ω-转氨酶的筛选和异源表达用于制备S-甲氧基异丙胺

根据转氨酶家族进化分类和底物特异性,构建一个包含36个ω-转氨酶的酶库;将酶库中的基因克隆进大肠杆菌E.coli BL21 (DE3)中进行异源重组表达,考察酶蛋白表达水平并测定相应的酶活以及对映体选择性。通过筛选,获得最佳的ω-转氨酶为来源于巨大芽孢杆菌Bacillus megaterium的ω-转氨酶BmeTA,其重组表达粗酶活为2.0 U/mL,纯酶比活为9.5 U/mg蛋白;酶学性质表征发现其最适温度为35℃,最适pH为8.0。在此基础上进一步优化其催化反应工艺条件,在20 g/L加酶量、0.5 mmol/L辅酶添加量以及1.4的氨基供体/氨基受体比例条件下,反应18 h获得450 mmol/L的S-甲氧基异丙胺,原料转化率达到90%,为实现生物催化制备S-甲氧基异丙胺的工业化奠定基础。

高压管汇材料疲劳性能测试及P-S-N模型曲线的拟合

高压管汇作为压裂设备中的主要易损件之一,其失效危害较大。它的失效原因主要是疲劳、冲蚀、腐蚀或者材料缺陷引起的刺漏和爆裂,其中尤以疲劳失效最不可预估。目前,对于高压管汇材料的疲劳性能研究不够深入,为解决高压管汇材料疲劳寿命的准确描述问题,以某国产高压管汇材料为例,进行了一系列疲劳试验,并基于试验数据,采用多种分布模型和不同S-N模型进行拟合分析,得出综合评价拟合能力最强的P-S-N模型。结果表明,该材料在中长疲劳寿命区,Weibull三参数模型在7级应力水平下综合评价能力最好;在存活率分别为50%、90%、99%、99.9%时,指数S-N模型的拟合系数均大于0.98,拟合能力最好。得出的P-S-N模型曲线可以为高压管汇的疲劳寿命以及安全设计提供依据。

K-S变换及其电网超谐波时频分析应用

依据FFT→优化窗→IFFT思路,突破线性时频变换的窗函数积分性能桎梏,实现高性能优化窗函数的线性时频变换应用,建立新型时频变换算法——K-S变换.对信号x(t)的FFT频谱向量进行频移处理后,与该频移点下Kaiser优化窗的频谱向量进行Hadamard乘积,再将乘积结果进行FFT逆变换(IFFT),构造出K-S变换复时频矩阵,由此获得x(t)的时间-频率-幅值、时间-频率-相位三维信息;给出逆变换的数学推导与局部性质、线性性质和变分辨率特性;0~150 kHz电网的稳态与时变超谐波信号仿真实验表明,K-S变换的时域、频域分辨能力均优于流行的短时傅里叶变换、S变换,具有优良的变分辨率性能;0~40 kHz超谐波信号的实测证明,基于K-S变换的超谐波电压幅值测量绝对误差均小于0.032 3 V.

高速S-CO_(2)向心透平几何参数优化及变工况特性分析

透平是热力循环中实现热功转换的核心设备,优化透平几何参数以改善气动性能,是提升系统热效率的关键。该文以面向某船舶主机烟气余热利用的超临界二氧化碳布雷顿循环透平设计参数为基础,给出向心透平主要几何参数,采用耦合CO_(2)真实物性参数的CFX仿真方法,分析几何参数动、静叶包角以及叶轮出口几何角对透平性能的影响规律并进行参数优化,进一步研究非设计工况下的透平运行特性。结果表明:增大静叶包角会使动叶前缘出现扰动涡流并减少余速损失,增大叶轮出口几何角,动叶包角对透平效率的影响规律不变,但效率峰值点会沿动叶包角减小的方向移动;动、静叶包角和叶轮出口几何角分别为49°、21.5°、25°时透平设计点总-静等熵效率高达87.99%,相比优化前,提高0.54个百分点;透平偏离设计点±20%工况下等熵效率大于80%。结果可为超临界二氧化碳高速向心透平设计提供一定参考。

