课程文献中心 更多>>

关键词： 动态拉伸   静态拉伸   原动肌   拮抗肌   膝关节等速肌力   垂直纵跳   组织化工程构建  

摘要： 背景:静态拉伸可有效改善关节运动幅度,而动态拉伸通过肌肉的激活后增强效应,有效提高肌肉力量及运动表现。目的:探讨不同类型的拉伸方式对膝关节肌肉力量及垂直纵跳表现产生的即刻影响,为寻求最佳拉伸方案、提高运动表现、预防训练损伤提供理论支撑。方法:随机招募30名健康大学生,采用Biodex等速肌力测试仪、Qualisys红外动作捕捉系统及AMTI三维测力台分别采集股四头肌/腘绳肌静态拉伸、股四头肌/腘绳肌动态拉伸、股四头肌动态/腘绳肌静态拉伸、股四头肌静态/腘绳肌动态拉伸后的膝关节肌肉力量及垂直纵跳数据,利用膝关节峰值力矩、平均功率、纵跳高度、垂直地面反作用力峰值及关节运动幅度评估膝关节肌肉力量及垂直纵跳表现。结果与结论:(1)与股四头肌/腘绳肌静态拉伸相比,股四头肌/腘绳肌动态拉伸可显著提高膝关节峰值力矩、平均功率及纵跳高度(P<0.05),股四头肌动态/腘绳肌静态拉伸和股四头肌静态/腘绳肌动态拉伸分别提高伸膝和屈膝峰值力矩和平均功率(P<0.05);(2)与股四头肌/腘绳肌静态拉伸相比,股四头肌静态/腘绳肌动态拉伸后的第二垂直地面反作用力峰值显著下降(P<0.05);股四头肌/腘绳肌动态拉伸后的下肢关节运动幅度显著增加(P<0.05);(3)提示即刻的原动肌/拮抗肌动态拉伸和原动肌动态/拮抗肌静态拉伸可显著提高膝关节肌肉力量、垂直纵跳表现及关节运动幅度;较大的运动幅度有利于提高运动表现,并在着地时更好地吸收地面冲击力;同时,原动肌动态/拮抗肌静态拉伸对膝关节肌肉力量的提升效果优于原动肌/拮抗肌动态拉伸,原动肌静态拉伸/拮抗肌动态拉伸有利于提高垂直纵跳落地时的能量吸收能力,降低落地时损伤的风险。

关键词： 谐振微陀螺   非线性   蓝边带   红边带   灵敏度  

摘要： 谐振式微陀螺是一种用于测量角速率或姿态角的MEMS(Micro Electro Mechanical Systems)惯性传感器。提升品质因数、信噪比及灵敏度等性能是惯性技术的重点研究领域。为提升微陀螺品质因数、灵敏度等性能,本文提出基于边带参数调制与激励的谐振式微陀螺结构,并进行动力学分析,研究参数调制与激励的能量转移机制,进而提升微陀螺性能。具体研究内容如下: 首先设计一种基于蓝边带参数调制的非线性谐振微陀螺,科氏力以二倍频参数激励的形式作用于谐振梁的轴向上。考虑微梁的几何非线性,采用哈密顿原理、伽辽金法与多尺度法进行微陀螺动力学建模与分析,通过半功率带宽法计算谐振梁的品质因数,利用非线性谐振梁分岔前后振幅比的变化表征微陀螺的灵敏度性能。结果表明,科氏力以二倍频参激形式作用于谐振梁时,非线性谐振梁分岔前后的振幅对角速度输入极为敏感。蓝边带参数调制会大幅提升谐振梁的品质因数,增大信噪比。当调制电压较大时,产生自激振荡现象。蓝边带参数调制会使振幅比灵敏度降低,但相对于频率偏移灵敏度而言依旧有60倍的提升,且蓝边带参数调制使振幅比灵敏度的非线性度降低64%。 为独立分析蓝边带参数调制中产生的自激振荡现象,设计一种基于蓝边带激励的非线性谐振微陀螺。通过Floquet理论确定了系统的稳定性,研究了不同参数对稳定性的影响,以及参激起始阈值和幅频响应。将调频与振幅控制法相结合,以差分检测蓝边带频率的变化表征陀螺的灵敏度。研究表明,阻尼的提升既扩大了系统的稳定区域,也增大了起始阈值。科氏力对稳定性的影响可以忽略。偏置直流电压的增加与极板间距降低均减小了稳定区域,但同时也改变了激励幅值。蓝边带激励MEMS谐振微陀螺比传统激励方式的灵敏度提高了133%。 最后,研究了红边带参数调制对微陀螺灵敏度性能的影响。根据红边带参数调制产生的模态分裂以及红边带频率失谐产生的振幅差现象,提出振幅比和振幅比差灵敏度表征方法,并分析了多个参数对灵敏度的影响。结果表明,振幅比灵敏度比传统频率偏移灵敏度提高2-3个数量级。基于振幅比差的灵敏度不仅解决了振幅比灵敏度中分段检测的复杂性,还提升了灵敏度和线性度,振幅比差灵敏度明显优于振幅比灵敏度。此外,减小调制电压以及正向增加失谐频率均会增大灵敏度,在非线性下增大驱动电压也会提升灵敏度。非线性的加入会增大灵敏度,但由于产生概周期运动使得量程减小。

