课程文献中心 更多>>

关键词： 车辆动力学   在线参数辨识   轮胎模型   神经网络   运动控制  

摘要： 动力学模型参数的准确性对高性能车辆运动控制系统具有决定性影响,尤其在高速行驶和接近附着极限的工况下,模型参数的微小偏差即可显著削弱控制性能。传统基于稳态实验的离线参数辨识方法对实验场地和工况条件依赖较强,难以满足真实应用中对实时性与适应性的要求。针对上述问题,以车辆运动控制中的在线参数辨识为研究对象,提出一种融合机理模型与数据驱动方法的混合在线参数辨识框架。该方法仅依赖车辆在正常行驶过程中采集的数据,通过引入神经网络对机理模型残差进行学习与补偿,在保持模型物理一致性的同时显著提升参数辨识的鲁棒性。以轮胎Pacejka模型参数为辨识对象,在仿真平台上进行了系统性验证。实验结果表明,所提出的方法在噪声干扰和模型失配条件下表现出优于传统在线非线性最小二乘方法的辨识精度和稳定性,并在实车测试中带来显著的控制性能提升。

关键词： 物理信息神经网络   血流动力学   硬边界约束方法   计算流体力学  

摘要： 动脉粥样硬化和动脉瘤等血管病变与血流动力学参数密切相关,相关血流动力学参数的无创测量对动脉粥样硬化和动脉瘤等心血管疾病的预防和治疗具有重要意义。本文构建了8种不同狭窄率和扩张程度的理想病变血管模型,基于真实生理边界条件对其进行瞬态仿真,并提取模型在一个心动周期内的时空坐标以及血流动力学参数,用于构建数据集。然后,结合硬边界约束方法和物理信息神经网络(PINN),本文建立了病变血管血流动力学参数预测模型,并通过稳态问题验证了其优越性。该预测模型仅需少量监督数据,即可对病变血管的速度、压强、壁面切应力(WSS)、时间平均壁面剪应力(TAWSS)、振荡剪切指数(OSI)、相对滞留时间(RRT)等血流动力学参数实现高精度预测。研究结果表明,本文提出的血流动力学参数预测模型,能够准确地预测理想病变血管的速度、压强等流场信息,并在对WSS和TAWSS等参数的预测中性能优异,为动脉粥样硬化和动脉瘤等疾病的机制研究、临床诊断、治疗及风险评估提供了新的手段和依据。

关键词： 冗余并联机构   转动副间隙   不确定参数   动力学模型   动力学响应  

摘要： 为研究不确定参数对含运动副间隙并联机构动态响应的影响,以3-RRPaR冗余并联机构为研究对象,建立了考虑随机不确定参数的含干摩擦间隙冗余并联机构动力学模型,分析了机构的动力学响应。结合Flores连续接触力模型和Brown-McPhee摩擦模型推导出三维转动副间隙处的干摩擦接触力模型,采用第一类拉格朗日方法建立了含干摩擦间隙3-RRPaR冗余并联机构动力学模型,并通过样机试验验证了模型的有效性。结合混沌多项式算法建立了考虑随机不确定参数的含干摩擦间隙冗余并联机构动力学模型。研究了不确定间隙值、摩擦系数对含干摩擦间隙的3-RRPaR冗余并联机构动力学响应的影响,并采用Monte Carlo法验证了模型的有效性,该研究为并联机构的设计以及优化提供了理论依据。

