基于胃部肿瘤病理数据特征提取的分型模型研究

胃癌的早期发现和组织病理的精准分型可有效提高患者的 5 年生存率,但有限的医疗资源难以满足这一需求。 基于ResNet-50 的 DeepLab v3 语义分割算法,构建了胃部肿瘤病理分型识别系统,辅助病理医生实现快速高效精准的协同分型诊断。针对不含恶性肿瘤的情况,完善实现了胃部低级别上皮内瘤变的二分类识别。 医院临床及资深医师像素级标注的 1 854 张胃部组织数字切片进行了训练和测试,实现了在癌区识别基础上准确率为 61. 8% 、kappa = 0. 496 的分型诊断和敏感度 100% 、特异性 75. 8% 和 AUC= 0. 972 的低级别上皮内瘤变诊断。 提出的胃癌分型诊断能够标出癌区,并给出诊断参考;低级别上皮内瘤变的诊断较为精确。     

一种基于自适应时钟和波纹减少环路的高精度电流反馈仪表放大器

电流反馈仪表放大器芯片因其高精度、高共模抑制比等优势,广泛应用于微弱信号检测。 传统 CFIA 利用斩波技术降低 1 / f 噪声和失调电压以提升放大器精度,但额外引入斩波波纹会显著限制其精度提升。 为此,本文提出一种基于自适应时钟和波纹减小环路的新型电流反馈仪表放大器 ARCFIA,该放大器针对传统斩波放大器波纹,采用波纹减少环路 RRL 对其抑制,并借助自适应时钟 ACLK,将斩波开关的输入参考噪声谱密度降低。 实验结果表明,ARCFIA 实现了低于 1. 4 μV 的低失调电压和 17. 2 nV/ Hz的输入参考噪声,同时波纹被减少到 ARCFIA 噪声基底以下,通过减小失调、噪声和波纹,实现了精度的进一步提升。 此外,ARCFIA 还具有一定潜力应用于复杂环境下的高精度测量系统。     

压电快反镜的预定时间自适应滑模控制

针对压电快反镜系统（Piezoelectric Fast Steering Mirror, PFSM）在跟踪过程中由自身压电磁滞和外界环境所引起的不确定干扰问题,文中提出了一种创新的预定时间自适应滑模控制器。此控制器使用障碍函数设计自适应律,并引入了预定时间的概念,以确保系统的响应更加灵活和高效。在保证控制系统状态的收敛时间小于预定时间上界的基础上,该控制策略还可通过障碍函数将滑模变量的收敛范围限制在一个微小的邻域内。文中利用Lyapunov稳定性理论证明了闭环控制系统的稳定性。最后,通过数值仿真验证了所设计控制器的有效性。结果表明：该控制器在提升PSFM性能、缩短跟踪时间以及提高精度方面具有显著优势。     

弱数据下多源传感融合的某试车台气路健康评估方法

航天发动机试车台作为检验发动机可靠性的关键装备,其健康状态评估对确保发动机安全运行具有重要意义。试车台气路系统具有故障模式复杂多变,多点位、多模态传感信息关联性强等特点,且存在数据积累有限、采集的健康状态样本分布不均、人工监测运行状态造成人力资源浪费以及高误警率等问题。为此,提出了基于自适应重构相空间-支持高阶张量机的健康评估模型。该方法首先通过设计E1(m)的稳定性判定准则,实现对气路系统相空间的自适应重构;其次采用张量对气路系统的多点位、多模态数据进行表征;然后基于支持高阶张量机挖掘张量样本中的多源传感关联信息与健康模式,实现对试车台气路系统的健康状态评估;最后利用中航某所发动机试车台实际试车数据,与支持向量机、决策树与朴素贝叶斯算法对比,结果表明提出方法在弱数据环境下具有良好评估能力,整体评估精度为89.7%,在极端弱数据环境,精度下降保持在8%以内。     

基于小波变换与IAGA-BP神经网络的短期风电功率预测

为提高风功率预测精度,减轻输出风能波动性对风电并网不利影响,提出了基于WT-IAGA-BP神经网络的短期风电功率预测方法。首先,利用风速分区、3σ准则及拉格朗日插值法清洗风电场历史数据;其次,依据小波重构误差,选择db4小波分别提取风速、风向、历史风功率的不同频率特征信号,并引入改进自适应遗传算法(IAGA)对各序列BP神经网络的初始权值与阈值寻优,使用Sigmiod函数通过适应度值自适应改变交叉概率与变异概率;最后,构建各序列的WT-IAGA-BP模型对短期风功率组合预测。通过仿真分析,并与ELM、WT-ELM及IAGA-BP方法对比,验证该方法具有更高的预测精度和更好的预测性能。     

车道线检测的PSPNet改进算法

车道线检测已成为智能驾驶领域研究的一项重要课题,而实际应用时,常出现车道线分割不准确、实时检测能力不佳的问题。为此本文提出一种金字塔场景分析网络的改进算法。在编码结构的基础上搭建主体网络PSPNet,选用MobileNet v2轻量级网络作为编码器的主干网络,减少了整体网络的计算复杂度及参数量;网络中添加了空洞卷积,并在不同层间实现特征融合,扩充了模型感受野,同时丰富了局部特征;最后用自适应直线拟合算法对各类型车道线拟合。本文使用Caltech车道线数据集进行测试,实验结果显示,改进后的PSPNet算法对不同类型的车道线均有较好的分割结果,与PSPNet算法相比精度和交并比分别提升了3.91%、4.14%,且FPS达28帧/s,本文算法的分割精度和推理速度均优于其他对比算法。     