关键词： 低速无人驾驶车辆   参数辨识   状态估计   无迹卡尔曼滤波   神经网络  

摘要： 随着自动驾驶技术的迭代升级,低速无人驾驶系统在封闭园区、物流配送等限定场景中已实现商业化应用突破。作为智能物流体系的关键执行单元,低速无人驾驶车辆承担着高精度路径跟踪与货物配送任务,其控制系统需满足L4级别自动驾驶标准。建立高精度动力学模型是实现精准控制的基础,然而受限于以下双重约束:一方面,专业的车辆动力学参数测试设备价格昂贵,高昂的研发成本制约着中小型企业的技术实施;另一方面,车辆惯性参数易受其装载货物重量的影响而发生改变,导致基于初始标定参数的动力学模型存在时变特性失配问题。这种参数不确定性与时变特性叠加,将严重影响控制系统的轨迹跟踪精度与行驶稳定性,因此,对低速无人驾驶车辆动力学模型参数精准辨识显得十分重要。 本文以低速无人驾驶车辆为研究对象,分析其在结构、传感器配置及控制需求方面的特殊性带来的特殊参数需求,总结出低速无人驾驶车辆动力学模型的关键参数,并设计了一套完整的低速无人驾驶车辆动力学参数辨识算法,同时搭建基于GRU神经网络的状态估计器解决参数辨识算法和控制算法所需输入信号缺失的问题。具体工作内容如下。 首先,分析低速无人驾驶车辆对关键参数的需求。从低速无人驾驶车辆的结构、传感器配置及控制需求的特殊性分析得出低速无人驾驶车辆在控制过程中对侧倾控制参数有着额外需求,且对车辆惯性参数的变化更为敏感。同时,低速无人驾驶车辆的低传感器配置及其特殊的工作环境也会为参数辨识算法和控制算法的输入带来影响。然后建立车辆在控制过程中所需的车辆横向纵向侧倾以及轮胎动力学模型并总结了模型中需要辨识的关键参数。最后分析了具体参数对于模型精度的影响,表明了对车辆关键参数进行辨识的重要性和必要性。 其次,基于GRU神经网络搭建车辆状态估计器。首先针对由低速无人驾驶车辆特殊工作环境带来的参数辨识算法和控制算法所需传感器输入信号缺失的问题,设计了基于GRU神经网络的车辆状态估计器架构。然后根据需要估计的状态值以及车辆动力学状态参数之间的映射关系选取神经网络的输入输出特征值并搭建数据集。最后对基于GRU神经网络的车辆状态估计器进行训练,并使用RMSE评价指标对其估计性能进行评价,结果表明该车辆状态估计器估计精度较高,为后续参数辨识算法和控制算法的输入提供基础。 再次,设计低速无人驾驶车辆多参数辨识算法。首先利用带遗忘因子的递推最小二乘法对整车质量进行单独辨识并设计仿真实验与递推最小二乘法的辨识效果进行对比,结果显示所用方法在收敛速度和对新数据的敏感性上有一定的优势。然后基于无迹卡尔曼滤波算法分工况对车辆动力学关键参数如质心距前轴距离,质心高度,横摆转动惯量,侧倾转动惯量,轮胎侧偏刚度进行辨识。最后设计仿真实验验证辨识算法在不同载荷下均能准确有效地辨识出车辆动力学参数,且误差均值均在5%以内。 最后,搭建低速无人驾驶车辆路径跟踪控制器。首先根据第四章辨识得到的车辆动力学参数和第三章估计得到的纵向车速基于参考轨迹建立横向误差模型。然后基于LQR控制算法搭建带有前馈控制的路径跟踪横向控制器。最后设计仿真实验分别验证控制器在不同车速以及不同载荷情况下的控制效果,结果表明该控制器在不同车速下均有较好的跟踪效果,此外,相较于未改变载荷情况下的控制误差,改变载荷后的最大横向误差和最大航向角误差分别增加了19%和12.5%,因此有必要在车辆载荷发生改变后及时准确地对车辆动力学参数进行辨识从而提高控制精度。