基于D-S证据理论的岩爆预测方法研究

为了有效预测岩爆,提出基于D-S证据理论的岩爆预测方法.首先,选取与岩爆发生相关的6个指标因素作为证据体,并通过模糊物元框架和正态型隶属度函数构建证据体的基本概率分配.然后,利用K均值将证据体分类,并提出簇内证据用传统方式融合而簇间证据用权重方式融合的组合融合规则,以减轻高冲突证据融合的不利影响.最后,将模型应用在秦岭终南山公路隧道2号竖井工程,且与经验方法对比.为了分析预测过程的不确定性和估计岩爆发生概率,采用蒙特卡洛模拟进行抽样仿真,并通过Spearman秩相关系数衡量输入指标的全局敏感性.研究结果表明:输入指标在不同的岩爆案例的影响程度差异较大且方向不同;5个岩爆案例的发生概率在40.8%~70.1%之间.该模型表现出优异的预测分类性能,可为深埋地下工程岩爆预测提供参考.

D-S证据理论在空中目标识别中的应用现状与展望

D-S证据理论作为一种多源信息融合工具,在空中目标识别领域中得到了广泛应用。对D-S证据理论进行了概述;简要梳理了D-S证据理论在空中目标识别领域中的发展脉络,并提出应用中需要解决的三类关键问题;围绕上述问题,重点对该领域中的BPA获取、证据冲突度量、证据融合的应用现状进行综述;最后,基于空域控制视角,对D-S证据理论在该领域中的应用进行了展望。研究可为空中目标识别领域的理论发展和工程应用提供参考。

采用非稳相偏振滤波的DAS-VSP数据P/S波分离方法及其应用

分布式光纤声学传感(DAS)因成本低、易布设以及高密度采样等优势正成为重要的地震观测技术,尤其是越来越多地与垂直地震剖面(VSP)结合,用于主动地震勘探或被动地震监测.DAS传感器通过感知弹性波场产生的轴向应变或应变速率来观测地震波场振动.然而,目前单分量DAS-VSP数据未完整地记录地下弹性波场的三维矢量振动信号,因此如何从中分离出P波或S波用于后续地震成像与参数反演是重要且很有挑战的课题.以弹性波传播理论为基础,本文根据P波和S波的频散关系估算接收点处各自的偏振方向,通过随频率和空间位置变化的偏振滤波实现DAS-VSP数据的P/S波分离.理论模型合成数据与东海实际DAS-VSP数据实验结果表明,该方法能有效地将P波和S波信号从单分量DAS-VSP数据中分离出来,可为后续纵横波速度反演、PP与PS波成像提供关键的数据预条件处理.

基于断裂力学的腐蚀钢丝疲劳S-N曲线研究

高强冷拔钢丝因其优异的力学性能被广泛应用于缆索承重结构,服役过程中钢丝腐蚀与断裂威胁着结构安全。钢丝腐蚀后表面的蚀坑因应力集中效应易产生疲劳裂纹,因此腐蚀钢丝剩余疲劳寿命主要取决于裂纹的扩展阶段,且裂纹扩展受到腐蚀程度(初始损伤)的显著影响。精确表征腐蚀程度并准确评估服役期钢丝腐蚀后的剩余寿命,仍是亟待解决的维修难题。首先采用蚀坑最大深度表征钢丝腐蚀程度,以应力强度因子幅作为裂纹扩展驱动力指标,基于断裂力学的Paris公式建立受拉钢丝裂纹扩展理论模型,进而推导腐蚀钢丝的疲劳S-N曲线。大量既有的腐蚀钢丝疲劳试验结果与理论预测值的比较验证了所提理论模型及疲劳S-N曲线的合理性和有效性。含多个蚀坑的钢丝裂纹扩展有限元模拟表明,等效单裂纹适用于多腐蚀坑钢丝疲劳寿命的简化分析。参数分析表明,蚀坑深度和腐蚀环境是腐蚀钢丝疲劳强度的关键影响因素,而应力比和疲劳加载频率影响较小,所提出的S-N曲线在钢丝常规服役条件下适用于评估其剩余寿命,可得到合理的预测结果。基于断裂力学所提的理论方法和疲劳S-N曲线可为腐蚀钢丝的疲劳强度和寿命评估提供参考。

