骨质疏松性椎体压缩骨折手术治疗进展及穿刺并发症

我国人口老龄化不断加剧,老年骨质疏松性椎体压缩性骨折(osteoporotic vertebral compression fractures,OVCFs)发病率也在上升,其主要临床表现是腰背部疼痛及活动障碍,严重影响老年人生活质量^([1])。经皮椎体成形术(percutaneous vertebroplasty,PVP)和经皮椎体后凸成形术(percutaneous kyphoplasty,PKP)是治疗OVCFs患者的常用方法,其主要特点是微创、有效、简便,能迅速改善腰背部疼痛,提高患者生活质量^([2])。

神经网络压缩联合优化方法的研究综述

随着人工智能应用的实时性、隐私性和安全性需求增大,在边缘计算平台上部署高性能的神经网络成为研究热点。由于常见的边缘计算平台在存储、算力、功耗上均存在限制,因此深度神经网络的端侧部署仍然是一个巨大的挑战。目前,克服上述挑战的一个思路是对现有的神经网络压缩以适配设备部署条件。现阶段常用的模型压缩算法有剪枝、量化、知识蒸馏,多种方法优势互补同时联合压缩可实现更好的压缩加速效果,正成为研究的热点。本文首先对常用的模型压缩算法进行简要概述,然后总结了“知识蒸馏+剪枝”、“知识蒸馏+量化”和“剪枝+量化”3种常见的联合压缩算法,重点分析论述了联合压缩的基本思想和方法,最后提出了神经网络压缩联合优化方法未来的重点发展方向。

先进抽水压缩空气复合储能技术

储能技术的创新突破成为带动全球能源格局革命性、颠覆性调整的必经之路,是实现“碳中和、碳达峰”目标的重要举措。为此,西安交通大学“先进物理储能技术”研究团队创新性地发明了新型抽水压缩空气复合储能技术。该技术采用空气和水作为混合工作介质,利用水力机械设备和空气透平作为系统的复合做功设备,实现储能介质高效等温压缩/膨胀。相比于传统压缩空气储能技术,新型气液复合空气储能技术具有响应快、效率高、投资成本低等优点。团队通过10余年的攻关研究,完成了关键设备与储能系统的性能表征、时域特性研究、流体机械关键共性技术集中攻关、空气储能技术全寿命周期性能评估软件的研发及应用,研究成果可为气液复合压缩空气储能技术的规模化推广应用提供坚实的理论与数据支撑。

具有高价值密度的农业物联网数据区块链压缩存储方案

针对现有区块链物联网体系主要采用链上存储摘要链下保留原始数据的存储方式中链上无法直接获得真实数据的问题,该研究提出了一种具有高价值密度的农业物联网数据区块链压缩存储方案。首先,边缘服务器将收集的同一批数据聚合到同一批事务中;其次,设计离群值可处理的自适应有损压缩方法,在满足用户保真度要求的前提下降低数据冗余;最后,压缩数据上链,实现区块链上物联网数据的高价值密度存储。与现有方案相比,该方案能提高链上存储真实物联网数据的效率。试验结果表明,在使用自适应压缩方法压缩数据时,针对不同的数据集会自适应选取k值,在满足用户重建精度的前提下,获得良好压缩效果,减少链上存储空间,提高了数据价值密度;相对于风速之类频率较高的数据,温湿度、二氧化碳等变化频率较低的数据可以获得较高的压缩比;当假设正常数据压缩比为10:1时,该方案可节省约85%的链上存储空间,相应的价值密度提高了约85%。该研究可为农产品溯源过程中的物联网数据高效存储提供解决方案,为实现分布式农业物联网数据压缩存储提供技术支持。