关键词： 冠状动脉周围脂肪参数   斑块特征   血流动力学  

摘要： 目的 分析冠状动脉周围脂肪参数、斑块特征预测冠脉血流动力学异常的价值。方法 回顾性分析常州市武进人民医院2019年12月～2022年12月收治的97例收治的冠心病(coronary heart disease, CHD)患者，于治疗前采用炫速双源螺旋CT扫描仪检测冠状动脉周围脂肪参数、斑块特征，结合患者病情状况给予患者硝酸酯类药物、他汀类调脂药物、β受体阻滞剂、钙通道阻滞剂、合理饮食等治疗。根据患者血流状况将其分为2组，其中将血流动力学异常(冠状动脉血流储备分数≤0.8)纳入异常组，反之纳入正常组。分析影响冠心病患者冠脉血流动力学异常的因素及冠状动脉周围脂肪参数、斑块特征预测冠脉血流动力学异常的价值。结果 97例CHD患者中冠脉血流动力学异常有23例(占比23.47%),无异常患者有75例(占比76.53%)。异常组斑块长度、左前降支(left anterior descending branch, LAD)-周围脂肪衰减指数(fat attenuation index, FAI)、右冠状动脉(right coronary artery, RCA)-FAI、斑块负荷(plaque burden, PB)、斑块总体积高于无异常组，差异有统计学意义(P<0.05)。经二元Logistic回归分析，发现斑块长度、LCX-FAI、RCA-FAI、PB、斑块总体积是冠心病患者冠脉血流动力学异常的相关因素(P<0.05)。经受试者工作特征曲线(receiver operating characteristic curve, ROC曲线)分析，斑块长度、LCX-FAI、RCA-FAI、PB、斑块总体积、五者联合预测冠脉血流动力学异常的灵敏度分别为72.73%、77.27%、77.27%、68.18%、72.73%、90.91%;特异度分别为70.67%、74.67%、73.33%、66.67%、72.00%、90.67%。斑块长度、LCX-FAI、RCA-FAI、PB、斑块总体积联合预测冠脉血流动力学异常具有较高的价值(P<0.05)。结论 斑块长度、LCX-FAI、RCA-FAI、PB、斑块总体积是影响冠脉血流动力学异常的相关因素，上述指标联合检测有助于更好地诊断冠脉血流动力学异常。