YOLOF-CBAM：一种新的结直肠息肉实时分类与检测方法

针对目前常见的计算机辅助检测系统对结肠镜图像中息肉的分类与检测准确性和实时性不足的问题,提出了一种以YOLOv4为基本框架,结合空间注意力机制与改进特征融合层的YOLOF CBAM模型,可对白光和窄带成像双模态内镜图像中的增生性息肉与腺瘤性息肉进行实时分类与检测。为了使息肉的特征提取更准确,在YOLOv4的主干网中增加CBAM模块,使网络特征提取层关注到更加重要的空间以及通道信息,抑制不必要特征向下传递;在此基础上,通过对特征融合层PANet进行剪枝操作优化网络结构,以此减少网络参数量,进一步提高模型的检测速度。为了对改进后的模型进行训练和测试,从河北大学附属医院收集了2 988张包含了白光和NBI的内镜图像,并按照9∶1的划分比例划分为训练集和测试集。实验结果表明,YOLOF CBAM在测试集上的mAP值为8644%,识别增生性息肉和腺瘤性息肉的召回率分别为8962%和8564%,精确率分别为9135%和8519%,且实时分类速度达到47 FPS,证明所提出的模型具有潜在的临床应用价值。     

蓄意流量攻击下基于确定网络演算的互联电网自适应负荷频率控制策略

蓄意流量攻击通过抢占有限的网络带宽降低正常数据流的时效性。对于网络化负荷频率控制(load frequency control, LFC),流量攻击将造成稳定裕度下降、频率偏差幅度上升甚至越限事故。现有控制方案一般采用单一且固定的控制器保证最大攻击强度下的渐进稳定性,存在设计约束多、保守性大的缺点。因此提出了一种跟随攻击强度自适应调整控制器增益的LFC策略。首先,基于确定性网络演算,得到了无攻击场景下数据流传输延时上边界,并预设了一系列表征不同攻击强度的传输延时范围。其次,通过构造Lyapunov泛函,推导了针对每个攻击强度的控制器设计准则。最后,基于切换控制理论,确定了所提自适应方案所能容忍的最大攻击强度变化频率。仿真表明,与现有控制方案相比,所提方法的频率偏差幅度可下降12.60%,区域控制误差的绝对值误差积分可下降10.85%。     

自适应陷波滤波器的并网逆变器相位超前补偿方法

逆变侧电流反馈控制的LCL型并网逆变器广泛地应用于实际中,然而在数字控制下,控制延时改变了系统的相位特性,进而影响系统的稳定性。为此,提出了一种基于自适应陷波滤波器(adaptive notch filter,ANF)的相位超前补偿方法。首先,利用陷波器的相位超前环节对控制延时产生的相位滞后进行补偿,从而避免系统相位在谐振频率处穿越-180°,改善了系统的稳定性并增强其对弱电网的鲁棒性。其次,采用ANF算法对系统的谐振频率进行估计,并根据估计值动态调整陷波频率,扩大了谐振频率稳定区间,进一步提高了系统对LCL参数波动的适应能力。最后,对所提方法进行实验验证,结果表明:基于ANF补偿方案的并网逆变器稳定性良好,且相比传统的陷波方案,该方案对电网阻抗及LCL参数波动具有更好的鲁棒性,更利于LCL并网逆变器在弱电网工况下的控制。     

基于弹性基体磨具的3D打印高温合金叶片磨抛试验

目的 验证弹性基体磨具自适应磨削抛光加工增材制造镍基高温合金叶片的工艺可行性。方法 以硅橡胶基体磨具弹性磨抛技术为基础,建立弹性磨具与叶片接触的有限元模型,分析磨具与工件接触区域内应力和材料去除分布。以有限元分析结果为指导,研究磨具接触变形和材料去除对轨迹规划的影响,确定合理的轨迹步长和间距,并通过控制工件位姿角的变化,保证在磨抛过程中磨具与工件的接触状态不变。以GH4169镍基合金叶片为加工对象,采用硅橡胶弹性固结磨料磨具在小型四轴加工平台上进行磨抛试验。结果 仿真结果表明,弹性磨具与曲面工件之间的接触区域为椭圆形,应力和材料去除分布都由椭圆心到周围逐渐减小;当弹性磨具的压缩量为3 mm时,基于弹性接触有限元分析结果确定的最优轨迹间距为9 mm。试验结果表明,采用自适应磨抛轨迹抛光后,叶片表面无明显划痕和抛光纹理,表面粗糙度Ra由开始的1.846μm降至0.182μm,标准差由0.108μm降至0.026μm,材料去除率为3.432×10⁹μm³/min。结论 硅橡胶弹性固结磨料磨具可用于GH4169镍基合金叶片的超精密磨抛,基于弹性磨具接...