关键词： 乳腺肿瘤   多普勒超声   超微血管成像   超声造影   中医证型  

摘要： 乳腺肿瘤是最常见的女性乳房疾病,分为良性与恶性,其中良性较为常见,但近年来乳腺恶性肿瘤的发病率呈现上涨趋势,一项统计表明,女性乳腺癌已超越肺癌成为最常见的癌症,发病率约为11.7%,也是癌症死亡的主要原因之一[1]。良性肿瘤对患者生活带来影响,也存在一定的发展为恶性的风险,而恶性肿瘤直接影响患者的生命安全,因此早期诊断对肿瘤治愈及预后及生存率提高至关重要[2]。常规二维超声是乳腺肿瘤早期诊断筛查常用的影响手段,其依赖于形态学特征来判断病灶性质,通过美国放射学会提出的BI-RADS系统对病灶进行形态学上的标准分类[3]。仅从二维形态判断肿瘤可能存在判断主观化,特异性不足、缺少客观量化信息等不足,彩色多普勒(CDFI)、频谱多普勒血流检测技术(PW)提供了血流动力学参数来量化肿瘤内部及周围血流生成、流速及分布情况,从而提高诊断准确率,超微血管成像技术(SMI)、超声造影通过提升微血管成像能力、清晰反映血流灌注,实现微循环可视化有助于良恶性乳腺肿瘤的鉴别[4-5]。曾有研究表明,不同中医证型的乳腺肿瘤存在特征性血流动力学模式,为中西医结合诊断提供新思路[6-8]。本文对近年来相关文献进行系统梳理,对也腺肿瘤超声血流动力学参考应用进展与中医证型关联进行综述。

关键词： 对比增强超声   环靶征   微泡动力学参数   乳腺癌   腋窝淋巴结转移   微血管密度   肿瘤免疫微环境   诊断效能  

摘要： 目的探讨对比增强超声(CEUS)“环靶征”强化特征联合微泡动力学参数对乳腺癌腋窝转移性淋巴结的鉴别诊断价值,并分析其与血管生成及免疫微环境的相关性。方法前瞻性纳入2025年1月至12月130例乳腺癌患者(转移组与非转移组,各65例),所有患者术前接受腋窝淋巴结CEUS检查,记录“环靶征”等定性特征及峰值强度(PI)、达峰时间(TTP)等定量参数。以术后病理为金标准,比较两组间影像学、微血管密度(MVD)及免疫指标差异,采用多因素Logistic回归筛选独立预测因素。结果转移组“环靶征”检出率显著高于非转移组(P<0.001),且其PI更高(P<0.001)、TTP更短(P<0.001)。多因素分析显示“环靶征”(OR=6.42)、PI升高及TTP缩短是淋巴结转移的独立影响因素。转移组MVD显著增高(P<0.001),且PI与MVD呈正相关(r=0.62)。联合指标诊断效能显著提升(AUC=0.92,敏感度86.2%,特异度89.2%)。结论CEUS“环靶征”与微泡动力学参数(PI增高、TTP缩短)可作为乳腺癌腋窝淋巴结转移的敏感影像学标志,其与肿瘤血管生成及免疫微环境改变密切相关,二者结合有助于提升诊断精准度。

关键词： 物理信息神经网络   血流动力学   硬边界约束方法   计算流体力学  

摘要： 动脉粥样硬化和动脉瘤等血管病变与血流动力学参数密切相关,相关血流动力学参数的无创测量对动脉粥样硬化和动脉瘤等心血管疾病的预防和治疗具有重要意义。本文构建了8种不同狭窄率和扩张程度的理想病变血管模型,基于真实生理边界条件对其进行瞬态仿真,并提取模型在一个心动周期内的时空坐标以及血流动力学参数,用于构建数据集。然后,结合硬边界约束方法和物理信息神经网络(PINN),本文建立了病变血管血流动力学参数预测模型,并通过稳态问题验证了其优越性。该预测模型仅需少量监督数据,即可对病变血管的速度、压强、壁面切应力(WSS)、时间平均壁面剪应力(TAWSS)、振荡剪切指数(OSI)、相对滞留时间(RRT)等血流动力学参数实现高精度预测。研究结果表明,本文提出的血流动力学参数预测模型,能够准确地预测理想病变血管的速度、压强等流场信息,并在对WSS和TAWSS等参数的预测中性能优异,为动脉粥样硬化和动脉瘤等疾病的机制研究、临床诊断、治疗及风险评估提供了新的手段和依据。

