基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

基于形态特征提取的急性下壁心肌梗死BiLSTM网络辅助诊断算法

急性下壁心肌梗死是一种病发急、进展快、致死率高的心脏疾病,该文提出一种新颖的基于形态特征提取的BiLSTM神经网络分类的急性下壁心肌梗死辅助诊断算法,可大幅度提高医生对急性下壁心肌梗死疾病的诊断效率并有助于及时确诊.算法包括:对胸痛中心数据库心拍信号进行降噪及心拍分割;根据临床心内科医学诊断指南提取了12导联波形距离特征和分导联波形幅值特征;依据提取的特征搭建LSTM与BiLSTM神经网络进行心拍的分类识别;使用PTB公开数据库和胸痛中心数据库多临床中心进行交叉验证.实验结果表明,加入胸痛中心真实临床数据后,基于形态特征提取BiLSTM神经网络的急性下壁心肌梗死辅助诊断算法准确率达到99.72％,精度达到99.53％,灵敏度达到100.00％,同时F1-Score达到99.76.该算法比其他现有算法准确率提高至少1％,该项研究具有非常重要的临床应用价值.     

星毛冠盖藤乙酸乙酯部位抗三阴乳腺癌的研究

研究星毛冠盖藤乙酸乙酯部位(PTE)对三阴乳腺癌细胞增殖和凋亡的影响。以MDA-MB-231细胞为研究对象,不同剂量PTE处理,MTT、台盼蓝、TUNEL法分别检测细胞的增殖、凋亡情况,Western blot检测Caspase-3的表达情况。结果显示,PTE对MDA-MB-231的增殖具有剂量依赖的抑制作用;500μg/mL的PTE处理48 h后,PTE组细胞死亡率明显增高;TUNEL染色检测到明亮的绿色荧光颗粒;Western blot检测到明显的Caspase-3激活。由此可见,PTE对MDA-MB-231细胞具有明显抑增殖、促凋亡的作用,其分子机制与Caspase-3的激活有关。     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

海上井喷抢险“三分支”引火筒结构设计

针对目前海上生产平台出现的井喷失控事故, 设计了“三分支”引火筒装置。在从源头控制井喷抢险作业时能够借助“烟囱效应”将流体/火焰引至上方，降低井口区温度，提高井喷抢险作业的安全性。“三分支”引火筒装置主要由引火筒、悬挂筒、主轴及悬挂装置、锁定及支撑装置组成。作业时可根据井口分布调整3个引火筒之间的角度和高度，配合钢丝绳和绞车进行井喷抢险作业。对各部分结构进行了阐述并且对结构强度及恶劣工况下的吊装进行了有限元分析。分析结果表明:装置强度满足要求；在200×104 m3/d气井井喷环境下最大等效应力为492 MPa，最大偏移量为348.02 mm，在6级风环境下最大等效应力为495 MPa，最大偏移量为353.12 mm，均满足抢险作业需求。研究结果可为生产平台井喷抢险引火筒研发提供参考。     

轨道交通高频充电机应用研究

设计了一种轨道交通用的高频充电机,该充电机采用基于移相控制的全桥零电压开关（zvS）变换器的拓扑结构。对该充电机主要参数进行计算和系统建模,仿真结果满足系统要求。主控芯片采用TMS320F28335,算法采用带有电流前馈的比例积分（PI）控制方式,并设计了针对蓄电池负载的充电逻辑,样机试验结果满足系统要求。     

双螺杆挤出机温度控制系统设计

双螺杆挤出机温度控制系统通常存在大扰动、非线性以及滞后性等特点,拥有固定参数的传统PID控制策略控制效果并不理想,为此提出了一种基于模糊神经网络PID控制的温度控制方法,对于现场无法充分预估的情况,该控制方法能够根据具体情况对PID参数做出适当调整。首先介绍了双螺杆挤出机温度采集与控制系统组成,将模糊控制理论、神经网络控制与传统PID控制相结合,利用模糊控制和神经网络对PID参数实现在线实时调整。最后,将模糊神经网络PID控制与常规PID和模糊PID控制进行仿真对比,模糊神经网络PID控制对螺杆机温度控制效果更佳,采用该控制方法可以大大提高产品合格率。