两级液环压缩机内流场及外特性

采用数值模拟与试验相结合的方法,以2SY-6两级液环压缩机为研究对象,对多级液环压缩机在不同工况、不同叶轮宽度比下内流场及性能进行对比分析,结果表明:二级叶轮叶片载荷小于一级叶轮,其排气口区域锯齿形气液交界面较一级叶轮更为光滑.一级叶轮吸气口区域回流强度相对于二级叶轮吸气口区域更强,一级叶轮吸气口区域湍动能明显大于二级叶轮.等外径设计的二级叶轮进出口压缩比远小于一级叶轮,二级叶轮的做功能力小于一级叶轮.由于一级叶轮的进出口压缩比较大且均位于效率极值点的右侧,一级叶轮效率随泵的压缩比增大而逐渐下降,而二级叶轮压缩比范围包含极值点,所以其效率先增后减.液环压缩机随着二级叶轮宽度的增大,其吸气能力越强,各个工况下的流量均逐渐增大.低压缩比工况下的效率随k值减小逐渐增大,高压缩比工况下的效率随k值减小先增后减.随首次级叶轮宽度比k值的减小,二级叶轮的压缩比曲线逐渐向上平移,而一级叶轮的压缩比曲线逐渐向下平移.随泵出口压力的增大,首次级叶轮压缩比的比值曲线下降趋于平缓,k值为2.2时两级叶轮压缩比的比值趋于1.1.

涡轮压缩膨胀机的设计与性能分析

随着人们环境保护意识的加强,天然工质制冷剂重新受到研究人员的关注。空气是一种安全且对环境绝对友好的天然制冷剂,未来,压缩空气制冷循环有望成为传统蒸气压缩制冷循环的潜在替代品。压缩膨胀机作为压缩空气制冷的核心部件,其工作效率对机组性能有直接影响。为了设计出能够配合膨胀机高效工作的离心压缩机,需要对传统的设计方法进行一些修正。本文将质量、动量、能量守恒与射流尾迹区理论相结合,并将传统的离心压缩机相关参数推广到较低压力的范围中,提出了一种与现有的涡轮膨胀机相匹配的离心压缩机几何参数的设计方法。使用该方法为现有的膨胀机设计了对应的离心压缩机,并利用其他学者分析过的离心压缩机模型对该方法进行验证,利用计算流体力学方法(CFD)对压缩膨胀机变工况下的工作性能及对膨胀功的利用率进行模拟分析。按本方法设计的离心压缩机在设计工况下能够以高于92%的效率利用膨胀机的输出功。在变工况条件下能够以高于88%的效率利用膨胀机的输出功,并且在设计质量流量附近能够顺利运行。

基于低损耗热压缩的新型液氢加氢站工艺系统构建

为解决国内现有液氢加氢站中核心设备短期内无法实现国产化以及液氢站加注过程中氢浪费量过大等问题,基于机械压缩增压和热压缩增压机理,构建了基于低损耗热压缩的新型液氢加氢站工艺系统,并利用Aspen HYSYS软件对该新型液氢加氢站工艺系统进行了稳态模拟,得出了系统运行工况参数,确定了优化工艺方案。在此基础上对现有液氢加氢站和新型液氢加氢站系统及其热压缩模块分别进行了能耗分析,结果表明,现有的“增压与汽化并行”式液氢加氢站系统比能耗为0.912 kWh/kg,而低损耗热压缩的新型液氢加氢站系统比能耗为0.322 kWh/kg,其比能耗比现有液氢加氢站降低了64.8%。这表明基于低损耗热压缩的新型液氢加氢站系统更节能,系统中关键部件的[火用]效率也更高。

基于TT-Tucker分解的无预训练LC卷积神经网络压缩方法

张量训练(TT)分解和Tucker分解是两种有效的卷积神经网络压缩方法。然而,TT和Tucker分解分别面临空间结构信息丢失与计算复杂度高等问题。为解决上述问题,文中考虑了网络结构的信息保留率和资源占用情况,采用学习-压缩(LC)算法的约束型压缩框架,提出了一种基于TT-Tucker分解的无预训练LC卷积神经网络压缩方法(TTLC)。TT-LC方法包括学习步骤和压缩步骤两个部分。学习步骤不需要预训练过程,采用了指数循环学习率方法以提高训练准确率。而在压缩步骤,文中根据TT和Tucker分解的优点以及贝叶斯规则选取全局最优秩的特性,运用经验变分贝叶斯矩阵分解(EVBMF)和贝叶斯优化(BayesOpt)选出合理的秩以指导张量分解,采用TT-LC方法压缩训练后的模型。TT-LC方法既降低了空间结构信息丢失率和计算复杂度,又解决了张量的秩选取不合理导致模型准确率显著下降的问题,可实现模型的双重贝叶斯选秩和双重压缩,获得最优的压缩模型。最后,采用ResNets和VGG网络在CIFAR10与CIFAR100数据集上进行实验。结果表明:对于ResNet32网络,相比于基准方法,文中方法在准确率为92.22%的情况下,获得了69.6%的参数量压缩率和66.7%的浮点计算量压缩率。