D-S理论和Markov链组合的桥梁性能退化预测研究

为准确预测桥梁性能退化,考虑到数据随机性和微小扰动发生状态跳跃,提出了一种D-S(Dempster-Shafer)证据理论和Markov链组合的桥梁性能退化组合预测模型和性能退化率的概念.该模型基于指数平滑(exponential smoothing,ES)方法获得新的预测数据序列,并利用Markov链和D-S理论不断进行优化,从而实现桥梁性能退化的组合预测.实际工程的应用结果表明:性能退化率可以直观地表征在梁性能退化的速度.其次,该模型的平均相对误差为1.54%,较于回归、灰色和模糊加权Markov链模型,精度分别提高了1.11%,0.88%和2.8%,而后验差比值为0.242,小于0.35;模型的标准差为9.021,相比其他模型分别减小了3.978,3.405和7.500,而变异系数为0.109,均小于其他模型,验证了组合预测模型在精度和稳定性方面的优越性,可为在役桥梁结构性能退化预测与维护提供理论基础.

基于数据流的K-S变化检测的动态多目标规划算法

为了更加准确地判断环境是否发生变化并快速追踪动态多目标规划问题(dynamicmulti-objectiveoptimization problem,DMOP)当前时刻的Pareto前沿,提出了一种基于数据流的Kolmogorov-Smirnov(K-S)变化检测的动态多目标规划(DSK-SDMOP)算法。该算法以NSGA-Ⅱ为基础,通过数据流建立2个时刻的检验窗口,再利用K-S检验基于数据流的Pareto最优前沿是否发生变化,检测2个窗口的数据是否服从同一分布来判断环境是否发生变化,并就环境变化的剧烈程度实行相应的应答机制,以提高对环境的适应程度。利用基于数据流的K-S检测方法,对环境变化不会过于敏感,而且不用提前假设对应目标值的分布,易于操作。通过5个动态多目标规划标准测试函数对该算法进行测试,并和现有的2种算法进行对比分析,结果表明该算法处理动态多目标规划问题具有良好的性能。

基于CD-BSMOTE的D-S证据融合变压器故障诊断

针对变压器油中溶解气体数据集不均衡特性对故障诊断结果的影响,提出一种基于清除临界点改进的边界合成少数类过采样算法均衡数据集和Pearson冲突距离改进D-S证据融合的变压器故障诊断模型。首先,对少数类样本进行均衡化处理,根据K-means聚类结果清除处于临界位置的样本;其次,搭建梯度提升树、随机森林、BP神经网络的故障诊断模型,实现变压器故障初步诊断;接着引入Pearson冲突距离改进D-S证据融合模型,实现诊断结果的融合决策;最后,经实际算例分析,诊断精确率达到92.65%。结果表明,所建模型能有效解决数据不平衡对诊断结果的影响,提高故障诊断精度。

