课程文献中心 更多>>

关键词： 肱骨髁上骨折   Kapandji技术   儿童  

摘要： 目的探讨改良Kapandji技术辅助复位手术治疗儿童尺侧压缩型肱骨髁上骨折的临床疗效。方法回顾性分析2023年1月至2024年1月安徽省儿童医院收治的26例尺侧压缩型肱骨髁上骨折患者资料,其中男19例,女7例;年龄2~11岁,平均(5.53±2.21)岁。记录手术前后患侧和健侧的提携角、鲍曼角、肘关节活动度、Mayo肘关节功能评分、骨折愈合情况及并发症。结果患者术后随访4~10个月,平均(5.42±1.21)个月。术后并发症发生率3.85%,骨折愈合时间(27.60±1.85)d。术前,患侧与健侧的提携角和鲍曼角差异有统计学意义(P<0.05)。术后即刻,患侧的提携角和鲍曼角与术前患侧对比改善明显(P<0.05)。术后3个月,患侧与健侧的提携角和鲍曼角比较差异无统计学意义(P>0.05);末次随访时,患侧与健侧的肘关节活动度比较差异无统计学意义(P>0.05)。末次随访时,患侧按Mayo评分评估,优24例,良2例,优良率100%。结论改良Kapandji技术辅助复位手术治疗儿童尺侧压缩型肱骨髁上骨折,能将患侧肘关节的提携角、鲍曼角、活动度恢复至与健侧相当,并获得良好肘关节功能和外形。

关键词： 天牛须搜索   路径优化   移动机器人   运动最优  

摘要： 为更好地解决移动机器人路径规划问题,面对使用改进Q-learning算法规划的路径存在拐角数量多、累计转弯角度大等不足,提出一种基于天牛须搜索算法的Q-learning路径优化方法(IBQL)。在传统天牛须搜索算法的基础上,引入运动步长递减策略提升天牛的搜索效率;添加障碍物碰撞检测并改进适应度函数,保证路径的安全性;按照运动最优化原则更新路径点,以降低位置更新的盲目性。仿真结果表明,IBQL算法的路径规划效果优异,使用改进天牛须搜索算法优化路径对算法整体的实时性影响很小,且优化后的路径具有拐点少、平滑性好等优点。

关键词： 设备管理   “321”模式  

摘要： 当前市场持续低迷,企业生存与发展不仅仅要依赖于经营策略、操作模式和数字化转型等手段,增强自身的竞争力和抗风险能力,更重要的是练好“内功”,增强“内力”。永洋特钢通过强化内部管理,特别是练好设备管理的内功,提高设备全生命周期的应用效益,总结并推行了一套行之有效的“321”设备管理新模式,取得了显著成效。

关键词： 深度学习   自适应优化算法   大数据处理  

摘要： 随着数据量的急剧增加,传统深度学习训练方法在效率和效果上遇到了限制,如数据异质性与非平稳性、计算资源的限制以及模型过拟合等问题。针对这些挑战,文章提出了一系列改进策略,包括动态正则化方法、资源感知的分布式处理框架以及基于元学习的学习率自适应调整机制。这些策略旨在提升模型在大数据处理中的性能和泛化能力,同时保证计算资源的高效利用。

关键词： 设施规划   Cubic映射   强制切换机制   透镜成像反向学习策略   改进猎人猎物优化算法   JACK  

摘要： 合理的车间布局,可以有效提高设备之间的工艺效率,减少物料的搬运费用。以H公司穴播机生产车间为研究对象,通过调研,并结合JACK软件分析现有车间布局存在的问题,构建车间布局优化数学模型。针对猎人猎物优化算法(hunt-prey optimizer,HPO)种群多样性较差和收敛速度较慢的缺点,提出采用Cubic映射、强制切换机制和透镜成像反向学习策略进行改进。运用改进的猎人猎物优化算法(improved hunt-prey optimizer,IHPO)对模型求解,并与传统算法进行对比。结果显示:IHPO、HPO、遗传算法(genetic algorithm,GA)、粒子群优化算法(particle swarm optimization,PSO)、灰狼优化算法(grey wolf optimizer,GWO)的最优解分别为-0.3430、-0.3230、-0.3422、-0.3346、-0.3422,标准差分别为0.0352、9.1836、3.7482、8.9193、5.6355,表明在对车间布局模型求解时,所提算法较其他算法具有更好的寻优能力和稳定性。对优化后的布局运用JACK进行仿真验证,结果消除了工人下背部的受伤风险等相关不安全因素。研究所得最优布局方式有效改善了穴播机生产车间的现状。

