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.     

采用Aspen Plus软件对一氧化碳变换单元的模拟研究

煤制甲醇一氧化碳变换单元原设计根据温度梯度,回收热量副产4.1MPa、1.1MPa和0.46MPa蒸汽,借助Aspen Plus工程软件对已运行装置一氧化碳变换单元进行模拟校核。通过比较设计数据,变换系统的各流股数据与工艺包数据较为接近。可作为变换单元实际操作技术改造方案的比选和模拟计算的基础,对变换单元优化操作有一定的指导意义。     

MOMEDA结合数学形态滤波的齿轮故障特征提取

为了实现齿轮故障特征的有效提取,针对齿轮早期故障振动信号非线性、非平稳且信噪比低的特点,提出了一种基于多点最优最小熵反卷积(MOMEDA)和数学形态滤波的齿轮故障特征提取方法。首先利用MOMEDA恢复信号中的周期性故障特征并实现信号的降噪,再运用形态差值滤波器对解卷积后的信号进行滤波以增强信号中的冲击特征,最后对滤波结果求取频谱以进行故障特征提取;通过对仿真结果和实验数据的分析验证了该方法的可行性和有效性。结果表明,该方法具有抑制噪声和提取周期性故障冲击特征的能力,能够实现齿轮故障特征的提取。     

手工艺品陶瓷的审美形态和价值

手工艺品设计的审美形态,意指造型、色彩和装饰,而作为手工艺品的杰出代表陶瓷,其有着晶莹剔透的外观造型,瑰丽而朴实的色彩,工艺精到的装饰,成为了17世纪当时国际上的强势语言,代表着中国的形象,在其整体的审美形态的背后所承载的是大国工匠的精雕细琢、精益求精、一丝不苟、视手工艺品为自己生命的大国工匠精神,这种精神是我们当代从事设计类工作应该要传承和弘扬的。而笔者以手工艺品陶瓷的造型改善了当地人的生活状况和质量,影响了他们的生活方式;陶瓷艺术来促使了当地文化思潮的进程,作为两个主要的线索,来展开论述,揭示了设计需要学习中国古代工匠的工艺精神,传承和弘扬这种大国工匠精神,用这种精神来指导设计制作,以期能够设计出更优秀,有东方韵味的作品。     

湖北工业大学周红宇设计作品选

设计说明:本设计初衷是针对物流转运进行的再设计,提升设备在使用过程中的易操作性,并能通过设计提升人性关怀。设备作为物流转运设备,其主要工作场所在室内,基于其频繁的移动特性,外观颜色使用警示性较强的黄色能很好     

矿用电动机振动信号早期故障特征提取方法

针对现有矿用电动机振动信号故障特征提取方法存在依赖参数设置、频率混叠、信号失真等问题,提出了一种基于双树复小波变换的矿用电动机振动信号早期故障特征提取方法。利用双树复小波变换对采集的矿用电动机振动信号进行分解,得到各层双树复小波系数,并采用软阈值滤波对各层双树复小波系数进行滤波处理,滤波处理后的双树复小波系数经双树复小波变换重构获得去噪信号。应用结果表明,该方法能有效去除电动机振动信号中噪声,提取的早期故障特征能很好地反映电动机实际运行工况,为电动机早期故障诊断提供了有效依据。     

步行式加工机器人解耦并联机械腿构型综合

结合螺旋理论、机器人的实际功能应用以及机械腿的运动变换矩阵,综合出了转动完全解耦、移动部分解耦的PUPR-PUPR-PRPAS机械腿构型。首先,分析了步行式加工机器人的功能应用,分析出机械腿在功能应用中需要的自由度;再根据自由度数确定了机械腿所需的支链数目及自由度在支链上分布;然后分析机械腿运动螺旋及约束螺旋,结合机械腿运动解耦的目的,得出使动螺旋来确定驱动螺旋,同时结合功能应用需求对机械腿支链进行了构型综合。根据支链间搭配原则及机械腿功能应用条件等,在综合出的支链中选取并确定机械腿初步构型。最后,先对机械腿单自由度关节副之间进行复合简化,分析简化后的运动变换矩阵,将第三条支链进行进一步改进,确定最终机械腿构型。