多级柱面炸药内爆磁通量压缩技术研究

柱面内爆磁通量压缩发生器是利用炸药内爆压缩其内部磁通量至轴线附近小体积内从而实现超高磁场,传统的单级装置因受到金属套筒内爆失稳等影响性能指标受限。开展了多级内爆磁压缩技术研究,突破多项关键技术,包括研制特殊结构的密绕螺线管、脉冲功率源及大电流放电开关等,具备在直径135 mm套筒空间内实现20 T以上初始磁场产生能力,并建立了动态磁光测量系统。利用磁流体力学编码SSS-MHD开展多级装置设计,计算显示,设计的多级装置能够将约42%的初始磁通量压缩至轴线附近直径7 mm的空间内。最终研制成功多级内爆磁压缩装置CJ-150,在亚立方厘米以上空间实现轴向峰值磁场强度906 T,数据不确定度5.35%。10余发动态考核实验显示,CJ-150装置工作稳定,能够满足物理实验需要。利用经实验验证的磁流体模型计算显示,CJ-150具备1000 T以上超强磁场产生能力,能够对大尺寸样品实现500 GPa以上的准等熵加载。

杉木层状压缩的形成及其密度分布特征

实木层状压缩技术是以实体木材的定向定位压缩为目标,以最小的材积损耗,最大限度地提高木材力学性能的一种新型木材压缩方法。通过水热分布调控以及外力加载的协同作用,在调控压缩层的形成位置、厚度和多层压缩的基础上,分析压缩木材密度分布特征,研究层状压缩技术对于人工林杉木(Cunninghamia lanceolata)的适用性及其层状压缩形成的特点。结果表明:预热时间控制在0.5~30 min之间时,获得压缩层位置不同的层状压缩杉木。随着预热时间的增加,压缩层由表层逐渐向中心(厚度方向)移动,压缩层密度达到0.583 g/cm^(3)及以上;通过调控压缩量,获得压缩层厚度为3.00~8.07 mm的4种厚度的表层压缩杉木,压缩层密度提高率比木材整体密度提高率平均高28.7%;将表层压缩和中心层压缩工艺并用,实现形成3个压缩层的多层压缩。扫描电镜观察结果表明,无论压缩层形成于表层还是中心层,压缩层与未压缩层界线出现在早材区域或早晚材交界处,压缩层的早材细胞发生细胞壁屈曲变形,至细胞腔几乎完全消失,而晚材细胞壁及细胞腔仅发生微变形或不变形。依据压缩前后木材密度分布曲线及特征值计算结果,杉木压缩层部位的早材密度提高率最大值可以达到210.6%。

多级压缩机气阀寿命评估与极限含水量预测

针对目前油田天然气回注具有介质含水多、压力高且变化范围宽等特点,多级往复式压缩机容易产生水击破坏,如何预测极限含水量以有效防止水击是亟需解决的关键问题。采用计算流体力学方法,数值模拟并分析了多级压缩机注入湿气条件下各级气阀阀片的动力学特性,得到了不同天然气含水量的气阀阀片载荷分布。进一步结合nCode计算疲劳,预测了多级压缩机气阀服役寿命与极限含水量。JGC-4型压缩机模拟计算结果表明:随着进气含水量增大,压缩机排气压力提高,气缸内不断析出水滴,致使水击产生,且对高压级影响更为显著,压缩机整机进气含水体积分数上限为0.43%。研究结果可为多级往复式压缩机的应用提供技术支撑。