关键词： 哲学与文化   中华传统文化   知识结构   学科特征   教学方式  

摘要： 在“文化自信”的时代诉求与新课标的要求下,高中思政“哲学与文化”板块是传承中华优秀传统文化的关键载体。当前该板块教学存在知识结构碎片化、教学方式固化等问题,导致文化传承表面化,难以激发学生的文化认同。首先从布局与内涵解析中华传统文化的知识结构,其次分析其布局上系统性与碎片化并存、内涵上抽象性与具象性交织的学科特征,最后提出中华传统文化知识结构与教学方式的适配逻辑:正文适配递进式教学以落实系统性,辅文适配开放式教学以激活碎片化,图文适配直观式教学以破解抽象性。旨在打破教学瓶颈,落实新课标理念,激发学生传承中华优秀传统文化的内生动力,培育文化自信。

关键词： double-double层合板   水平集   厚度渐变   动力学优化  

摘要： Double-double(D-D)复合材料层合结构因其良好的均质化特性,为变厚度层合结构轻量化设计提供了有效途径.为实现复合材料层合板动力学性能优化,提出一种基于参数化水平集的D-D层合板厚度渐变动力学优化方法.该方法采用紧支撑径向基函数构建水平集函数,通过其等值线隐式描述层合板铺层边界;利用D-D层合板的均质化特性构建等效动力学模型,将离散的铺层数量松弛为连续设计变量,进而实现高效的动力学优化.此外,在优化中引入了对变厚度层合结构锥形过渡区域的锥度约束,通过约束水平集函数的梯度范数控制层合结构锥度,实现层合板厚度分布平缓渐变.结果表明:该优化方法在研究层合板动力学优化设计时,表现出良好的稳健性,能够直接以指定激励频段内的动态响应为目标实现结构优化设计,针对不同的激励频段自适应优化厚度分布,得到的优化设计具有光滑清晰的铺层边界和平缓渐变的厚度分布,显著抑制层合结构在目标频段内动力学响应,并且有效改善变厚度层合板设计中的应力集中问题.

关键词： 机械电子工程   SCARA机器人   振动抑制   结构优化   动力学建模   几何参数优化  

摘要： 针对高速SCARA机器人在精密作业中因残余振动引发的定位延迟,提出一种融合几何参数优化的振动抑制方法。基于包含杆长、关节间距、截面惯性矩等关键几何参数的拉格朗日动力学模型,揭示了高速运动下的几何参数与振动模态的关联。构建以最小化定位时间为目标的优化函数,约束条件包括机械臂的几何参数。采用遗传算法对几何参数进行协同优化,实现了质量分布的动态平衡。实验结果表明:优化后的几何参数组合在保持定位精度的前提下,将定位时间由4.804 s缩短至3.281 s,效率提升了32%。该方法为高速SCARA机器人的几何参数设计提供理论支持,适用于半导体封装、锂离子电池叠片等高精度制造领域。

关键词： 机器学习   呼吸机   动力学参数   自适应控制   控制技术  

摘要： 由于未对控制变量进行计算,以往的呼吸机控制技术控制效果较差。因此,提出基于机器学习的呼吸机动力学参数自适应控制技术。通过对呼吸机动力学模型的分析,计算呼吸机在应用过程中的动能和势能,构建出呼吸机动力学的数学模型,采用改进一维卷积神经网络,对采集的呼吸机动力学相关数据进行降噪处理,并对数据进行参数估计,完成对呼吸机动力学参数的辨识;在上述基础上,构建呼吸机的补偿模型并计算相应的控制变量,实现对呼吸机动力学参数的自适应控制。通过上述的设计,完成对呼吸机动力学参数自适应控制技术的设计。在实验测试中,和以往的呼吸机动力学参数自适应控制技术相比,所提出的控制技术控制误差平均值为0.24,控制效果更好。