基于Hilbert-Huang变换和粗糙集的航天器在轨故障检测

航天器在轨故障检测中,首先基于Hilbert-Huang变换对航天器在轨运行状态信号进行特征提取。提取的特征属性常存在冗余,冗余属性耗费存储空间和处理时间,并干扰正确决策的生成。为解决此问题,采用粗糙集中基于可辨识矩阵和逻辑运算的属性约简算法,对提取的属性知识进行知识表示和约简,达到简化目的。以具有可类比性的地面轴承振动信号,对所提故障检测方法进行验证,验证效果良好。     

基于AFSA-LSSVM的视频字幕定位模型

特征选择是视频字幕定位的关键,为了提高视频字幕定位正确率,提出一种人工鱼群算法(AFSA)和最小二乘支持向量机(LSSVM)相融合的视频字幕定位模型(AFSA-LSSVM)。首先提取视频字幕特征,然后通过模拟鱼群的觅食、聚群及追尾行为找到最优视频字幕特征子集,最后将最优视频字幕特征子集输入LSSVM进行学习,建立最优视频字幕定位模型,并进行仿真对比实验。结果表明,相对其他视频字幕定位模型,AFSA-LSSVM提高了视频字幕定位正确率和效率,可为后续视频内容的安全分析提供技术支持。     

有机硅耐高温涂料的研究进展

首先介绍了耐高温涂料的概念和种类，然后详述了有机硅树脂的结构、性能和其制备的耐高温涂料的研究情况，后续论述了在不同领域内如何正确地选择有机硅树脂，分析了不同牌号有机硅树脂热失重数据及颜色变化情况。最后，讨论了颜填料对涂层耐温性能的影响并对有机硅耐高温涂料在新环境、新要求、新发展的未来方向进行了展望。     

应用超高分子量聚乙烯,解决落煤斗堵煤难题

超高分子量聚乙烯是一种新型的高分子聚合物 ,它所具有的一些优良特性使得用其制成的衬板在湿煤和粘煤经过时不会堵煤 ,而且耐磨性和抗冲击能力极好。本文主要介绍超高分子量聚乙烯的性能、特点以及用它制成的衬板在解决落煤斗堵煤这一难题中的作用。1　超高分子量聚乙烯性能超高分子量聚乙烯 (ＵＨＭＷＰＥ)是国际上最新的工程塑料 ,其分子结构和普通聚乙烯 (ＰＥ)相同。所不同的是普通ＰＥ分子量较低 (几万至几十万 ) ,而ＵＨＭＷＰＥ的分子量一般均超过 10 0万 ,巨大的分子量使其具有一些普通ＰＥ及其他工程塑料所没有的独特性能。1 1　…     

基于适配体识别的金黄色葡萄球菌定性检测试纸条的研制及应用

本研究以金黄色葡萄球菌为检测靶标,以核酸适配体为识别分子,基于双适配体夹心和侧流层析原理,构建了定性检测金黄色葡萄球菌的适配体试纸条,并对NaCl浓度、适配体浓度、纳米金-适配体包被量及捕获探针包被量等实验条件进行优化,获得适配体试纸条最佳制备条件。在优化条件下对试纸条的灵敏度、特异性进行分析测试,最后将试纸条对116份食品进行金黄色葡萄球菌检测,并与国标法（GB 4789.10-2016）对比验证。结果显示,适配体试纸条最佳制备条件为NaCl浓度为80 mmol/L、适配体偶联浓度为1 μmol/L、结合垫上纳米金-适配体的稀释体积比为1:2、捕获探针浓度为25 μmol/L。在最佳条件下,适配体试纸条对金黄色葡萄球菌的可视化检测限为2×103 CFU/mL,检测时间为5 min,且与其他食源性致病菌如鼠伤寒沙门氏菌、单增李斯特菌、大肠杆菌、阪崎肠杆菌、痢疾志贺氏菌等无交叉反应,具有较高的特异性。将本方法应用于食品中金黄色葡萄球菌的定性检测,检测结果与国标法完全一致。该方法简便快速、准确可靠、成本低,适用于食品样品中金黄色葡萄球菌的定性检测。     