关键词： 导管架基础   海上风电   随机子空间识别   无迹卡尔曼滤波   参数辨识  

摘要： 在全球气候变暖加剧的背景下,发展可持续能源已成为减少化石燃料依赖和降低碳排放的关键途径。作为可再生能源的重要组成部分,海上风电近年来发展迅速,并展现出持续增长的趋势。海上风电(OWT)结构在更为复杂的环境下运行,面临着结构可靠性挑战和运维成本高等问题。运行模态分析技术作为OWT长期健康监测的重要手段,通常假设系统为线性时不变系统且受白噪声激励,这一假设与OWT实际运行环境存在较大差异。此外,传统基于模型修正的识别方法未充分考虑参数不确定性和状态实时更新需求,难以满足OWT长期在线监测要求。 针对以上问题,本研究首先系统分析了海上固定式风电结构正常运行工况下非白噪声激励对模态识别精度的影响机制,提出了一种融合模态参数识别与贝叶斯递归更新的两阶段参数辨识方法框架,实现海上风电结构关键物理参数实时更新与不确定性量化。该框架该整合了自动模态参数识别的协方差驱动的随机子空间识别法(COV-SSI)和无迹卡尔曼滤波(UKF)参数辨识方法,显著提升了方法的可靠性及工程适用性。本文以导管架式海上风机多物理场耦合模型为研究对象,主要开展以下研究工作: (1)基于FAST平台构建了10 MW导管架式海上风机结构的整体耦合模型,分析了结构在复杂海况下运行的动力特性,为所提新方法的适用性验证提供依据。通过白噪声激励下的模拟验证COV-SSI方法模态参数识别的准确性。同时,基于经典运行海况研究了COV-SSI方法中超参数设置的敏感性,降低了参数设置对实际应用的影响。 (2)基于10 MW导管架式海上风机结构,考虑在多种复杂海况下的运行,包含单独不规则波激励、单独风激励和风浪联合激励三类海洋环境条件工况,深入讨论各种非白噪声激励工况对COV-SSI方法模态参数识别的影响规律,最终获得COV-SSI方法在OWT结构实际运行中的应用的工程适用范围。 (3)提出了模态参数识别与基于UKF的结构参数识别的两阶段参数辨识方法,并基于数值模拟和试验数据两种方式,充分验证了所提出的改进UKF参数辨识方法的有效性。以结构的模态参数建立观测空间,实现结构塔筒材料弹性模量参数逐海况更新,并与传统的时域响应UKF参数辨识方法进行了对比,证明了改进方法在计算效率和辨识精度方面的优越性。最终,进一步基于导管架式风电结构(1:75)缩尺试验数据,对本研究所提出的两阶段法结构关键参数辨识方法框架进行系统验证,为海上风电工程结构的安全评估提供更可靠的技术参考。

关键词： 步态   地面反作用力   医学分类   网络分析   自监督学习  

摘要： 步态作为人类日常生活与运动的重要组成部分,涉及多种生理机制。步态分析在精准识别异常步态模式方面具有关键价值,特别是对于下肢受损患者而言。地面反作用力作为步态分析的重要工具,虽蕴含丰富的步态信息,但相关研究十分有限。因此,本文对两个相关方向展开深入研究:步态网络分析与自监督步态分类算法。 当前的步态分析往往孤立地研究步态生理机制,缺乏整体性的方法。在此背景下,本文第一项工作是以大规模健康和下肢受损人群的三维地面反作用力信号为例,研究下肢疾病和行走速度对步态整体的影响。在方法上,将每个信号分解为高频、中频和低频三个成分,然后构建一个包含三个维度不同频率成分的步态网络。经统计检验发现,不同的生理机制在维持步态中扮演着不同的角色,而且不同步态机制之间的相互作用存在显著性差异。此外,还研究了步态网络的整体行为,包括整合、聚类和平衡等方面。观察到即使在同一种整体行为下,整个步态网络及其子网络之间也存在显著性差异。此外,研究还发现,疾病和行走速度可导致步态网络拓扑结构的变化。 目前,基于下肢受损患者多分类问题的自监督学习研究尚处于起步阶段,相关成果极为匮乏。本研究的第二项工作着眼于此,利用大量无标签的三维反作用力信号进行自监督模型的预训练,再利用少量有标签数据进行微调和测试。研究提出了六种数据增强方法,并构建了一个能够识别27种下肢疾病亚型的自监督分类模型GSDNN。在模型架构方面,采用深度卷积神经网络作为特征提取器,将改进的Res Net18做了进一步的优化,添加了多尺度卷积和通道索引并验证了有效性。模型评估端到端微调结果显示,在测试集上平均准确率达到98.46%,F1分数0.982。 总之,本文基于地面反作用力信号提出了步态分析算法,不仅为理解人类运动机制和与步态相关的疾病提供了新的视角,还提高了医生诊断效率,而且显著减少了对步态标注数据的依赖,有效提高了模型在不同场景下的泛化能力,这两项工作具有潜在的应用价值,可应用于多个领域。

