关键词： 克氏原螯虾   模式识别受体   LRR结构域   Ig结构域   吞噬作用  

摘要： 克氏原螯虾,俗称小龙虾,因其味道鲜美以及分布广泛和易于饲养等优点,已经在全世界范围内成为一种具有较高经济价值的养殖品种。但随着人们需求的增加,在大规模养殖过程中,由于缺少科学理论的指导以及疾病防治的不到位,导致小龙虾养殖过程中出现病害频发的现象,并且带来了不可忽视的经济损失,从而影响了小龙虾养殖事业的可持续发展。在这种背景下亟需开展克氏原螯虾免疫防病的基础研究,为病害防控提供理论指导。模式识别受体可通过识别病原相关分子模式来启动免疫,我们在克氏原螯虾中发现了一种新的含有LRR和Ig结构域的模式识别受体将其命名为Pc LRRIG。通过研究其免疫功能,得到如下结果:该基因Pc LRRIG序列长为3742 bp,其中包含的开放阅读框长度为3045 bp,编码1014个氨基酸。通过蛋白结构预测发现,Pc LRRIG包含9个LRR结构域,一个Ig结构域,一个跨膜结构域和一个胞内区;组织特异性检测发现,不管是在m RNA水平还是在蛋白水平,Pc LRRIG都呈多组织分布,包括肝胰腺、肠道、胃和血细胞;刺激表达模式分析结果显示,在受到金黄色葡萄球菌和嗜水气单胞菌侵染后,Pc LRRIG的表达量明显上升,表明其可能参与小龙虾抗细菌的免疫应答反应。我们构建了原核表达载体,将其进行了分段表达,成功获得了两种重组蛋白即r Pc LRR和r Pc IG。对Pc LRRIG进行功能研究发现,它的LRR和Ig结构域能够结合细菌表面多糖LPS和PGN,从而结合不同的细菌,并具有细菌凝集的能力;另外还发现Pc LRRIG的功能结构域LRR和Ig可以与嗜水气单胞菌的鞭毛蛋白Fla A相互作用,从而识别嗜水气单胞菌;通过RNA干扰降低Pc LRRIG的表达后,克氏原螯虾在受到嗜水气单胞菌侵染时存活率会下降。进一步的功能研究发现,Pc LRRIG可以促进血细胞吞噬嗜水气单胞菌,并且溶酶体也参与了吞噬后杀灭细菌的过程。综上所述,本篇研究中,我们在克氏原螯虾中发现了一个新的包含LRR和Ig结构域的基因Pc LRRIG,明确了Pc LRRIG在克氏原螯虾的抗细菌免疫应答中有着重要的作用,即该分子能够通过结合细菌表面多糖和鞭毛蛋白Fla A识别嗜水气单胞菌,并介导血细胞吞噬嗜水气单胞菌和进一步的细菌清除。这些研究结果为进一步研究克氏原螯虾的免疫识别提供了理论基础,并且为甲壳动物抵抗疾病侵染提供了参考。

关键词： 踏面诊断   模式识别   深度学习   残差网络  

摘要： 轮对是铁路列车运行和制动的关键部件,其故障将影响整个铁路系统的运行安全。故障诊断是实现铁路科学维修决策的重要依据。然而,传统列车故障诊断通常采用接触性探伤设备,如人工检测、声波检测和激光设备检测等。这些技术通常需要操作人员和轮对进行直接性接触,会造成列车运维成本增加,且无法满足高铁运维智能化需求。伴随着人工智能技术的飞速发展,卷积神经网络所具备强大的特征提取和模型拟合能力,为列车轮对踏面智能诊断提供了可能。为此,本文开展基于卷积神经网络的列车踏面损伤状态识别研究,主要研究内容如下: (1)针对列车轮对踏面损伤图像数据收集难、缺陷特征不明显的问题,提出基于生成对抗网络的列车踏面损伤样本扩充模型。该方法首先通过数据采集与增强系统获取踏面真实运维数据,其次利用生成对抗网络强大的拟合能力生成踏面损伤数据,并且通过生成器与对抗联合损失进行优化,最后通过随机种子生成数据集,作为后续研究的基础。并且通过实验验证了该法的有效性。 (2)针对卷积神经网络模型受限于高计算性能,难以实现在移动设备、嵌入式设备等资源有限的场景下智能诊断的问题,提出基于改进卷积神经网络的列车踏面损伤识别方法。该方法借鉴脊柱神经网络结构和轻量化特征提取网络,采用精简的模型卷积结构和较少的参数量,实现了高效的模型推理,并减少了模型部署和运行的成本和时间。在踏面数据集上的实验证明所提方法的有效性。 (3)针对踏面损伤演化规律复杂,缺陷种类多、差异小的问题,提出基于残差局部推断网络的列车轮对踏面损伤诊断方法。该方法采用经过预训练的Res Net特征提取网络,充分提取缺陷敏感特征。并且根据残差思想改进局部推断网络,通过残差局部推断网络分段获取局部和整体语义信息,得到具有强区分性的缺陷特征,有利于模型最终诊断。实验表明,该方法优于主流的识别方法。 本文对踏面进行研究,采集实验数据;通过质量增强和样本数量扩充完善实验数据集;提出基于改进卷积神经网络的踏面损伤识别方法,解决移动设备中智能化诊断;通过残差局部推断网络解决踏面精细化检测难题。