基于子空间特征融合的两级掌纹识别算法

针对单一PCA或PCA只能提取掌纹的线性或非线性特征,单一分类器的掌纹识别率低缺陷,提出一种子空间特征融合的两级掌纹识别方法（PCA-KPCA-SVM）。首先采用子空间特征提取方法PCA、KPCA分别提取掌纹图像线性和非线性特征,然后基于融合特征总类间距离最大准则,计算出最佳的融合系数,得到PCA、KPCA的融合掌纹特征,最后将融合特征输入到欧式距离分类器进行掌纹识别,如果拒绝识别,则输入支持向量机进行二次识别。采用Polyu掌纹图像库进行测试实验,结果表明,相对于对比算法,PCA-KPCA-SVM提高了掌纹识别率,有效降低了掌纹的误识率和拒识率。     

诱导型一氧化氮合酶、血小板衍生生长因子- B和脂多糖在布- 加综合征大鼠模型中的表达及意义

【摘要】 目的 探讨诱导型一氧化氮合酶（iNOS）、血小板衍生生长因子（PDGF）- B、脂多糖（LPS）在布-加综合征（BCS）大鼠模型中的表达及意义。方法 部分结扎大鼠肝后段下腔静脉构建BCS模型。实验分为对照组（n=20）、模型组（n=20）和假手术组（n=20）,各组又分4亚组（1、3、6、12周组）。收集肝组织作免疫组织化学、苏木精-伊红和Masson染色,检测iNOS、PDGF- B和LPS表达。结果 模型组LPS值均显著高于对照组和假手术组（P=0.001）。模型组iNOS、PDGF- B mRNA和蛋白表达均显著高于对照组和假手术组（P=0.001）;各亚组iNOS、PDGF- B mRNA和蛋白表达差异均有显著统计学意义（P=0.001）。模型组iNOS与PDGF- B、LPS呈正相关;肝纤维化与LPS呈正相关,与PDGF- B呈负相关。结论 BCS病损与修复是一复杂过程,iNOS、PDGF- B和LPS可能分别在BCS病程不同阶段发挥侧重不同的作用,如何调节它们在纤维化中的平衡,也许是值得进一步研究的方向。
     

基于先验知识下支持向量机P-SVM的分类算法

支持向量机在分类算法原理中的顺次最小优化算法SMO一般比传统的块算法和固定工作样本集的算法具有更好的时间和空间复杂性,但是由于在实际应用领域中对样本的需求量很大,使得对样本的标记是应用中耗时耗力的工作.本文提出了基于先验知识下的支持向量机,通过引入先验信息量而减少所需样本的数量,同时给出了相应的P-SMO算法.分类应用背景利用中医证候数据,通过专家知识提供的证候知识规则,对训练样本集进行置信度的计算,然后使用P-SMO算法训练出P-SVM,实验结果表明分类效率有较大的提高.     

基于相关性分析及遗传算法的高维数据特征选择

特征选择是模式识别及数据挖掘等领域的重要问题之一。针对高维数据对象，特征选择一方面可以提高分类精度和效率，另一方面可以找出富含信息的特征子集。针对此问题，提出了一种综合了filter模型及wrapper模型的特征选择方法，首先基于特征与类别标签的相关性分析进行特征筛选，只保留与类别标签具有较强相关性的特征，然后针对经过筛选而精简的特征子集采用遗传算法进行随机搜索，并采用感知器模型的分类错误率作为评价指标。实验结果表明,该算法可有效地找出具有较好的线性可分离性的特征子集，从而实现降维并提高分类精度。     

基于故障树的在轨服务目标航天器故障检测

针对构建在轨故障检测知识库中知识获取和知识表示困难的问题,将故障树应用到在轨服务目标航天器故障检测知识库中。采用将专家经验知识建立成故障树的形式,通过对故障树的定性和定量分析,求出其最小割集和底事件重要度,减少知识库中的知识冗余,并以在轨运行的目标航天器上某负载的供电系统发生故障为例进行应用分析。分析结果验证了该方法的可行性。