帕金森病患者免疫球蛋白、Th9亚群水平变化及其与IGF-1、S-100B蛋白的相关性

目的:研究帕金森病(PD)患者免疫球蛋白(IgG、IgA和IgM)、辅助性T细胞亚群Th9水平变化及其与胰岛素生长因子-1(IGF-1)、S-100B蛋白的相关性。方法:选取2020年12月至2022年12月期间在河北省中医院确诊的108例PD患者,将其作为研究组,并根据患者病变程度分为轻度组(35例)、中度组(44例)和重度组(29例);另选108例健康成人作为对照组。对比研究组和对照组免疫球蛋白和Th9亚群水平,以及轻度组、中度组及重度组免疫球蛋白、Th9亚群、IGF-1和S-100B蛋白水平,采用Pearson相关性分析免疫球蛋白、Th9亚群和IGF-1、S-100B蛋白的相关性。采用Spearman相关性分析PD患者疾病程度和所有差异指标间的相关性。结果:研究组IgM水平较对照组低,且重度组低于中度组,中度组低于轻度组(P<0.05);研究组IgG、IgA、IL-9和Th9亚群水平较对照组高,且重度组高于中度组,中度组高于轻度组(P<0.05)。重度组IGF-1水平低于中度组,中度组低于轻度组;重度组S-100B蛋白水平高于中度组,中度组高于轻度组(P<0.05)。Pearson相关性分析结果显示,PD患者IgM水平与IGF-1水平呈正相关,与S-100B蛋白水平呈负相关;IgG、IgA、IL-9和Th9亚群水平均与IGF-1水平呈负相关,与S-100B蛋白水平呈正相关(P<0.05)。Spearman相关性分析结果显示,PD患者疾病程度与IgM、IGF-1水平呈负相关,与S-100B蛋白、IgG、IgA、IL-9和Th9亚群水平呈正相关(P<0.05)。结论:PD患者IgM水平降低,IgG、IgA、Th9亚群水平升高,且其水平变化与IGF-1、S-100B明显相关,可以用于评估病情的严重程度。

电液3-UPS/S并联稳定平台参数振动特性分析

针对电液3-UPS/S并联稳定平台驱动液压缸的压力脉动所产生的参数振动,建立了稳定平台的参数振动方程并利用多尺度法求解了主共振响应与组合共振响应的一次近似解;分析了主共振与组合共振响应特性以及振动幅值在初始工作空间内的变化规律,最后采用四阶龙格库塔法与模态试验对参数振动模型进行验证。结果表明:数值解与理论解之间的最大误差为4.20%,固有频率理论值与试验值之间的最大误差为4.66%,可验证参数振动模型的正确性。

S-烯丙基巯基半胱氨酸促进CD8+T细胞杀伤功能的机制研究

目的探究S-烯丙基巯基半胱氨酸(S-allylmercaptocysteine,SAMC)对CD8^(+)T细胞杀伤鼻咽癌细胞功能的影响及机制。方法将人鼻咽癌细胞HK-1和C666-1与SAMC共培养,分为0、25、50、100μmol/L SAMC组,Western blot检测肿瘤细胞程序性死亡配体-1(programmed cell death-ligand 1,PD-L1)表达。CD8^(+)T细胞分别与HK-1和C666-1细胞以10∶1的比例共培养并加入0、25、50、100μmol/L SAMC,检测CD8^(+)T对HK-1和C666-1的杀伤能力,酶联免疫法(ELISA)检测干扰素(INF-γ)和肿瘤坏死因子-α(TNF-α)浓度,构建鼻咽细胞HK-1的小鼠皮下移植瘤模型,分为对照组、CD8^(+)T细胞组、SAMC组、SAMC+CD8^(+)T细胞组,各组小鼠治疗期间测量瘤体积,治疗结束后取小鼠肿瘤组织,Western blot检测肿瘤组织中PD-L1表达,ELISA检测小鼠血清INF-γ和TNF-α浓度。结果相比于0μmol/L SAMC组,25、50、100μmol/L SAMC组HK-1和C666-1细胞PD-L1表达均显著下调(P<0.05),相比于0μmol/L SAMC+CD8^(+)T细胞组,25、50、100μmol/L SAMC+CD8^(+)T细胞组HK-1和C666-1细胞培养上清中INF-γ和TNF-α浓度均能显著增加,HK-1和C666-1细胞裂解率显著增加(P<0.01)。相比于对照组,CD8^(+)T细胞组和SAMC+CD8^(+)T细胞组小鼠瘤体积和瘤重显著下降(P<0.05),小鼠血清INF-γ和TNF-α浓度显著增加,相比于CD8^(+)T细胞组,SAMC+CD8^(+)T细胞组小鼠瘤体积和瘤重显著下降(P<0.05),小鼠血清INF-γ和TNF-α浓度显著增加(P<0.05),肿瘤组织PD-L1表达显著下调(P<0.01)。结论SAMC可通过抑制人鼻咽癌细胞PD-L1表达而促进CD8^(+)T细胞的杀伤功能。

