基于多波长光电容积脉搏波采集系统的连续血压测量方法

为解决目前在国内外高血压诊断中难以实现连续血压监测的问题,在现有光电容积脉搏波测量血压的研究基础上,提出了一种基于多波长的光电容积脉搏波监测血压的方法.首先,基于不同波长的光穿透能力不同的理论,以红外、蓝、黄、绿四种波长光LED阵列结合光电接收管构成采集前端,收集人体皮下不同层的脉搏原始信号,经过微处理器采样后在上位机保存和处理;然后,使用数字滤波的方式和一阶微分的方法对信号作去噪处理和比较得到不同波长的光对应的光电容积信号之间的传导时间差信息,由脉搏波与血压的关系得到多波长光电信号传导时间差与血压的关系;最后,设计实验得到30例被测者的多波长脉搏波信号,将从信号中得到的传导时间差结合心率与标准电子血压计测量计算的平均血压值结果做拟合得到R值为-0.83303的拟合曲线.对30例样本的舒张压及收缩压进行了预测,其中收缩压预测值与实际值之间的R值为0.9322,舒张压预测值与实际值之间的R值为0.8468.实验结果表明,由多波长光电容积法信号之间得到的传导时间差信息与血压有相关关系,可以用多波长光电容积信号的传导时间差作为传统光电容积法脉搏传导时间的替代,但由于样本特征的局限性仍然在个体的差异性诸如肤色等特征研究上存在不足.与主流的无袖带血压测量方式相比,基于多波长光电容积法测量血压连续性好、便携性高,在可穿戴生理参数测量设备中具有广阔的应用前景.     

基于智能优化深度网络的轨道电路故障诊断研究

针对无绝缘轨道电路故障的随机性和复杂性,采用单一诊断模型存在提取特征片面,且模型结构经验设计不合理的问题,提出一种智能优化深度网络的故障诊断方法。首先以轨道电路信号集中监测系统的6个电压检测量建立故障特征集,使用卷积神经网络（CNN）提取特征空间信息,长短期记忆网络（LSTM）提取时间特征信息,从而让轨道电路故障诊断所提取的特征兼具时空信息;同时,引入遗传算法（GA）优化上述深度神经网络的结构及参数,并结合强化学习中的Q-learning方法对两个组合网络特征级的输出权重进一步优化;最后,使用多层感知器（MLP）对深度网络的分类误差进行拟合修正,提高模型对轨道电路的故障诊断精度。仿真结果表明,利用智能优化的深度网络模型对轨道电路的故障诊断相较于单一模型、精炼设计的组合模型识别率可达99.28%,评价指标等均有所提升,具有更高的故障诊断准确度,证明了智能优化深度网络能进一步提高轨道电路的故障诊断性能。     

本科教学质量保证及持续改进体系构建与实施

本文介绍了我院以质量工程为标杆,以质量管理为抓手,以专业认证理念为指导,以本科教学审核评估为契机,逐步构建起的具有我院特色的本科教学质量保证及持续改进体系,并通过该体系的实施,全面保障和提高各教学环节的质量,为实现专业人才培养提供了保证.