钻柱振动作用下的定向井井眼轨迹分析模型

针对定向井井眼轨迹研究现状和横向振动对钻柱受力影响,进行了钻柱振动作用下的定向井井眼轨迹分析。首先,结合定向井钻井过程,建立钻柱横向振动模型,在此基础上,得到钻柱振动下定向井井眼轨迹分析模型,以及钻头侧向力和钻头转角的关系式。然后,利用钻井现场的有关参数,结合算例分析分析,验证计算方法和分析模型的可靠性。研究结果表明:钻柱中点处横向位移、钻柱与井壁的接触力、钻头侧向力和钻头偏移角有着密切的联系,它们有着相同的变化周期。当钻柱中点处横向位移处于正方向最大值时,钻头转角达到正方向最大值,而钻柱与井壁的接触力、钻头侧向力达到负方向最大值。     

基于属性组合的集成学习算法

针对样本由数字属性构成的分类问题,在AdaBoost算法流程基础上,改传统的基于单属性分类器构造方法为基于组合属性分类器构造方法,提出了一种基于样本属性线性组合的集成学习算法。对属性组合系数的构造,提出了一般性的构造思路,按照该思路,提出了几种具体的组合系数构造方法,并对构造方法的科学合理性进行了分析。利用UCI机器学习数据集中的数据对提出的方法进行了实验与分析,结果表明,基于属性组合的集成学习算法不仅有是有效的,而且比传统AdaBoost算法好     

基于马尔可夫覆盖的Web服务发现

Web服务间蕴含的因果依赖关系及相应的推理机制,为自动Web服务发现提供了有效的理论基础.以构建自动、高效的Web服务发现方法为目标,从Web服务间所蕴含的概率因果关系出发,提出基于马尔可夫覆盖生成Web服务发现向导的方法.实验研究表明,所提出的Web服务发现方法具有较高的查准率和查全率.     

基于模糊控制的三相异步电动机软启动研究

随着三相异步电动机的普及应用,针对其启动方式的研究屡见不鲜。在一段时期以来,国内外对于三相异步电动机软启动的研究文献有很多,为日后该系统的优化设计带来了诸多启示。本文就基于模糊控制的三相异步电动机软启动模式及其设计做以阐述,探讨三相异步电动机系统软、硬件保护单元模块的改进思路,以期为相关领域研究提供有益的借鉴。     

基于CeO2/V2CTx纳米复合材料的的电化学传感器用于羟基自由基的检测

羟基自由基(·OH)的检测在人类各种疾病的发病研究进展中起着重要作用。目前基于电化学方法检测·OH的研究主要集中在有机材料载体方面。由于有机载体在极端环境中容易降解,导致以有机材料为载体的传感器稳定性和重复性都很差。虽然有一些基于无机传感材料用于·OH的检测,对于稳定性与重复性的改善成效显著,但是其有效活性位点数和导电性能的提升仍有很大的空间。通过简单的超声方法成功合成了CeO₂/V₂CT_x纳米复合材料,构建了用于·OH检测的电化学传感器,该传感器具有良好的选择性和较宽的线性范围(0.3～6 mmol/L),对·OH的检测限低至0.48μmol/L。传感性能的提高可以从2个方面解释:(1)由于V₂CT_x丰富的官能团使得·OH能够被快速吸附,从而引发具有双重氧化态(即Ce³⁺和Ce⁴⁺)的CeO₂产生电化学反应信号;(2) V₂CT_x的高导电性为电信号的长距离传输提供了途...     

机器人一体化关节模组驱控系统设计

机器人关节模组作为机器人的核心零/部件,需要满足高精度、高可靠性的要求,但由于体积、成本的制约,加大了其设计难度。设计了一种高度集成的一体化关节模组及其驱控系统,在满足“轻、薄”的机械结构设计要求基础上,重点进行了驱控系统软硬件设计开发。采用TMS320F28379D芯片为主控芯片,设计了驱控系统硬件电路,在此基础上完成了软件算法的设计。实验结果表明,所设计的一体化关节模组结构紧凑、集成化程度高且运转平稳,可以快速应用于机器人设计开发。     

直联式隧道通风机机械传动过程瞬态振动控制

直联式隧道通风机是隧道中的重要设备，其机械传动过程产生的瞬态振动会影响通风机正常运行。为此，该文提出针对直联式隧道通风机机械传动过程瞬态振动的控制方法。首先，通过拉格朗日方程推导出直联式隧道通风机机械传动系统的动力学模型；然后，通过线性FxLMS算法完成对瞬态振动的初步控制；最后，利用跟踪滤波器和非线性变换函数，通过更新准则优化线性FxLMS算法，实现对瞬态振动的精准控制。实验结果表明，应用该方法后，风筒顶层位移和振动加速度幅值明显减小，减振率有所提高。     

基于深度学习的多模态医学图像分割综述

多模态医学图像可以为临床医生提供靶区（如肿瘤、器官或组织）的丰富信息。然而，由于多模态图像之间相互独立且仅有互补性，如何有效融合多模态图像并进行分割仍是亟待解决的问题。传统的图像融合方法难以有效解决此问题，因此基于深度学习的多模态医学图像分割算法得到了广泛的研究。从原理、技术、问题及展望等方面对基于深度学习的多模态医学图像分割任务进行了综述。首先，介绍了深度学习与多模态医学图像分割的一般理论，包括深度学习与卷积神经网络（CNN）的基本原理与发展历程，以及多模态医学图像分割任务的重要性；其次，介绍了多模态医学图像分割的关键概念，包括数据维度、预处理、数据增强、损失函数以及后处理等；接着，对基于不同融合策略的多模态分割网络进行综述，对不同方式的融合策略进行分析；最后，对医学图像分割过程中常见的几个问题进行探讨，并对今后研究作了总结与展望。     

基于邻近切片注意力融合的直肠癌分割网络

针对直肠癌目标靶区在磁共振成像（MRI）图像的大小、形状、纹理和边界清晰程度不同等问题，为了克服患者之间的个体差异性并提高分割精度，提出一种基于邻近切片注意力融合的直肠癌分割网络（ASAF-Net）。首先，使用高分辨率网络（HRNet）作为主干网络，并在特征提取过程始终保持高分辨率特征表示，以减少语义信息和空间位置信息的损失；其次，通过邻近切片注意力融合（ASAF）模块融合并增强相邻切片之间的多尺度上下文语义信息，使网络能够学习相邻切片之间的空间特征；最后，在解码网络使用全卷积网络（FCN）和空洞空间金字塔池化（ASPP）分割头协同训练，并通过添加相邻切片间的一致性约束作为辅助损失缓解训练过程中出现的相邻切片差异过大的问题。实验结果表明，与HRNet相比，ASAF-Net在平均交并比（IoU）、平均Dice相似系数（DSC）指标上分别提升了1.68和1.26个百分点，平均95%豪斯多夫距离（HD）降低了0.91 mm。同时，ASAF-Net在直肠癌MRI图像多目标靶区的内部填充和边界预测方面均能实现更好的分割效果，有助于提升医生在临床辅助诊断中的效率。