疗的远期疗效。方法 选择2019年3月至2021年11月我院接诊的82例儿童急性髓系白血病患者进行研究。随机(按照随机数表法)均分为DHA组和DAE组,每组患者均为41例。DHA组采用如下治疗方法 :40-45mg/m^(2)柔红霉素,2-2.5mg/m^(2)高三尖杉酯碱,100-150mg/m^(2)阿糖胞苷静脉;DAE组采用如下的治疗方案:40-45mg/m^(2)柔红霉素,100-150mg/m^(2)阿糖胞苷;100mg/m^(2)依托泊苷。两种治疗方案的周期均为28天,保证连续治疗2个疗程,而且跟随观察2年。记录中性粒细胞、血红蛋白和血小板计数达到正常值时间等数据,以及在治疗阶段产生的不良反应,来进行比较两组患儿的远期疗效。结果 DHA组患者治疗临床结果 有效率(65.85%)明显高于DAE组患者(43.9 0%,P<0.05);DHA组患者的中性粒细胞、血红蛋白和血小板计数达到正常值的时间均短于DAE组(P<0.05);两组患者的不良反应发生率无明显差异(P>0.05)。结论 DHA方案在治疗儿童患者的急性髓系白血病方面的远期治疗效果方面,优于DAE方案,可以有效延长儿童患者的总生存时间,改善患者的身体水平,具有临床应用的参考价值,值得推广应用。

基于DAE的加热炉温度软测量预处理方法

在轧钢生产环节中,加热炉温度测量尤为重要,它决定最终钢材性能和质量,并且温度控制的实时性直接影响到整个系统的安全性能、单位产量、系统能耗量等关键问题。以钢坯出口温度的软测量技术为研究背景,采用软测量技术对现场生产数据和环境进行分析,形成了一种有效的数据预处理方法。

基于DAE-iForest的燃气轮机排气温度异常检测

通过燃气轮机排气温度对燃烧室及涡轮前几级叶片等高温部件开展异常检测,早期可靠的检测异常对确保燃气轮机高效运行至关重要。随着机器学习的广泛应用,数据驱动的状态监测方法已经越来越流行。针对故障数据缺失场景下的的燃气轮机排气温度分布异常检测问题,使用深度自编码器(Deep Autoencoder,DAE)学习特征,并采用隔离森林(isolated Forset,iForset)学习特征数据的正常信息,从而实现异常检测。与其他单分类的异常检测方法对比,该方法具有最佳的检测性能指标,能实现有效灵敏的燃气轮机排气温度异常检测。

开放式多体系统动力学仿真算法软件研发(Ⅱ)DAEs求解算法对比

研究求解微分-代数方程组(DAEs)的高效率、高精度和高稳定性数值积分方法一直是多体系统动力学领域的热点问题之一。本文将求解结构动力学方程的Bathe数值积分策略应用于DAEs的求解,并基于SiPESC平台开发了开放式多体系统动力学仿真算法软件,综合比较研究了Newmark法、HHT-I3法、Generalizedα方法、Bathe方法和祖冲之类Symplectic方法。通过复摆、刚-柔耦合双摆和对称陀螺三个数值算例研究了算法参数与数值阻尼的关系。数值实验表明,Newmark方法在特定参数下引入的数值阻尼通常不可控,HHT-I3方法、Generalizedα方法和Bathe方法通过选择特定步长和参数可引入可控的数值阻尼,祖冲之类Symplectic方法无数值阻尼。在求解真实高频和低频耦合问题以及高速旋转的陀螺问题时,采用祖冲之类Symplectic方法或者无耗散的Newmar方法能够对系统的高频成分进行准确模拟。

开放式多体系统动力学仿真算法软件研发(Ⅰ)DAEs求解算法构架设计

基于开放式工程与科学计算集成化软件平台SiPESC,研发了用于多体系统动力学时程分析的一类通用求解算法构架。该构架的核心思想是算法与数据相分离,整个构架由五个基本类及子类组成。本文重点阐述基本类的抽象过程,利用插件技术设计求解器的构架,进一步应用该构架实现了Newmark方法,HHT(HilberHughes-Taylor)方法,Generalizedα方法,Bathe方法及祖冲之类Symplectic方法等微分-代数方程组(DAEs)求解器的开发。研究工作表明,本文所提出的DAEs求解算法构架对多体系统动力学的时程分析具有良好的开放性和通用性,可方便进行各种新的DAEs求解算法的动态扩展。