关键词： 混联机器人   运动学建模   动力学建模   参数辨识  

摘要： 在当今工业领域,混联机器人作为先进智能设备的应用日益广泛,为确保混联机器人实现预设运动的准确性和良好的动态响应特性,对其精度、动态性能等指标提出了更高要求。基于此,本文以实验室研制的五轴混联机器人为研究对象,围绕运动学分析、动力学建模、动力学参数辨识仿真及动力学参数辨识实验等方面展开研究。 首先,对五轴混联机器人的结构进行分析,将其拆分为并联和串联两部分,分别求解运动学的正逆解,并在此基础上推导联动机器人的运动学逆解。接着,基于对五轴混联机器人位置、速度和角速度的分析,通过仿真分析验证相关结果。在动力学分析环节,对并联结构进行动力学分析时,将串联结构与动平台视为一个整体负载,对串联结构进行动力学分析时,将并联平台动平台处于中位姿态,进而构建动力学模型和动力学参数辨识矩阵,为后续的参数辨识实验奠定基础,最后,通过仿真实验对所建立的动力学模型进行验证。 其次,针对混联机器人动力学参数辨识问题开展系统研究,通过深入分析影响参数辨识精度的关键因素,包括加工装配误差和初始值设定误差等,设计基于实验辨识法的动力学参数实验方案。在实验过程中,将机器人系统拆解为并联结构与串联结构,分别进行激励信号优化,在此基础上,融合递推最小二乘法的实时参数更新优势与改进差分进化算法的全局寻优能力,构建混合辨识框架及算法。最后,通过MATLAB/Simulink仿真平台,设置多组对比实验,验证该算法在辨识精度和收敛速度方面相较于传统方法的显著优越性。 最后,完成五轴混联机器人硬件与软件控制系统的搭建,基于该系统,分别对并联结构和串联结构开展动力学参数辨识实验,将预设的激励轨迹离散化为控制指令,输入至下位机驱动机器人执行激励运动,同步实时采集各关节的运动数据。针对采集的多源数据,采用卡尔曼滤波算法进行降噪处理,抑制测量噪声干扰,将滤波后的数据输入融合改进差分进化法的递推最小二乘算法中,通过迭代计算实现动力学参数估计。最后,通过对比理论模型与实际测量数据,验证辨识所得动力学参数的准确性与有效性。

关键词： 太阳能帆板   运动副间隙   动力学   虚拟样机   不确定参数  

摘要： 太阳能帆板的在轨展开过程通常具有不可逆性,一旦发生展开失败或误差可能导致航天器能量供应不足,严重影响任务执行。由于运动副间隙的存在,太阳能帆板在展开与锁定过程中不再是理想的刚性连接,而是表现出显著的非线性特性。这种非理想连接会引发多种复杂现象,如多体碰撞、自由间隙振荡和接触刚度变化等,从而导致系统角位移、角速度及角加速度的波动影响帆板展开的最终锁定精度。本学位论文以太阳能可展帆板为研究对象,重点分析间隙对机构动力学响应的影响,研究结果对含间隙机构的设计及动力学响应预测具有重要指导价值。主要研究内容如下: 首先,构建动态切向摩擦力参数与时变刚度、阻尼系数及法向碰撞力模型之间的关系函数,基于Newton-Euler动力学建模方法,建立考虑间隙效应及改进碰撞力计算的动力学模型。基于有限长度理论提出了间隙模型,并通过无质量杆简化系统结构。综合考虑间隙、制造误差和装配偏差,采用正态分布随机函数模拟误差影响评估其对运动输出的作用。 其次,探讨在时变刚度与阻尼系数碰撞力模型条件下,间隙对太阳能帆板动力学的影响。针对不同间隙半径、驱动力矩、摩擦系数、材料参数及间隙数目分析帆板展开过程中的动力学特性。 然后,在Adams软件中建立虚拟样机,并设置间隙,研究运动副间隙的位置及数量对机构位移、速度的影响,分析间隙对机构运行精度的作用。将仿真结果与数值计算结果对比以验证建模方法的准确性。 最后,建立考虑不确定参数的含间隙太阳能帆板动力学方程,探讨不确定性因素对帆板展开动力学特性的影响。重点研究不同间隙半径、不同驱动力矩对不确定参数下内外帆板在展开过程中的位移、速度和加速度的作用规律。