关键词： 手机信令数据   城际出行   出行模式识别   随机森林嵌入   双向长短时记忆模型  

摘要： 城际运输通道是城市群和都市圈的重要基础设施,也是建设交通强国和构建综合立体交通网络的发展重点。考虑到城际出行的持续性、区域性和多样性等特征,了解城际出行模式分布是进行城际交通网络规划、建设和运营的必要前提。近年来,随着手机等移动设备的普及,其产生的信令数据在覆盖范围、数据规模、信息连续性以及获取成本上的优势为研究城际出行提供了巨大机遇。然而,由于其在空间精度、时间频率和交通语义上的限制,对个体出行模式的识别精度较低,且难以扩展到复杂细分的交通场景。本文主要贡献在于基于手机信令数据,结合大数据技术和机器学习算法,提出了一个可靠、准确、高效的城际出行链多模式识别方法,并应用于评估江苏省城际间多模式交通网络的通勤现状。 首先,本文针对手机信令数据时空信息稀疏、粗糙及语义信息匮乏等问题,提出了数据清洗、信息匹配和特征提取等预处理方法。本文先介绍了通信技术架构和手机信令数据的产生机制和定位原理,据此制定了异常数据的处理策略。其次,通过构建路网缓冲区,将通信基站与路网GIS信息匹配,丰富手机信令的交通地理属性。最后,通过城际出行轨迹提取和多维用户特征刻画,将原始的移动位置数据转化为鲁棒且可解释的地理、运动和趋势特征。 然后,本文针对城际出行模式的时空分布和多模式联运行为,提出了一种基于手机信令数据的时空特征与时序关联双驱动的出行模式识别模型。该模型由局部模块、窗口模块和区域模块构成,分别通过随机森林嵌入(RFE)、滑动窗口(SW)和双向长短时记忆模型(Bi-LSTM)实现了从单点到序列两个层级的监督学习。它们通过数据整合和时序信息聚合等方式处理复杂粗糙的手机信令数据,既可以学习出行轨迹的单点特征,又能够捕获相邻轨迹段出行模式的相继关联。本文使用了真实手机信令数据进行验证,结果显示该模型的平均识别准确率为92.07%,在轨迹点、轨迹段和模式序列三个方面的识别准确性和鲁棒性均优于几个基准模型。 最后,为了验证所提出方法的实际效果并分析城际出行现状,本文以江苏省为例,利用全部原始手机信令数据进行了案例分析。通过在Hadoop平台上进行数据处理、特征提取、模式识别和信息集计,本文可视化展示了江苏省城际出行链多模式识别结果,揭示了城际综合交通网络的通勤现状和多模式的分布特征。根据结果分析,本文发现了城际出行链多模式的换乘分布特征、时间变化趋势、地理分布规律以及城市社群结构等多个方面信息,为城市群和都市圈的综合交通网络规划和运营提供了有价值的参考依据。