基于D-S证据理论的农作物气候品质预测方法研究:以晚熟杂交柑橘春见为例

【目的】基于多源气象数据构建果实品质(糖含量等级)预测模型,为科学评价果实气候品质及深入挖掘农产品气候资源提供科学依据。【方法】以晚熟柑橘春见果实为研究对象,利用多源数据融合技术、人工神经网络(BP神经网络、RBF神经网络和Elman神经网络)和D-S证据理论,包括气象数据质量控制、特征选取、特征级融合、决策级融合4个步骤,构建基于多源气象数据的果实品质(糖含量等级)预测模型。【结果】春见果实品质预测模型采用BP神经网络预测结果总体准确率为87.50%,平均绝对误差(MAE)为0.150,均方根误差(RMSE)为0.447;RBF神经网络预测结果总体准确率为85.00%,MAE为0.175,RMSE为0.474;Elman神经网络预测结果总体准确率为87.50%,MAE为0.150,RMSE为0.447;D-S证据理论决策融合总体预测准确率达95.20%,分别较BP神经网络、RBF神经网络和Elman神经网络提升7.7百分点、10.2百分点和7.7百分点,MAE和RMSE分别为0.040和0.214,均明显降低。【结论】D-S证据理论决策融合后的果实品质预测准确率相比单一神经网络预测更高、误差更小。

S-100β CysC和NF-κB对急性缺血性脑卒中患者静脉溶栓后出血转化的预测价值

目的 探讨急性缺血性脑卒中(AIS)外周血中S-100β、CysC和NF-κB水平对静脉溶栓后出血转化的影响及预测价值。方法 收集2019-03—2022-03接受溶栓治疗的AIS患者140例,根据溶栓后24 h是否发生出血转化(HT)将患者分为非HT组(n=112)和HT组(n=28)。比较2组一般临床资料,采用多因Logistic回归分析影响HT发生的危险因素,受试者工作特征(ROC)曲线评估S-100β、CysC和NF-κB预测HT发生的价值。结果 HT组与非HT组相比,患者年龄、发病至溶栓时间、房颤、TOAST分型、C反应蛋白、凝血酶原时间、S-100β、CysC、NF-κB、白质高信号和脑微出血等均有统计学差异(P<0.05)。Logistic多因素回归分析显示,房颤、S-100β、CysC和NF-κB为影响HT发生的危险因素。S-100β、CysC和NF-κB预测AIS患者静脉溶栓后出血转化的曲线下面积分别为0.915(0.902~0.923)、0.874(0.856~0.882)和0.789(0.771~0.796),均具有一定的预测价值。结论 S-100β、CysC和NF-κB为AIS患者静脉溶栓后HT发生的危险因素,对HT发生具有一定的预测价值。

