乳腺癌中着丝粒蛋白CenpG的差异表达

用间接免疫荧光（IIF）验证了着丝粒蛋白CenpG的一种抗血清；通过对31例乳腺癌组织块及每一例病人的癌旁正常（非癌性）组织块蛋白提取物进行免疫印迹（Western blot）分析，发现多数情况下（71%）癌组织中着丝粒蛋白CenpG(95kD)过表达；在两例乳腺癌组织中还发现了一种能被CenpG抗血清识别的43kD蛋白质成分。结果表明，新近发现和命名的CenpG（或者还有其他相关成分）的差异表达可能与细胞恶性增殖有关。     

电路板故障诊断中神经网络信息融合技术的应用

将信息融合技术应用到导弹电子设备的电路板故障诊断之中．提出了一种基于红外热成像实验的温度故障隶属度函数构造形式以及改进的BP神经网络算法。进行了BP神经网络信息融合故障诊断的实验研究．从结果看信息融合能较好地解决电路板元件故障诊断的不确定性问题。     

地面驱动螺杆泵井测试仪的研制与应用

螺杆泵采油设备在油田的应用逐渐增多,但是其稳定性、可靠性和配套工艺技术的完善程度与其他常规机械采油方式相比还存在一定差距,需要寻找一种方便可行的判断泵况的方法。开发研制了螺杆泵综合测试仪,它以MCS51系列单片机为核心,通过单片机的串行通讯口控制接收和采集信号,利用有线与无线相结合的传输方式测试光杆扭矩、轴向力、转速、三相电流、三相电压和井口油压等参数,可同步或单独测量,具有精度高、灵敏度高、抗干扰性强等特点。通过300余井次现场试验,测试成功率95%以上,测试数据准确、可靠,为螺杆泵井工况诊断、优化设计提供了可靠依据。     

基于一种改进BP网络算法的水轮机组故障诊断

水轮机组状态监测与故障诊断系统,在水轮发电机组及电力系统中有着举足轻重的地位,提高水轮机组状态监测与故障诊断系统的准确性和及时性,对电力系统的安全运行具有重大意义。作者采用一种改进的BP网络算法,用于水轮机组状态监测与故障诊断系统中,试验表明,此方法改善了传统BP网络容易陷入局部最小点、网络收敛速度慢等不利因素,提高了水轮机组状态监测与故障诊断的准确性。     

注聚井注入状况诊断方法研究

在室内试验和动态分析的基础上，对引起注聚井注入困难的原因进行了分析，提出了利用单井动态预测结果和实际注入动态曲线对比判断聚合物注入状况的方法，建立了预测注聚井注入动态的预测模型，并对数值模拟计算结果进行了分析。同时还评价了现场应用效果。通过数值模拟和实际注入动态曲线对比，可以初步判断待措施井有无近井地带堵塞，为提高注聚井压解堵措施的有效性奠定了基础。     

肝脏占位的B超与MRI图像诊断分析

肝癌、肝血管瘤、肝囊肿是肝内常见占位性病变．笔者在临床工作中发现B超与MRI联合应用。其互补作用可提高肝脏占位的诊断率。本文通过对筛选出来的84例经B超与MRI诊断的肝脏占位病变进行分析。     

机械式有杆泵抽油井示功图的识别

介绍了一种用计算机精确、快速识别机械式示功图的方法。将绘制的示功图通过扫描仪输入计算机,通过对示功图进行二值、细化、矢量化等处理,将示功图的二值点阵信息转换为矢量信息,为后续示功图特征提取创造有利条件,有利于提高抽油井故障的诊断正确率。     

模拟电路的模块级故障诊断

本文以多端口元件或子网络为基本单元，提出了一种模块级故障诊断方案，这种方案的故障模型更符合电路的实际情况，因而具有更广泛的实际意义，文中首先推导了模块故障诊断议程，并对模块故障可测性问题进行了一般性讨论。然后，给出了模块故障可测的几个拓扑条件，并通过定义广义独立通路使这些拓扑条件适用于一般的非互易网络。     

Measurement selection for parametric IC fault diagnosis

This article presents experimental results which show feedforward neural networks are well-suited for analog IC fault diagnosis. Boundary band data (BBD) measurement selection is used to reduce the computational overhead of the FFN training phase. We compare the diagnostic accuracy between traditional statistical classifiers and feedforward neural networks trained with various measurement selection criteria. The feedforward networks consistently perform as well as or better than the other classifiers in term of accuracy. Training using BBD consistently reduces the FFN training efforts without degrading the performance. Experimental results suggest that feedforward networks provide a cost efficient method for IC fault diagnosis in a large scale production testing environment.This work is supported by NSF-IUC CDADIC, Project 90-1.