利用一种电磁型主控式干摩擦阻尼器(active magnetic dry friction damper,AMDFD)来改变支承的阻尼,以实现对航空发动机转子系统支承结构外传振动的有效控制。在传统的双转子系统动力学模型基础上,建立了能够表征支承外传振动的AMDFD-...利用一种电磁型主控式干摩擦阻尼器(active magnetic dry friction damper,AMDFD)来改变支承的阻尼,以实现对航空发动机转子系统支承结构外传振动的有效控制。在传统的双转子系统动力学模型基础上,建立了能够表征支承外传振动的AMDFD-双转子-轴承座动力学模型;采用转速区间开关控制器和无模型自适应控制器,对AMDFD抑制转子支承结构外传振动的有效性进行了仿真分析,并阐明了AMDFD抑制支承结构外传振动的内在机理。在搭建的AMDFD-双转子系统试验台上,进行了双转子系统加速通过多阶临界转速区时支承结构外传振动的主动控制试验。结果表明,利用转速区间的开关控制器和无模型自适应控制器,AMDFD能够有效地降低各支承位置在各阶临界转速区的外传振动,降低幅度均超过了52%。展开更多
目的探讨静息态脑活动及功能连接特征在分类乳腺癌化疗相关认知障碍中的价值。材料与方法收集乳腺癌(breast cancer,BC)化疗患者基线期(P0期)40人,治疗结束后一周(P1期)33人,治疗结束后半年(P2期)19人以及健康对照(healthy control,HC)...目的探讨静息态脑活动及功能连接特征在分类乳腺癌化疗相关认知障碍中的价值。材料与方法收集乳腺癌(breast cancer,BC)化疗患者基线期(P0期)40人,治疗结束后一周(P1期)33人,治疗结束后半年(P2期)19人以及健康对照(healthy control,HC)组44人,均进行静息态功能磁共振成像(resting-state functional magnetic resonance imaging,rs-fMRI)和神经精神学量表评估。功能图像经DPARSF和PRoNTo软件处理后得到低频振幅(amplitude of low frequency fluctuation,ALFF)、低频振幅比率(fractional amplitude of low frequency fluctuation,fALFF)、局部一致性(regional homogeneity,ReHo)和海马功能连接四种数据特征集,利用PRoNTo 2.1工具箱将四种数据特征分别作为机器学习算法的输入,使用二分类法建模。基线期临床数据指标组间比较采用独立样本t检验,随访组组内采用单因素ANOVA。结果与化疗前相比,乳腺癌患者化疗后一周在中文听觉词语学习测验(Auditory Verbal Learning Test,AVLT)、抑郁及焦虑评分中差异有统计学意义(P<0.05)。在四组数据特征中,分类化疗相关认知障碍准确率最高的数据特征为fALFF。对模型具有显著贡献的脑区为:右侧枕上回、右额中上回、右侧后扣带回及楔前叶周围。在HC组与BC组以及BC组内各期分类中,准确率最高的为P0期vs.HC组(准确率86.90%,P<0.001),在P0、P1、P2组间,P0与P1组分类准确率高于其他两组(准确率76.27%,P<0.001),在fALFF数据特征分类中,基于决策函数的权值图的分布大部分覆盖了基于体素分析的统计学差异显著的脑区。结论基于rs-fMRI数据特征的机器学习法可以有效区分乳腺癌化疗相关认知障碍患者,为早期诊断提供影像学参考。展开更多
文摘利用一种电磁型主控式干摩擦阻尼器(active magnetic dry friction damper,AMDFD)来改变支承的阻尼,以实现对航空发动机转子系统支承结构外传振动的有效控制。在传统的双转子系统动力学模型基础上,建立了能够表征支承外传振动的AMDFD-双转子-轴承座动力学模型;采用转速区间开关控制器和无模型自适应控制器,对AMDFD抑制转子支承结构外传振动的有效性进行了仿真分析,并阐明了AMDFD抑制支承结构外传振动的内在机理。在搭建的AMDFD-双转子系统试验台上,进行了双转子系统加速通过多阶临界转速区时支承结构外传振动的主动控制试验。结果表明,利用转速区间的开关控制器和无模型自适应控制器,AMDFD能够有效地降低各支承位置在各阶临界转速区的外传振动,降低幅度均超过了52%。
文摘目的探讨静息态脑活动及功能连接特征在分类乳腺癌化疗相关认知障碍中的价值。材料与方法收集乳腺癌(breast cancer,BC)化疗患者基线期(P0期)40人,治疗结束后一周(P1期)33人,治疗结束后半年(P2期)19人以及健康对照(healthy control,HC)组44人,均进行静息态功能磁共振成像(resting-state functional magnetic resonance imaging,rs-fMRI)和神经精神学量表评估。功能图像经DPARSF和PRoNTo软件处理后得到低频振幅(amplitude of low frequency fluctuation,ALFF)、低频振幅比率(fractional amplitude of low frequency fluctuation,fALFF)、局部一致性(regional homogeneity,ReHo)和海马功能连接四种数据特征集,利用PRoNTo 2.1工具箱将四种数据特征分别作为机器学习算法的输入,使用二分类法建模。基线期临床数据指标组间比较采用独立样本t检验,随访组组内采用单因素ANOVA。结果与化疗前相比,乳腺癌患者化疗后一周在中文听觉词语学习测验(Auditory Verbal Learning Test,AVLT)、抑郁及焦虑评分中差异有统计学意义(P<0.05)。在四组数据特征中,分类化疗相关认知障碍准确率最高的数据特征为fALFF。对模型具有显著贡献的脑区为:右侧枕上回、右额中上回、右侧后扣带回及楔前叶周围。在HC组与BC组以及BC组内各期分类中,准确率最高的为P0期vs.HC组(准确率86.90%,P<0.001),在P0、P1、P2组间,P0与P1组分类准确率高于其他两组(准确率76.27%,P<0.001),在fALFF数据特征分类中,基于决策函数的权值图的分布大部分覆盖了基于体素分析的统计学差异显著的脑区。结论基于rs-fMRI数据特征的机器学习法可以有效区分乳腺癌化疗相关认知障碍患者,为早期诊断提供影像学参考。