关键词： 机器学习   儿童   哮喘   现状   研究进展   综述  

摘要： 对儿童哮喘的早期预防现状(概述、哮喘的分型与定义、儿童哮喘的常规预测模型)及机器学习在哮喘中的应用现状(机器学习在临床预测中的优势、机器学习在哮喘中的预测性能、预测模型的验证)进行综述,旨在对已发表的研究进行批判性评估,描述其局限性,并讨论从概念验证迈向临床应用的未来方向。

关键词： 智慧教室   交互通信网络   变速跳频信号   自适应去噪   盲源分离   帧重叠  

摘要： 为了保障智慧教室间交互通信网络的流畅通信,研究智慧教室间交互通信网络变速跳频信号分选算法,以提高智慧教学质量。通过短时傅里叶变换(STFT)方法,转换包含网络变速跳频源信号与噪声信号的混合信号至时频域,结合自适应阈值去噪方法,去除时频域混合信号内噪声。获得去噪后时频域混合信号经帧重叠构建后,获得数帧重叠帧混合信号。盲源分离重叠帧混合信号后,得到数帧重叠帧分离变速跳频信号,经重叠率对比后,去除同源信号重叠部分,拼接剩余部分获得同源分选变速跳频信号。结果显示:该算法应用于智慧教室间交互通信网络中,可转换网络初始混合信号至时频域,实现混合信号的稀疏化呈现;可有效消除时频域混合信号内噪声,为去噪后时频域混合信号构建数帧重叠帧信号,对此类信号实施有效分离,得到重叠帧分离变速跳频信号,并以此为依据最终完成同源变速跳频信号的分选。

关键词： 链式拉拔机   拉钩   有限元   Kriging模型   多目标遗传算法  

摘要： 为解决链式拉拔机重量大、生产成本高等问题,需要在保证使用性能的前提下,尽可能减轻重量。针对这一问题,以链式拉拔机上重要零部件之一的拉钩为研究对象,利用Kriging模型和多目标遗传算法(MOGA)对其结构进行了优化设计。首先建立拉钩的有限元模型和数学模型,确定优化目标并设定边界条件;其次,对各设计参数进行相关性分析后,通过最优空间填充方法和Kriging模型建立各输入、输出变量的响应面模型;最后利用MOGA算法对关键设计参数进行优化求解,得到拉钩结构的最优参数。结果表明:优化后的拉钩模型预测的最大等效应力为97.009 MPa,最大变形量为0.72861 mm,都在允许范围之内,此外其质量从29.729 kg减轻到22.743 kg,降幅达到23.5%,说明此优化方法具有良好的优化效果。

关键词： 钢材表面缺陷   YOLOv8   SIoU   ShuffleAttention(SA)   检测层  

摘要： 由于制造工艺不完善,加上外部因素影响,钢表面常会存在一些缺陷,从而影响其寿命及可用性。表面缺陷检测是工业生产中的必要过程,而传统的表面缺陷检测算法存在精度低、速度慢的缺点。为此,在YOLOv8模型基础上加以改进,将原有的损失函数CIoU替换为SIoU函数,并在Backbone部分引入ShuffleAttention(SA)注意力机制,以提高对图像浅层和深层特征信息的提取能力,最后针对数据集特点在网络中增加一个小目标检测层,强化特征提取能力。实验表明,改进的YOLOv8-LSD算法,较原算法的mAP值提高了3.9%,降低了缺陷误检测和漏检率。

关键词： 深度学习   特征提取   雨强等级监测   SVM  

摘要： 基于人工智能和深度学习技术,文章对不同雨强等级图片进行监测,提升了社会化摄像头对各雨强等级的监测能力。不同雨强等级的图像在HSV色彩空间、对比度、纹理特征、白色占比和灰度共生矩阵等特征上存在一定的差异,基于这五个特征,首先采用SVM+特征的方法进行雨强等级监测,但验证发现该方法监测效果不佳。其次,鉴于深度学习方法能够提取到图像中较多深层次特征,继而采用基于ResNet的深度学习方法进行雨强等级的监测。实验结果表明,深度学习方法在雨强等级监测中的准确率明显高于SVM+特征的方法。