关键词： 深度学习   蛋白质-配体相互作用   药物设计   酶动力学参数   酶工程  

摘要： 蛋白质-配体相互作用预测和酶动力学参数预测作为计算机辅助药物设计(CADD)和酶工程领域中的核心任务,近年来得到了广泛关注。在药物设计领域,基于蛋白质-配体相互作用预测的高通量虚拟筛选(HTVS)已成为CADD的关键技术之一。其通过计算模拟小分子配体与靶体蛋白之间的结合模式和结合亲和力来高效预测潜在活性化合物。与传统依赖于实验室的方法相比,HTVS可以对大规模化合物数据库进行快速初筛,从而降低研发成本。在酶工程领域,传统实验方法面临着微生物可培养性低以及筛选通量有限等问题,限制了新酶发现和酶定向进化的进程。因此,开发高效的计算方法对加速药物研发和推进酶工程发展具有重要意义。 在蛋白质-配体相互作用预测中,基于深度学习的打分函数在结合亲和力预测、小分子结合模式识别以及活性分子筛选等方面取得了显著进展。然而,当前的深度学习模型往往专注于单一或少数任务,难以同时在打分、排序、对接和筛选等多个任务中表现优异。此外,这些打分函数的预测值通常缺乏明确的物理含义,无法直接关联到热力学或动力学参数(如解离常数Kd或结合自由能ΔG),从而限制了它们在更广泛场景中的应用价值。在酶动力学参数预测方面,近期报道的一些模型由于数据集划分方式、模型架构、酶-底物建模方式等因素导致模型出现了严重的过拟合问题,从而限制了它们的精度和泛化能力。此外,一些模型仅在野生酶的动力学参数数据上进行训练,使得其不适用于预测突变引起的动力学参数变化。无论是药物分子与靶体蛋白的结合,还是底物与酶的结合,都涉及蛋白质与小分子之间的相互作用识别。因此,如何针对特定任务有效地对蛋白质和小分子进行建模是问题关键。本论文将基于物理、化学及生物知识来对蛋白质与小分子进行表征,并结合深度学习来构建蛋白质-配体相互作用预测模型和酶动力学参数预测模型以解决上述问题。本文主要研究内容如下: 第一,本研究基于深度学习提出了一个新型的蛋白质-配体相互作用预测框架IGModel,能够同时预测小分子对接构象的均方根偏差(RMSD)及其与蛋白质的结合亲和力。IGModel通过蛋白质-配体相互作用图和蛋白质口袋图来对复合物特征进行描述,并利用EdgeGAT层进行特征提取和解码。评估结果表明,IGModel在多个基准测试集(如CASF-2016、PDBbind-CrossDocked-Core和DISCO)上均展现出优异性能,尤其是在小分子对接构象预测方面达到了领先水平。此外,该模型在无偏测试集和基于AlphaFold2预测的蛋白质结构上展现了强大的泛化能力,证明了其在实际应用中的潜力。通过IGModel编码生成的向量特征可视化和注意力机制分析,我们发现该模型能够有效捕捉关键的物理相互作用(如氢键和π-π堆积等),进一步提升了模型的可解释性。这项研究不仅为蛋白质-配体相互作用预测提供了新的技术框架,也为未来开发兼具高精度且具有物理可解释性的计算工具奠定了基础。 第二,本研究开发了一种基于深度学习的虚拟筛选策略,用于高效识别GluN1/GluN3A受体的抑制剂。GluN1/GluN3A是一种独特的甘氨酸受体,在中枢神经系统中参与情绪调节,是神经精神疾病的潜在治疗靶点。针对传统高通量筛选方法效率低下的问题,本研究设计了一种兼顾精度和效率的虚拟筛选策略:首先构建基于序列的打分函数来对小分子数据库进行快速初筛,最终从1800万个分子中筛选出两万个候选分子;然后,通过分子对接以及我们提出的IGModel和文献中报道的RTMScore来对候选分子进行结构采样、打分和排序,最终挑选出分数排名前12的小分子。通过湿实验测试发现,化合物PAT-505对GluN1/GluN3A受体表现出显著的抑制活性(IC50=2.87 ±0.80 μM)。本研究为神经精神疾病治疗药物的开发提供了新思路,还验证了深度学习在平衡筛选速度与准确性的可行性。 第三,本研究提出了一个鲁棒的酶动力学参数预测模型CataPro,能够同时预测酶周转数(kcat)、米氏常数(Km)和催化效率(kcat/Km)。CataPro通过蛋白质语言模型ProtT5-XL-UniRef50产生的特征向量来表示酶信息,通过化合物语言模型MolT5产生的特征向量以及MACCS keys指纹来表征底物信息,然后采用神经网络来进行预测。测试结果表明,CataPro相比于基线模型DLKcat和UniKP具有显著优势。与这先前研究不同的是,我们还基于无偏的十折交叉验证数据集评估了模型在特定反应中排序突变体的能力。在多个小型酶催化效率数据集以及深度突变扫描数据集上,CataPro均展现出优异的性能,证明了其在酶工程中的应用潜力。此外,我们将CataPro应用于催化4-乙烯基愈创木酚(4-VG)转化成香兰素的酶挖掘项目中,并成功筛选出一个活性是初始酶19.53倍的替代酶SsCS