大剂量美蓝联合DAE方案治疗肺癌脑转移的临床效果

目的 探索能通过血脑屏障的高效低毒抗肿瘤药物。方法 美蓝组:美蓝400mg静滴,第1、3、5、13、15、17天;DDP100mg～120mg/m^2静滴,第7天;ADM40mg～60mg静滴,第7天;VP—16100mg静滴,第7～11天,即HD—MeDAE方案治疗肺癌脑转移34例。对照组:将上述方案中除美蓝不用外其它药物药量用法不变,即DAE方案治疗肺癌脑转移24例。结果 美蓝组经1～6个疗程,平均2.8个疗程化疗肺原发癌灶达CR1例,PR21例,有效缓解率64.7％,脑转移灶CR 2例,PR23例,有效缓解率73.5％;对照组经1～5个疗程,平均3.2个疗程化疗肺原发癌灶达CR2例,PR14例,有效缓解率66.6％,脑转移灶PR5例,有效缓解率20.8％。经统计学处理脑转移癌灶缓解率美蓝组高于对照组,其差异有高度显著性(P<0.01)。结论 美蓝对脑转移癌治疗有效。

基于DAE-MD的电源车柴油机健康状态量化评估方法

针对柴油机健康状态的综合评估问题,结合降噪自动编码机(DAE)深度网络与马氏距离(MD)算法,提出一种基于深度学习与距离融合的电源车柴油机健康状态量化评估方法.该方法首先通过DAE深度网络提取柴油机不同健康状态下的特征序列,建立柴油机健康状态识别模型;为进一步量化评价柴油机的健康水平,又将MD算法引入,度量DAE模型输出状态与正常状态特征序列之间的距离,并将其归一化为健康指数,给出柴油机健康状态的量化评估结果.最后,借助于120 kW电源车模型仿真系统,验证了所提方法的有效性.文中方法通过DAE的分类和MD的计算实现了电源车柴油机健康状态定性与定量评估的融合,为其开展视情预防维护提供了依据.

多层DAE协同LSSVM的瓦斯突出预测模型

为准确预测瓦斯突出,提出多层去噪自编码器(Multi-layer DAE)搭载最小二乘支持向量机(LSSVM)的瓦斯突出预测模型。多层DAE网络提取瓦斯突出原始数据的有效特征,并链接LSSVM进行突出分类。因突出影响因子边界存在一定的模糊性,从时间角度考虑将其分为动、静态影响因子,并依此对多层DAE网络按照交叉熵规则设计新的代价函数。利用收集的100组真实样本数据,多次实验确定最稳定的模型结构参数。对比分析PCA-LSSVM、LLE-LSSVM、BP神经网络模型,结果表明,该模型有更优越的特征提取能力和预测性能,更适用与瓦斯突出预测问题。

基于VMD与改进DAE人车地震动包络信号识别算法

为解决在野外环境中使用传统模式识别方法对低信噪比(signal-noise rate, SNR)的人车地震动信号进行分类时应用不便,效果不佳的问题,提出了通过基于包络检波、变分模态分解(variational mode decomposition, VMD)和改进的深度自编码器(deep auto-encoder, DAE)的特征提取算法。首先对目标的地震动信号进行希尔伯特变换以获取信号的平滑包络线,然后进行变分模态分解得到本征模函数(intrinsic mode function, IMF)信号,并利用皮尔森相关系数对分解得到的IMF信号进行筛选,之后将相关度较高的分量加权为高信噪比的中间信号,再使用改进的深度自编码器对其进行特征提取,最后使用泛化性能好的随机森林算法充当分类器,从而实现对人车目标的识别和分类。结果表明:所提算法有效缓解了其他传统算法的部分缺陷,综合识别正确率有所提高,且更加方便应用。

基于DAE-HTPF的新能源汽车电池剩余寿命预测

针对反映锂电池寿命的趋势性特征自学习与电池剩余寿命预测问题,提出了基于降噪自编码器(denoising auto-encoder,DAE)与混合趋势粒子滤波(hybrid trend particle filter,HTPF)的电池剩余寿命预测方法。利用电池使用前期的信号特征训练DAE,然后将使用中后期的电池信号特征输入DAE中,并提取重构误差。另外,利用HTPF方法对电池生命周期内的信号特征进行分析,建立自适应状态方程。分析结果表明,该方法能有效地对锂电池的性能退化趋势性特征进行自提取,从而有效地减少人为因素的干扰,同时相比于传统粒子滤波(particle filter,PF),HTPF对电池剩余寿命预测精度更高。

