摘要：在永磁同步电机控制系统中,逆变器的延迟效应会降低系统的跟踪性能和稳定裕度。引入Smith预估补偿器可以补偿延迟环节对系统性能的影响,但Smith预估补偿器要求延迟时间和被控对象模型参数已知,这不符合实际情况。为此提出时变模型自适应预估方法,分别对延迟时间和被控对象模型参数进行自适应估计,实现Smith预估补偿器的全参数自适应。设计基于位置输出超前值预测和扰动抑制的滑模前馈控制器,与全参数自适应Smith预估补偿控制相结合,确保控制系统的全局稳定,降低系统对参数不确定的敏感性,并提高系统的抗扰性。仿真结果表明,与传统及多种改进的Smith预估补偿方法相比,该方法有着更高的跟踪精度,即使在非理想条件下,对参数不确定依然具有较强的鲁棒性,对随机扰动依然具有较强的干扰抑制能力。

摘要：基于甲状旁腺的近红外自体荧光特性,开发出一款高灵敏激光诱导荧光检测(LIF)技术的术中甲状旁腺快速识别装置。通过一种新型近红外传感单元组成的荧光采集模块和改进型荧光检测光路设计,实现了光纤探针式术中甲状旁腺快速、无创识别装置。通过实验验证吲哚菁绿(ICG)溶液与甲状旁腺的荧光光谱具有极大相似性,通过吲哚菁绿(ICG)溶液模拟甲状旁腺自体荧光特性的实验,测得该装置在低至0.05 nmol/L ICG的实验条件下,荧光强度仍然与ICG浓度成正比,荧光强度和ICG浓度的线性相关系数高达0.999,与理论高度吻合。使用该装置在广州市第一人民医院进行临床实验,实验结果显示该装置能够成功激发出甲状旁腺自体荧光,荧光强度约为其他组织的5倍,装置检测结果与临床病理切片结果高度吻合,证明本文研制的装置能够明显区分甲状旁腺和其他组织。临床专家给出结论,该装置能够快速、无创、精准识别甲状旁腺组织,具有巨大的临床价值。

摘要：为了解决基于常规深度强化学习(Deep Reinforcement Learning, DRL)的自动驾驶决策存在学习速度慢、安全性及合理性较差的问题,本文提出一种基于柔性演员-评论家(Soft Actor-Critic,SAC)算法的自动驾驶决策规划协同方法,并将SAC算法与基于规则的决策规划方法相结合设计自动驾驶决策规划协同智能体。结合自注意力机制(Self Attention Mechanism, SAM)和门控循环单元(Gate Recurrent Unit, GRU)构建预处理网络;根据规划模块的具体实现方式设计动作空间;运用信息反馈思想设计奖励函数,给智能体添加车辆行驶条件约束,并将轨迹信息传递给决策模块,实现决策规划的信息协同。在CARLA自动驾驶仿真平台中搭建交通场景对智能体进行训练,并在不同场景中将所提出的决策规划协同方法与常规的基于SAC算法的决策规划方法进行比较,结果表明,本文所设计的自动驾驶决策规划协同智能体学习速度提高了25.10%,由其决策结果生成的平均车速更高,车速变化率更小,更接近道路期望车速,路径长度与曲率变化率更小。

摘要：针对柔性外骨骼的系统结构优化设计进行研究,首先采用Solidworks软件进行初步的三维建模,完成髋关节、膝关节和踝关节这3个关节的关节部位和自由度设计。其次,根据各关节生理特点设计提供辅助的模块化弹性元件,可以为运动提供助力。再次,结合收集的人体运动步态数据获得所建外骨骼仿真模型的步态数据,进行外骨骼.Adams多体动力学建模与仿真分析,髋关节的最大扭矩为1.5×10^(5)N·mm,膝关节最大扭矩为2.8×10^(5)N·mm,符合人体运动的实际情况。最后将设计好的外骨骼结构导入Ansys中进行强度校核,最大等效应力为22.042MPa,远远小于铝合金材料的屈服强度,验证了所设计结构能够满足刚性要求。

摘要：针对永磁同步电机突然加入负载时存在的转速波动和不稳定问题,提出一种基于积分时变滑模面和新型模糊增益趋近律的滑模调速方法。采用积分时变滑模面,在传统积分滑模面中加入一个时变项,借此提升系统的响应速度。改进传统的指数趋近律,加入非线性函数来削弱系统的抖振,同时根据不同的系统状态用模糊算法整定趋近律增益参数,着重于提升趋近速度和系统抗扰动能力。最后,使用李雅普诺夫稳定性判据证明了该控制系统的稳定性。在MATLAB/Simulink环境下将此控制策略与传统滑模控制策略进行对比,仿真结果表明:采用此控制方法的系统响应速度更快、抑制系统扰动和抖振的能力更强,具备更好的综合性能。

