胎儿型肺腺癌(fetal adenocarcinoma of the lung,FLAC)是一种罕见的肺部肿瘤。FLAC分为低级别FLAC(low-grade FLAC,L-FLAC)和高级别FLAC(high-grade FLAC,H-FLAC),两者在临床病理特征、生物学行为和临床结局方面有所不同。大多数H-FLA...胎儿型肺腺癌(fetal adenocarcinoma of the lung,FLAC)是一种罕见的肺部肿瘤。FLAC分为低级别FLAC(low-grade FLAC,L-FLAC)和高级别FLAC(high-grade FLAC,H-FLAC),两者在临床病理特征、生物学行为和临床结局方面有所不同。大多数H-FLAC患者是重度吸烟的中年人。本研究描述了1例罕见的非吸烟年轻男性患者,其最初表现为头顶肿块,最终被诊断为H-FLAC。本文旨在增进对FLAC的了解和认识,提高对该疾病的重视,以防止该疾病漏诊与误诊,加强早期识别、精准诊断,从而推进后续的有效治疗、改善预后。展开更多
针对工业机器人在高度制造领域精度不高的问题,本文提出了一种基于POE模型的工业机器人运动学参数二次辨识方法。阐述了基于指数积(Product of exponential, POE)模型的运动学误差模型构建方法,并建立基于POE误差模型的适应度函数;为实...针对工业机器人在高度制造领域精度不高的问题,本文提出了一种基于POE模型的工业机器人运动学参数二次辨识方法。阐述了基于指数积(Product of exponential, POE)模型的运动学误差模型构建方法,并建立基于POE误差模型的适应度函数;为实现高精度的参数辨识,提出了一种二次辨识方法,先利用改进灰狼优化算法(Improved grey wolf optimizer, IGWO)实现运动学参数误差的粗辨识,初步将Staubli TX60型机器人的平均位置误差和平均姿态误差分别从(0.648 mm, 0.212°)降低为(0.457 mm, 0.166°);为进一步提高机器人的精度性能,再通过LM(Levenberg-Marquard)算法进行参数误差的精辨识,最终将Staubli TX60型机器人平均位置误差和平均姿态误差进一步降低为(0.237 mm, 0.063°),机器人平均位置误差和平均姿态误差分别降低63.4%和70.2%。为了验证上述二次辨识方法的稳定性,随机选取5组辨识数据集和验证数据集进行POE误差模型的参数误差辨识,结果表明提出的二次辨识方法能够稳定、精确地辨识工业机器人运动学参数误差。展开更多
文摘胎儿型肺腺癌(fetal adenocarcinoma of the lung,FLAC)是一种罕见的肺部肿瘤。FLAC分为低级别FLAC(low-grade FLAC,L-FLAC)和高级别FLAC(high-grade FLAC,H-FLAC),两者在临床病理特征、生物学行为和临床结局方面有所不同。大多数H-FLAC患者是重度吸烟的中年人。本研究描述了1例罕见的非吸烟年轻男性患者,其最初表现为头顶肿块,最终被诊断为H-FLAC。本文旨在增进对FLAC的了解和认识,提高对该疾病的重视,以防止该疾病漏诊与误诊,加强早期识别、精准诊断,从而推进后续的有效治疗、改善预后。
文摘针对工业机器人在高度制造领域精度不高的问题,本文提出了一种基于POE模型的工业机器人运动学参数二次辨识方法。阐述了基于指数积(Product of exponential, POE)模型的运动学误差模型构建方法,并建立基于POE误差模型的适应度函数;为实现高精度的参数辨识,提出了一种二次辨识方法,先利用改进灰狼优化算法(Improved grey wolf optimizer, IGWO)实现运动学参数误差的粗辨识,初步将Staubli TX60型机器人的平均位置误差和平均姿态误差分别从(0.648 mm, 0.212°)降低为(0.457 mm, 0.166°);为进一步提高机器人的精度性能,再通过LM(Levenberg-Marquard)算法进行参数误差的精辨识,最终将Staubli TX60型机器人平均位置误差和平均姿态误差进一步降低为(0.237 mm, 0.063°),机器人平均位置误差和平均姿态误差分别降低63.4%和70.2%。为了验证上述二次辨识方法的稳定性,随机选取5组辨识数据集和验证数据集进行POE误差模型的参数误差辨识,结果表明提出的二次辨识方法能够稳定、精确地辨识工业机器人运动学参数误差。