关键词： 外骨骼机器人   双目视觉   模式识别   步态识别   环境地形识别   Android  

摘要： 下肢外骨骼作为一款人-机-环境耦合的机电辅助设备,在运行过程中需要获取来自人体、环境的信息,以实现闭环控制。环境信息的辨识,能够提高外骨骼在未知、多变的环境中的适应性,实现地形自适应控制。此外,随着科技迅速发展,Android智能手机的普及率越来越高,且计算性能愈发强大。基于便携性、穿戴性的目标,本文基于双目相机和IMU,以Android手机作为上位机设计了一套下肢外骨骼感知系统,并进行步态、环境信息识别方法的研究。 首先,本文通过硬件选型、装配方案设计、穿戴设计,搭建了一套下肢外骨骼感知系统硬件设备。并使用Android APP开发工具,构建上位机应用程序多线程框架,完成各模块功能。程序实现通过UVC协议获取双目相机图像,通过蓝牙通讯获取IMU信号数据。此外,程序设计了UI交互界面实现人机交互。 其次,本文实现了对平地、障碍物、上升楼梯、下降楼梯、上升斜坡、下降斜坡六种地形的在线识别。使用设备采集环境地形双目图像,通过双目匹配获取点云数据。将点云投影至人体矢状面方向,得到环境二值图像,以提取地形的几何信息。最后,通过特征提取和支持向量机算法进行地形分类。 再者,利用IMU信号数据,本文实现对人体运动过程中的七种步态模式的在线识别。基于阈值的方法利用角速度和欧拉角数据实现站立和拐弯模式的判别。通过识别步态事件帧,基于窗口数据提取特征,使用LDA算法实现对行走、上楼梯、下楼梯、上坡、下坡五种步态模式的识别。 最后,基于已有的步态模式信息,通过状态矩阵初筛和计算权值矩阵进行加权投票的方式,对地形序列进行决策,以获取识别率更高的地形结果序列,表征受试者在下一步态周期踏及的地形。此外,本文设计了实验对以上方法进行了验证和效果评估。

关键词： 表面肌电信号   特征提取   组合核函数   模式识别  

摘要： 近几年,可穿戴式机械设备、康复训练机器人等装备在体育、医学、康复等方面取得迅速的进展。准确的身体运动识别对于改善装备的辅助功能和适应性,以及在运动功能恢复中起着关键作用。下肢动作模式识别研究具有广泛的应用前景,却存在数据量较少,识别率较低等问题。而表面肌电信号(Surface myoelectric signal,s EMG)是一种能对人体肌肉和神经活动状态做出反应的生物电信号,分析表面肌电信号可以将其与动作状态进行相应地匹配,从而实现运动形态的识别。因此本文对人体下肢动作表面肌电信号的特征提取及模式识别分类方法进行研究和分析,主要研究内容如下: (1)针对表面肌电信号预处理问题,通过50Hz陷波器和30-400Hz七阶巴特沃斯带通滤波器对表面肌电信号进行滤波,选择3层分解的db4小波基函数,使用启发式阈值并用软阈值函数对表面肌电信号进行去噪,该组合方法能有效地去除噪声成分,并提取出受噪声干扰的肌电信号。 (2)为提取人体下肢动作的特征,将小波包变换和多重分形理论进行融合,利用小波包变换对各尺度信号进行重构,分别计算重构信号的盒维数,进行多重分形特征的提取,分析选取最大、最小概率子集分形维数差作为小波包变换-多重分形融合提取的特征值。 (3)针对下肢动作识别率低的问题,提出一种基于组合核函数的方法,利用遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)对各类参数进行优化,以求全局最优解,实验结果表明基于PSO优化后的分类器识别率达到95.46%。 (4)在此基础上使用采集系统对下肢运动时的表面肌电信号进行数据采集,并运用上述研究方法进行验证,进一步表明该模式识别方法具有较好的性能。并能为康复训练辅助应用类的研究提供技术基础和数据参数,有广阔的应用前景。