DAE方案治疗急性非淋巴细胞性白血病81例

目的探讨DAE方案治疗急性非淋巴细胞白血病的疗效。方法以2006年6月至2012年6月在本科住院治疗的81例急性非淋巴细胞性白血病患者为研究对象,所有入选患者均采用诱导缓解的DAE方案。结果急性非淋巴细胞白血病患者分型以M5型最多;初治组患者完全缓解率(68.29%)高于复发组(52.50%)。结论 DAE方案在初治组的临床疗效较复发组好。

DAE、DA方案治疗初治急非淋白血病59例临床分析

目的 比较DAE、DA两种方案的疗效 ,达CR的疗程和副作用。方法 对初治急性非淋巴细胞白血病(ANLL) 59例 ,分别给予DAE、DA方案化疗 ,并对两种方案的疗效、疗程和副作用进行比较和分析。结果 ①初治ANLLDA方案的CR率 65 5 % ,DAE方案CR率 73 3 % ,两者CR率P >0 0 5 ;②达CR时所需的疗程 ,DA方案1 7疗程 ,DAE方案 1 4疗程 ;③两方案毒副作用大致相似 ,可以耐受。结论 DAE方案并不能提高CR率 ,但可加快CR过程 ,且不增加毒副作用 ,可推广应用。

联合鬼臼乙叉甙的DAE、HAE方案治疗急性粒细胞性白血病疗效分析

急性粒细胞性白血病（下称急粒白）多以柔红霉素或三尖杉酯碱联合阿糖胞苷的DA或HA方案化疗,DA方案的完全缓解率约68%,mCR和mS约1年.为提高白血病首次缓解率,延长缓解及生存时间,我们将鬼臼乙叉甙（etoposide,E）与DA或HA联合组成DAE或HAE方案治疗急粒白25例,结果如下.1 病例与方法1.1 病例 我院自1990年1月～1995年6月用DAE或HAE方案治疗急粒白25例,所有病例均经血象及骨髓象确诊,符合白血病诊断标准（张之南.血液病诊断及疗效标准.天津:天津科学技术出版社,1991:152～163）.25例中,男17例,女8例,平均年龄37（12～61）岁;25例中M1、M4各2例,M211我,M21例,M56例,CML急粒变3例;初发17例,复发及难治性8例（其中高白细胞性白血病4例）.所有患者均有不同程度的贫血及皮肤粘膜出血,12例患者有不同程度的发热,体温38.0～41.

DAE治疗初治急性非淋巴细胞白血病33例疗效观察

本文对６１例急性非淋巴细胞白血病分别给予ＤＡ、ＤＡＥ方案化疗。结果发现：①初治急性非淋巴细胞白血病ＤＡ方案的ＣＲ率为６４．３％，ＤＡＥ方案的ＣＲ率为７５．８％，两者ＣＲ率无显著性差异（Ｐ＞０．０５），②达ＣＲ时所需的疗程分别为：ＤＡ方案１．７疗程，ＤＡＥ方案１．４疗程，说明ＤＡＥ方案虽不能显著提高ＣＲ率，但可能加快ＣＲ过程，延长ＣＲ期。

Java的DAE引擎研究

对Java数据库访问技术进行了深入地探讨,分析了各种数据访问技术的优点、缺陷、适应性及性能,提出了基于数据库访问引擎的研究。利用DAE所生成的接口来访问testDAE表,向读者介绍了各个接口的关系和作用,体现了DAE的技术优势。

煤炭地下气化过程中煤层热解DAE模型的研究

煤炭地下气化过程中,干馏干燥区的煤层在热传导及气化通道中高温煤气的热作用下发生热解反应,并析出热解煤气.该热解煤气在煤层的孔隙裂隙中扩散渗流,对煤层的渗透率(物理特性)及出口煤气热值组分都具有重要意义.在分析煤层热解特性的基础上,运用分布活化能模型(DAEM)的理论,建立了煤炭地下气化的热解动力学模型.运用该模型,通过热重实验,计算得到了大雁褐煤的热解动力学参数及活化能变化曲线.