摘要：为保障固定翼无人机编队在未知障碍环境下的安全飞行,该文针对固定翼无人机编队飞行控制方法展开研究。在深度确定性策略梯度(deep deterministic policy gradient,DDPG)的基础上,引入贪婪选择构建了Greedy-DDPG算法,训练长机模型实现避障控制;并结合人工势场的方法和领从一致性设计了僚机群避障避碰控制策略,确保僚机能够规避障碍,跟随长机执行飞行任务。数值仿真实验结果显示,Greedy-DDPG算法的训练时长比DDPG算法的缩短了5.9%,避障的泛化能力得到提升;Monte Carlo仿真实验验证结果显示,该方法具有良好的鲁棒性。采用该方法可实现无人机编队协同飞行,对于保障无人机编队在未知环境中的飞行安全具有重要意义。

摘要：目的基于术前及术中用药指标建立一个预测非肝脏手术患者术后肝损伤的机器学习预测模型。方法采用病例-对照研究设计方案,选择国内3家大型综合医院开发的数据库中2014年1月至2022年9月行非肝脏手术术后出现肝损伤患者315例,按阳性∶阴性为1∶3的比例随机匹配同期非肝脏手术术后未发生肝损伤的928例病例作为阴性对照病例。将这1243例患者根据R语言设置的代码以7∶3的比例随机拆分为建模组(n=869)和验证组(n=374)。利用患者术前临床指标(基本信息、病史、相关评分表、手术相关信息和实验室检查)及术中用药情况基于k-近邻(k-nearest neighbor,KNN)、支持向量机(support vector machine linear,SVM)、逻辑回归(logistic regression,LR)、极端梯度提升(extreme gradient boosting,XGBoost)4种机器学习算法建立预测非肝脏手术术后肝损伤的模型,并在验证组通过受试者工作特征曲线(receiver operating characteristic,ROC)、精准-召回曲线(percision-recall curve,P-R)、临床决策分析曲线(decision curve analysis,DCA)、Kappa值、灵敏度、特异度、Brier分数、F 1分数对模型效能进行评估。结果4种机器学习算法建立的预测非肝脏手术术后肝损伤的模型以XGBoost算法最优,验证组中受试者工作特征曲线下面积(area under the receiver operating characteristic curve,AUROC)为0.916(95%CI:0.883~0.949),精准-召回曲线下面积(area under the precision-recall curve,AUPRC)为0.841,Brier评分0.097,灵敏度和特异度分别为78.95%和87.10%。结论基于XGBoost算法建立的非肝脏手术术后肝损伤预测模型对术后肝损伤的发生有良好的预测能力。

摘要："网络化控制"这门课程涉及网络化控制理论、磁悬浮技术、CAN总线通信技术等三种主要的基础理论。这门实践教学课结合工程科研背景,分别以磁悬浮系统和位置伺服电机定位系统为控制对象,CAN总线协议为通信基础,设计了网络化控制的悬浮及定位实验系统。在此平台的基础上对实验的原理、硬件和软件结构及其具体实现做了详细阐述。学生可以从中掌握网络化控制系统的实验方法,切实地理解课程理论。