摘要： ~~

关键词： 生物发光   模式识别   阵列传感器   时间分辨   线性判别分析  

摘要： 近年来,光学传感器受到了分析领域的广泛关注,取得了迅速发展,在生化检测、临床诊断和环境监测等领域展现出巨大的应用潜力。其中,生物发光相比于荧光等其他光学方法具有低背景、高灵敏度和无需激发光源等优点。随着化学、生物和环境等科学领域的不断发展,对检测方法提出了越来越高的要求。传统的生物发光方法难以满足现代分析在高通量、复杂体系检测以及广泛适用性等方面的需求。为了更好地发挥生物发光技术的天然优势,本文开发了一系列基于发光细菌和萤火虫萤光素酶(FLuc)的生物发光传感器,成功应用于小分子化合物、环境污染物、生物大分子、病原菌和癌细胞实际样品等分析物的检测。具体内容如下:(1)为了提高生物发光分析方法的通量,我们设计了多种基于不同宿主的发光细菌,组成了活细胞生物发光阵列传感器,实现了手性氨基酸等小分子化合物的高通量检测。该阵列以活细胞代谢过程中对手性底物单一的选择性以及不同种类细菌细胞对生物小分子的响应不同为基础,通过生成特定的生物发光信号指纹图谱实现了39种手性氨基酸的快速准确的同时识别和定量检测。这种生物发光阵列对复杂混合体系具有良好的分析能力,可以根据游离氨基酸的成分准确分辨出乳制品的发酵时间。实现了生物发光方法在手性识别领域的首次应用。(2)得益于发光细菌是组成复杂的活细胞生物传感器,对不同种类的化合物具有广泛的响应能力,我们将此阵列应用于重要环境污染物重金属离子的快速识别和定量。与之前众多诱导型的发光细菌检测金属离子的方法相比,这种依靠细菌本身对金属离子不同毒性的响应来进行模式识别的策略极大缩短了响应时间和增加了分析的金属离子种类,并且可以显示出金属离子的生物毒性信息。这证实了发光细菌传感阵列应用的广泛性,可以预见其在食品工业、药物开发和环境监测等领域具有广阔的应用前景。(3)作为一种重要的生物毒性评价方法,传统的发光细菌法只能对亲水性毒物进行评价。疏水性污染物由于溶解性差,导致细菌难以接触到污染物,无法做到被准确评价。为了克服这一问题,赋予生物发光传感器在环境检测领域中更广泛的检测能力,我们通过将经表面修饰的发光细菌构建出Pickering乳液,成功实现了高疏水性多环芳烃(PAHs)生物毒性的评价,将微生物毒性评价法的适用范围扩大到了疏水性物质,且成功应用于土壤样品的分析。此方法为高疏水性毒物的生物毒性评价提供了解决方案,在环境污染监测领域具有重要的意义及实际应用前景。(4)为了实现生物大分子凝集素的高通量检测,我们提出了基于生物发光共振能量转移(BRET)原理的阵列传感方法。FLuc发光量子产率高,发光稳定,可被用作生物发光供体。我们合成出了三种以苝酰亚胺为母核和单糖衍生物为单体的多臂星形聚合物与FLuc组成BRET对,构建出BRET阵列。通过凝集素和FLuc两者与聚合物的竞争性结合,根据凝集素种类不同可以产生特定的BRET光学指纹信号。在线性判别分析方法的帮助下,完成了对多种凝集素的同时、快速识别和定量检测,与以往特异性检测方法相比大大提升了凝集素检测的通量。此外,我们还利用BRET阵列传感器根据病原菌表面的凝集素组成准确判断出了病原菌的种类。(5)在以上生物发光阵列研究的基础上,进一步开发了一种时间分辨的多通道生物发光阵列传感器,用于蛋白质的识别和癌细胞类型的识别。通过合成以苝酰亚胺为母核和偶氮苯衍生物为单体的多臂星形聚合物,与FLuc组成BRET对,构建出光敏BRET阵列。光敏传感单元于不同光照条件下发生随时间变化的构型转变改变了其与分析物之间的结合能力导致了输出的BRET信号变化,不同时间采集的BRET信号形成了每种蛋白质独特的光学指纹图谱。最终实现了以单一传感单元完成多种蛋白质的模式识别。阵列传感器的简化是提升传感器性能和实用性的一个重要的发展方向。此方法不仅可以识别多种蛋白质,而且成功对细胞裂解物进行了准确识别,在医学临床诊断中具有良好的应用前景。本文所开发的几种生物发光分析新方法在一定程度上解决分析领域的高通量、复杂体系检测和广泛适用性的难题,是新颖和有效的,对手性识别、环境监测和医学诊断等领域具有十分重要的意义。