基于MRI影像组学构建PD-1/PD-L1抑制剂治疗dMMR/MSI-H直肠癌疗效的预测模型

目的:探讨MRI影像组学模型在程序性细胞死亡蛋白-1(PD-1)/程序性细胞死亡-配体1(PD-L1)抑制剂联合全程新辅助治疗(TNT)局部进展期直肠癌(LARC)的疗效预测价值。方法:收集河南中医药大学第一附属医院PD-1/PD-L1抑制剂联合TNT治疗的80例错配修复基因缺陷(dMMR)/微卫星高度不稳定(MSI-H)基因型中低位LARC患者的临床和影像资料。将入组患者按7∶3比例分为训练集和测试集,提取影像组学特征,从中筛选并构建影像组学模型。描绘影像组学模型的Rad-score与病理金标准之间的受试者工作特征(ROC)曲线,计算曲线下面积(AUC),并评价模型的诊断效能。采用决策曲线分析(DCA)计算风险阈值的范围,并评估临床获益情况。收集湖南省人民医院25例dMMR/MSI-H基因型LARC患者的影像资料作为外部验证集。结果:训练集、测试集及外部验证集三者之间的临床特征无统计学差异(P>0.05)。经过降维处理、t检验及一致性检验以及LASSO交叉验证后,筛选出一阶偏度特征和体积2个特征构建影像组学模型。训练集、测试集和外部验证集的影像组学预测模型ROC曲线的AUC、灵敏度、特异度、阳性预测值和阴性预测值分别为0.920、97.1%、85.7%、91.9%、94.7%;0.885、80.0%、88.9%、92.3%、72.7%;0.875、87.5%、88.9%、93.3%、80.0%。DCA曲线显示,当风险阈值范围为0%~82%时,采用影像组学模型预测LARC患者为病理完全缓解(pCR)的获益大于将所有患者都视为pCR或者无病理完全缓解(npCR)。结论:基于MRI影像组学构建的dMMR/MSI-H型局部进展期直肠癌PD-1/PD-L1抑制剂联合全程新辅助放化疗疗效预测模型,有较大潜力为不同基因分型的直肠癌患者制定个体化治疗策略提供量化依据。

基于1DCNN和D-S多信息融合的光伏系统直流母线串联电弧故障检测

直流母线是光伏系统输出能源的主干道,由于长期曝晒、风化等作用,电缆、连接器等组件劣化,光伏系统直流母线中发生电弧的可能性急剧上升,极易引发火灾、触电等事故。在光伏系统中,串联电弧故障将使回路电流下降,传统的过流保护无法识别。因此,本文提出基于深度学习和证据理论(D-S)的方法来识别串联电弧故障,该方法基于并联电容器电流和电压信号,采用一维卷积神经网络(1DCNN)对检测数据进行电弧识别;在此基础上将基于单个传感数据的识别结果作为证据,运用D-S多信息合成法则计算得到信度分配,最后利用决策规则判断是否发生串联电弧故障。搭建多参数可调模型获取数据进行测试,结果表明:使用1DCNN识别方法,基于并联电容器电流和电压信号的串联电弧识别准确率分别为97.19%和94.98%,而基于1DCNN和D-S多信息融合的光伏系统直流串联电弧故障检测的识别准确率可提升至99%以上。

从协同到求异:指向教师专业发展的U-S合作优化研究

U-S合作是教师专业发展的重要举措。审视U-S合作的历程可知,U-S合作致力于多方位促进教师专业发展,协同逐渐成为U-S合作促进教师专业发展的底层逻辑。随着合作的持续推进,这一底层逻辑在促进教师专业发展方面所潜在的矛盾也逐渐暴露出来。一方面,大学与中小学的文化差异阻碍了协同的深度发生;另一方面,为了实现大学与中小学的协同,双方不得不做出诸多的妥协,在妥协的语境下,中小学教师往往面临着主体性丧失的风险。与之相对,在求异这一核心理念的引领下,跨界学习旗帜鲜明地提出了“差异即资源”的主张,并通过互动场域的营造和互动系统的建构,为“差异即资源”提供了现实可能,也为优化U-S合作提供了新的思路。

基于Super-Twisting滑模S面的无人机路径跟踪控制

针对小型固定翼无人机在执行任务时跟踪精度低以及容易受外界风影响的问题,设计基于Super-Twisting滑模S面(STSM S-Plane)的路径跟踪控制器,同时采用内外双环控制模式。外环即速度环采用Super-Twisting滑模控制,内环即姿态环采用S面控制。考虑到S面控制求导易导致积分爆炸的问题引入了二阶微分器,并对外界风组成进行建模研究。最后通过空间特殊曲线来验证所设计算法的控制性能。仿真结果表明,所设计的算法可以实现固定翼无人机对期望路径的精确跟踪,并具有良好的鲁棒性和抗干扰性能。