关键词： 高铁路基   安定特性   动力学参数   动力学模型   动力学设计   填筑施工控制   压实质量连续检测  

摘要： 高铁路基结构是高速列车安全平顺运行的重要基础,路基结构性能的科学设计以及可靠的压实质量连续检测控制技术是其长期耐久服役的根本保障。高铁路基结构成型与服役过程均承受循环动荷载作用,动力作用贯穿于高铁路基结构的全寿命过程,对路基结构动力学设计以及动力性能的深化研究,成为保证路基建造质量与服役性能的基础。目前路基填料与结构的动力特性演化规律缺乏系统性研究和成体系的数据积累,填料动力学参数体系不完善,难以支撑高铁路基结构精细化质量控制,且高铁路基结构动力学性能-评估检定技术-填筑压实质量连续检测控制技术之间关键控制参数和指标的相互传递与映射关系尚不明确,缺乏对路基结构填筑成型至长期服役过程物理机制的深入研究。 本文系统调研了粗粒土填料动力学特性、填筑-服役全过程动力学仿真模型及评估方法、国内外铁路路基设计理论及方法与路基填筑压实质量连续检测控制技术。综合采用理论分析、大型室内动三轴试验、室内土工试验、现场测试、数值模拟、数字编程以及硬件开发等多种研究方法,明确了典型粗粒土填料动力安定性控制阈值;构建了填筑-服役动荷载作用下路基分层结构动力学理论方程,建立了高铁路基填筑期振动压路机-粗粒土填料耦合数值仿真以及服役期高铁列车-轨道结构-路基结构耦合多层串联动力学数值仿真模型,提出了填筑-服役全过程关键动力学控制参数,构建了基于填筑-服役全过程动力学参数的施工控制方法,得到以下结论: （1）揭示了6类典型粗粒土填料动应变、动应力、骨干曲线等典型动力响应以及动模量、阻尼比等典型动力学参数随动应变发展的演化规律,阐明了不同组别粗粒土填料最大动模量,揭示了粗粒土填料最大动模量随围压线性增长规律,形成了典型动力学参数数据库;基于粗粒土填料安定状态判别方法,获取了粗粒土填料长期累计变形特性及塑性应变率发展规律,提出了基于塑性安定-塑性蠕变状态间以及塑性蠕变-增量破坏状态间的等效单位体积耗散能临界值,明确了基于等效单位体积耗散能的安定状态判别准则,揭示了高铁路基典型粗粒土填料动应力、动应变控制阈值。 （2）构建了路基填筑-服役全过程分层结构动力学方程,建立了路基填筑-服役全过程分层结构多层串联动力耦合数值仿真模型,揭示了填筑期振动压实荷载作用下振动轮与粗粒土填料时域、频域以及时频域特征,阐明了压实过程中不同压实质量连续检测指标随振动频率、幅值以及填料特性等关键参数的演化规律;揭示了路基分层结构动应力、动应变、动位移以及加速度等典型动力响应信号随列车车速、不平顺波长以及幅值的演化规律。 （3）基于高铁路基粗粒土填料动力安定与路基动变形阈值,结合填筑-服役全过程路基填料单位面积加载刚度δks及填筑质量控制要求,构建了高铁路基结构动力学设计方法;研发了具备实时检测δks与CEV值的采集分析传输一体化填筑质量连续检测装置,形成了基于动力学理论路基结构设计方法的压实质量连续检测控制技术,并在成渝中线开展了动力学设计方法以及压实质量连续检测控制技术的工程应用。