基于排列熵和支持向量机的癫痫发作预测研究

针对癫痫发作给病人带来的巨大伤害,为临床治疗留下足够空余时间,提出一个可以预测癫痫发作的系统模型。对21名癫痫病人进行研究,提取具有较低算法复杂度的排列熵构成特征向量,将其输入支持向量机（support vector machine,SVM）训练出学习模型,用来识别发作期样本,利用投票机制充分考虑病人差异来判断所处状态,最终实现癫痫的实时预测。结果表明,其中81%的发作可以提前平均50多分钟预测到,且具有较低的误报率。为癫痫发作预测系统的理论研究打下坚实基础。     

基于RGB-D传感器的同步定位与建图方法研究

机器人同时定位与地图构建算法(SLAM,Simultaneous Localization and Mapping)可实现机器人的自主控制,文中将SLAM算法与视觉传感器结合,搭载红外摄像头的RGB-D摄像头可以快速进行运动估计及构建3D点云地图,最后将视觉里程计测量的相机位姿与回环检测的信息结合,经过优化可得到轨迹估计的地图。     

基于相位同步的癫痫信号识别与分析

针对临床人工诊断癫痫信号效率低下的问题,建立一种基于相位同步的癫痫信号自动诊断模型。使用相位锁定值衡量各脑区间不同状态下的同步化程度,构建对应的脑功能网络连接矩阵,提取聚类系数和特征路径长度2种全局属性作为输入支持向量机的训练特征,使用六折交叉验证的方式对发作间期及发作期的信号进行分类识别。实验结果表明,加权网络的分类效果优于二值网络,其平均准确率为83.4%,单一属性难以全面反映癫痫患者2种状态下的功能网络连接差异,多数患者在gamma和beta频段取得较好的分类效果。     

基于传递矩阵法的超声珩齿复合变幅器设计

基于Mindlin中厚板理论,利用传递矩阵法设计了圆环板与复合变幅杆组合而成的超声珩齿复合变幅器,推导了这一复合变幅器的弯曲振动频率方程,并对其振动特性进行研究。研究结果表明,超声珩齿复合变幅器频率随变幅杆各段长度的增大而减小,随圆环厚度的增大而增大,随圆环外径的增大而减小。     

NH3/DME混合物着火特性试验与数值模拟研究

为了探究NH₃/DME混合物的着火特性，利用激波管测量了初始温度T=1 250～1 800 K、当量比Φ=0.5～2.0、DME掺混比X_DME=0～1.0、压力p=1 MPa条件下NH₃/DME混合物的着火延迟时间。基于测量的试验数据，更新了Issayev等人构建的NH₃/DME燃烧反应动力学模型的部分基元反应，更新后的模型表现出对NH₃/DME着火延迟时间的良好预测。在此基础上，进一步开展了NH₃/DME着火特性值模拟研究。结果表明：NH₃/DME高温着火延迟时间随二甲醚(DME)掺混比的增加呈指数降低；NH₃/DME的着火延迟时间随当量比的增加先降低后升高，且不同温度下达到最低着火延迟时间的当量比不同；中低温下NH₃/DME的着火延迟时间随初始温度的变化规律与高温下不同，呈现出明显的负温度系数(NTC)现象。