关键词： 视觉测量   碟刹盘   工位规划   模式识别   误差链分析  

摘要： 随着智能制造的快速发展,对机械零部件的质量控制要求越来越高,在测量的效率、可靠性和精度方面都提出了更高要求。采用基于机器视觉的方法能够实现零件几何尺寸的非接触测量,在自动化方面具有明显优势,但在面向零件族的测量工艺规划和测量可靠性等方面还存在许多问题有待解决。本文在分析了视觉测量技术国内外研究现状的基础上,以碟刹盘零件族为研究对象,开展几何量视觉测量方法研究,主要工作如下:首先,从碟刹盘零件族几何特征与测量规划需求出发,设计了视觉测量规划与分析机制总体框架;面向零件族多样性特点,提出基于三维虚拟模型的测量工位规划策略和基于模式识别的工位自主匹配策略,建立了误差链分析与行为优化的闭环流程;搭建了视觉测量系统硬件平台。其次,从零件族“特征—需求”与“规划—采集”的关联关系入手,开展视觉测量规划与识别采样策略研究。考虑零件族尺寸系列多样与视野范围受限的问题,采取中心区和周向区分工位采样策略。针对中心区孔组,确定了视野包容关系、工位识别与找正方法;对于周向区孔组,提出一种基于模式识别的工位识别与找正策略,着重从虚实结合的图像样本获取方法和图像特征信息提取方面,解决训练样本的快速获取问题,并验证了工位识别的正确率。再次,分析了视觉测量的误差源,通过实验研究探索了图像灰度变换、滤波降噪、边缘提取、轮廓拟合等算子变化对孔组测量误差的影响。以孔径测量结果作为优选样本的评定依据,进行图像采集参数优选与图像处理过程优化,有效减少了图像采集和图像处理过程引起的测量误差。最后,搭建基于视觉测量与分析软件平台,并进行实验研究。建立了圆度与位置度视觉测量及误差评定机制,以实现批量零件的自动化测量分析;提出了位置度误差修正策略与基于邻域搜索的位置度修正算法,并对测量误差进行了分析比较。实验结果表明,通过对测量过程行为的研究和优化,有利于改善测量的可靠性,提高测量的自动化水平。

关键词： 特高频   局部放电   分形天线   模式识别  

摘要： 气体绝缘开关设备(GasInsulatedSwitchgear,GIS)因其结构紧凑、可靠性高、稳定性好、电磁干扰小、运行维护工作量少等优点，已成为保障电力系统安全稳定运行的关键设备。但GIS设备在生产、使用及维护过程中不可避免地在设备内部留下潜在的绝缘缺陷，从而导致绝缘强度降低，最终发生GIS绝缘故障。目前研究表明，GIS设备绝缘故障发生之前通常伴随局部放电(PartialDischarge,PD)现象。因此及时准确诊断GIS设备局部放电，对以新能源为主体的新型电力系统安全稳定可靠运行起到支撑作用。　　针对目前监测局部放电特高频传感器存在的频带窄、监测频率单一、结构尺寸大、不易于制作等问题，本文在深度分析GIS局部放电原理和电磁波传播特性以及详细阐述微带天线基本原理与性能参数基础上，借助AnsoftHFSS仿真软件设计了一款覆盖特高频频段、可适用于实际GIS局部放电检测的特高频传感器，参数化建模Koch分形天线，采用分形技术、互补技术、非对称加载技术和渐进技术进行优化。应用AltiumDesigner绘制工程软件，将所设计的传感器实物化。在实验环境下，采用矢量网络分析仪测试所设计特高频传感器的回波损耗、阻抗等参数，从而实现特高频传感器宽带化、小型化、高辐射增益的目标。　　根据不同类型局部放电机理的差异，构建典型缺陷模型并搭建模拟实验平台,使用设计Koch天线作为前端，记录四种典型缺陷模型的放电数据。通过构建局部放电相位分布图谱，直观分析各种典型缺陷的不同特点，进一步处理局部放电数据，为模式识别提供数据支撑。　　最后针对目前放电信号特征提取所存在的人工提取特征时主观性因素影响，深度学习网络容量限制以及模型超参数选择繁琐的问题，提出一种基于深度森林的局部放电模式识别方法。该方法所需数据简单易得，可以克服特高频时域信号采集难度大的缺点，加入4折交叉验证以防止数据过拟合。该方法无需通过大量的数据集进行训练，且模型复杂程度可由数据集大小控制，在自主提取典型缺陷的数据特征的同时，可得到很高的准确率。