特征域近端高维梯度下降图像压缩感知重构网络

压缩感知理论可以被用于解决信源采集设备计算资源受限的问题,但信号重构过程存在不确定性。传统的重构算法计算复杂度高,难以在实际中应用。近期,基于深度学习的重构算法打破传统算法的局限性,以其速度快、质量高等特点受到了广泛关注。现有的深度学习重构算法可以划分为“黑盒子”以及基于优化启发网络两种类型。与“黑盒子”式的网络结构相比,基于优化启发的深度网络更容易获得高精度的恢复,同时也更具可解释性。然而现有基于优化启发的图像压缩感知重构网络在每个优化阶段仅学习单一梯度,存在测量值信息利用不足、难以准确地学习梯度等缺点,限制了重构性能的提升。为了更充分地利用测量值信息,降低梯度学习的难度,本文提出了高维空间梯度学习思想,实现更准确的梯度回归。在此基础上,本文提出了特征域近端高维梯度下降(FPHGD)算法,并设计了实现该算法的深度神经网络(FPHGD-Net)以获得高精度图像重构结果。此外,本文设计了3种不同复杂度的深度空间近端映射网络结构,以满足不同的应用条件,按空间复杂度从低到高,相应模型分别为FPHGD-Net-Tiny、FPHGD-Net、FPHGD-NetPlus。实验结果表明,与OPINE-Net+相比,所提3种模型在Set11数据上的平均PSNR分别提升1.34、1.51和1.88 dB,并且在重构视觉效果上,能够恢复出更丰富的图像细节。

基于机器学习的软土压缩模量预测及沉降分析

目前,常规土体试验及预测方法都难以准确获得压缩模量E_(s)。现基于机器学习理论建立一种非参数集成优化法计算E_(s),并与传统回归模型对比分析。从昆明地铁5号线会展中心场地选取203组泥炭质土物理力学指标样本,结合工程经验,选取其中8个重要的物理指标作为输入集,利用遗传算法优化BP神经网络输入层、隐含层及输出层之间的权值及阈值,采用相关系数R、正确率ACC及均方根误差RMSE多个评估指标优化确定算法的重要参数,将建立好的模型应用于多种土体,并与目前应用较多的方法对比分析,最后比较经验公式与本文方法预测地基沉降的性能。结果显示,GA-BP神经网络方法对分析样本适应性强、算法收敛快、所得结果精准可靠,具有较大优越性。该方法对软土场地多参数预测具有一定的指导意义。

基于GWO-BP神经网络及粮食压缩实验对粮食孔隙率的预测

孔隙率是影响粮堆内热湿传递的关键参数,为探究粮仓中散装粮堆孔隙率的分布规律,通过开展粮食压缩实验来获取不同的粮食种类在不同水分含量和竖向压力条件下的孔隙率。提出了一种基于灰狼算法优化BP(GWO-BP)神经网络的粮食单元体孔隙率预测模型,并将该模型与BP神经网络模型、随机森林模型的孔隙率预测结果进行对比,最后利用粮食单元箱实验对该模型的泛化能力进行验证。结果表明,GWO-BP神经网络模型的孔隙率预测性能最佳,该模型的评价指标R2为0.960 5、RMSE为0.013 7及MAE为0.0131,均在允许的范围内。本研究为粮食孔隙率的确定提供了一种神经网络预测的方法,为深入开展粮堆多场耦合分析提供了重要基础,为安全储粮提供了理论支持。

骨质疏松性椎体压缩骨折二级预防失败患者骨代谢指标及骨密度的变化

目的了解骨质疏松性椎体压缩骨折二级预防失败患者骨代谢指标及骨密度的特点。方法选择2015年1月至2020年1月在我院骨科因骨质疏松性椎体压缩骨折行2次或2次以上手术治疗的患者为观察组研究对象,共65例,同时选择同时期行手术治疗的非多次脊柱压缩骨折患者219例作为配对资料对照组,回顾性分析这284例患者临床资料,记录其术前骨代谢标志物水平及骨密度(bone mineral density,BMD)结果并进行两组患者间比较。结果观察组患者骨代谢标志物中人血清和血浆中的总I型前胶原氨基端肽(tP1NP)、N⁃MID骨钙素(OCN)以及血清25⁃羟维生素D(25⁃hydroxy vitamin D,25OHD)水平与对照组相比差异无统计学意义(P>0.05),骨代谢标志物I型胶原羧基端肽β特殊序列(β⁃CTX)水平明显高于对照组(P<0.05)。两组患者髋部BMD值、股骨颈BMD值差异无统计学意义(P>0.05),观察组腰椎BMD值明显低于对照组(P<0.05)。结论骨质疏松性椎体压缩骨折二级预防失败患者具有更为活跃的骨吸收状态及更低的腰椎骨密度。

干湿循环与加载先后顺序对砂泥岩混合料压缩特性的影响

为研究干湿循环与加载先后顺序对砂泥岩混合料压缩特性的影响,针对不同干湿循环次数、浸水时间和水温处置下的砂泥岩混合料,开展先干湿循环后加载、先加载后干湿循环的单向压缩试验。结果表明,两种试验方法所得砂泥岩混合料压缩量均随干湿循环次数增加、浸水时间增长、水温增高而增大;压缩量与干湿循环次数呈对数关系、与浸水时间呈幂函数关系、与水温呈线性关系,并推导出相应的压缩量计算公式;试验结果及理论分析均得出先干湿循环后加载的压缩量大于先加载后干湿循环的压缩量。

压缩感知和图卷积神经网络相结合的宽频振荡扰动源定位方法

新能源并网引发的宽频振荡严重威胁电网安全,实现宽频振荡源的在线定位并及时采取抑制措施以保证系统安全稳定尤为必要。为此,提出一种压缩采样和图卷积神经网络相结合的宽频振荡源定位方法,该方法首先在子站对时序的振荡信号进行稀疏采样,获得其低维观测序列,作为节点的时序信息,然后在主站融合系统的拓扑结构捕捉各节点的邻接关系,综合考虑系统振荡的时空特性,运用图卷积神经网络实现振荡源定位。最后利用宽频振荡样本集进行仿真验证,结果表明所提方法在量测数据含有噪声、传输数据缺失以及传输数据偏差的情况下都有较高的定位准确度。

一种基于区块链和梯度压缩的去中心化联邦学习模型

联邦学习可在保护数据隐私的前提下完成模型的训练,但实际应用中存在的安全问题阻碍了联邦学习的发展。提出一种基于区块链和梯度压缩的去中心化联邦学习模型。首先,利用区块链存储训练数据,训练参与方通过全局模型本地更新的方式取代中心服务器并使用智能合约实现对链上数据的访问控制。其次,提出一种梯度压缩方法,对模型参数进行压缩以减少参与方与区块链之间的数据传输量且有效防止了梯度隐私泄露。最后,为减弱梯度压缩对全局模型收敛速度的影响,使用热身训练的方式提升全局模型的收敛速度以缩短整体训练时间。实验结果表明,该模型在减少传输数据量的情况下对全局模型准确率有较小影响且提升了联邦学习训练效率。

千特斯拉级内爆磁压缩装置初始磁场电源系统研制

初始磁场电源系统用于激励千特斯拉级内爆磁压缩装置的初级线圈产生初始磁场,是内爆磁压缩装置的关键设备。在分析千特斯拉级内爆磁压缩装置初始磁场电源需求和技术难点的基础上,系统设计了核心部件选择方案和主脉冲电路及控制系统结构,研制成功一套输出电压1~40 kV可调、主放电电流脉冲上升沿约60μs、总峰值电流达3.2 MA的初始磁场电源系统,已应用于千特斯拉级内爆磁压缩装置动态试验。

压缩感知字典迁移重构的小样本轴承故障诊断

针对实际应用中智能轴承故障诊断面临标签样本严重不足的问题,提出一种结合压缩感知、字典学习和迁移的数据增强算法,用于小样本故障诊断研究。首先,利用源域标签数据通过小波包字典学习和优化方法生成特定源域字典,并得到共享表示系数,获取故障内在信息;之后采用少量目标域信号微调共享表示系数,并更新源域字典生成迁移字典;最后通过共享表示系数和迁移字典生成大量具有目标域特征的新样本,实现数据增强。采用常用的深度故障诊断网络对该数据增强算法进行了诊断性能验证,结果表明该方法产生的信号具有故障的有效信息,用于模型训练和识别能够取得较好的诊断性能。该方法为小样本故障诊断问题提出了新的思路。