摘要：目的探讨Monaco治疗计划系统Auto Flash Margin(AFM)在左侧乳腺癌根治术后放疗中的应用。方法选取16例乳腺癌根治术后病例为研究对象,对入组的每个病例分别进行AFM值为0.5、1、2 cm(以下记作AFM0.5、AFM1.0、AFM2.0组)的容积旋转调强(Volumetric Modulated Arc Therapy,VMAT)计划设计。研究放疗计划靶区(Planning Target Volume,PTV)均匀性指数(HomogeneityIndex,HI),适形度指数,肺、心脏及皮肤剂量D_(mean)的剂量学差异,X线蒙特卡罗(X-ray Voxel Monte Carlo,XVMC)算法特征参数等。结果Monaco治疗计划系统蒙特卡罗算法在3种方案中PTV的D_(mean)、V_(107%)剂量学指标均满足处方剂量要求,但差异有统计学意义(P<0.05);靶区热点剂量V_(107%)方面,AFM2.0组最小,为2.57%±1.52%,AFM0.5和AFM1.0组较高且接近,分别为10.09%±1.72%和11.02%±0.15%,差异有统计学意义(P<0.05);靶区D_(mean)表现类似,AFM2.0组最小,为(5175.650±4.200)cGy,AFM0.5和AFM1.0组较高且接近,分别为(5210.400±5.400)cGy和(5219.600±4.200)cGy,差异有统计学意义(P<0.05);在危及器官参数患侧肺V_(20)、患侧肺D_(mean)的剂量评估结果中,AFM0.5组和AFM1.0组均高于AFM2.0组,差异有统计学意义(P<0.05),而3组的健侧肺V_(5)、心脏D_(mean)无明显差异;在组间相同角度下的光栅构型比对中,3组光栅均形成了明显的空气区域;在XVMC算法特征参数比对中,AFM2.0组机器跳数更少、光子利用率更高、优化时长略高,3组的子野数量均接近计划预设的290个控制点。AFM2.0组比另外3组靶区的皮肤组织剂量D_(mean)均更好(P<0.05)。结论使用Monaco治疗计划系统设计乳腺癌根治术后VMAT计划时,推荐使用的AFM值为2 cm。

摘要：为研究nrdD基因对无乳链球菌毒力的影响,本研究参照GenBank中无乳链球菌GD201008-001(登录号:NC_018646)的nrdD全基因序列设计引物,采用融合PCR的方法将nrdD基因上、下游同源臂连接到一起,构建nrdD基因上、下游同源臂融合片段,连接至温敏型自杀质粒pSET4s。PCR克隆含有启动子序列的nrdD基因,连接至链球菌-大肠杆菌穿梭质粒pSET2。分别构建nrdD基因的缺失株ΔnrdD及互补株CΔnrdD。经PCR和基因测序,证明nrdD基因的缺失株及互补株构建成功。通过对ΔnrdD和CΔnrdD的形态学变化的观察,生长速率、小鼠血清中增殖能力、小鼠组织载量的测定以及小鼠攻毒试验的分析,评价nrdD基因对无乳链球菌毒力的影响。结果表明:与野生株GD201008-001相比,ΔnrdD在细菌染色形态上链长明显增加,但不影响荚膜的形成;在相同培养条件下,ΔnrdD在与GD201008-001生长速率无明显差异;在小鼠血清中增殖试验中,ΔnrdD在血清中的增殖能力较野生株明显减缓;在小鼠感染14 h后,ΔnrdD在其血液、脾脏及脑部的载量明显低于野生株,而CΔnrdD在各组织中的载量与野生株相比差异不显著;小鼠的攻毒试验显示,ΔnrdD注射组小鼠存活时间较野生株与互补株延长,差异显著。研究证明,nrdD基因与无乳链球菌毒力密切相关,本试验结果也为深入研究无乳链球菌nrdD基因的功能奠定了基础。

摘要：针对永磁同步电动机(permanent magnet synchronous motor,PMSM)伺服系统中由滑模观测器引起的位置估算误差以及抖振问题,提出了一种改进的两级滤波滑模观测器。首先,根据PMSM的数学模型,设计了利用传统滑模观测器估计定子电流和反电动势的估计算法;其次,分析了传统滑模观测器在PMSM伺服系统应用中的不足;再次,提出了一种新的饱和函数以代替传统的符号函数,改进了滑模观测器的控制律;最后,通过变截止频率滤波器和卡尔曼滤波器组成的二级滤波器,得到PMSM转子更精确的位置估计信息。利用Matlab,对使用了传统观测器的系统和使用改进的观测器的系统分别进行了仿真,仿真结果表明:与使用了传统观测器的PMSM伺服系统相比,使用了改进观测器的PMSM伺服系统转速误差更小、估算结果更准确。

摘要：通过有限元分析软件模拟了下大体积混凝土内部的温度场,分析了不同环境温度的取值方法对混凝土温度场的影响并采用现场监测数据验证了模拟结果的正确性,最后改变外界环境温度的变化和混凝土保温层的厚度来研究混凝土内部温度场的变化。研究结果表明:外界温度采用正弦函数模拟混凝土的温度场比采用平均温度模拟更贴近实际,正弦函数模拟值与实测值的误差可以控制在12%以内。外界环境温度降低会使得混凝土温度场的最大值与最小值降低,最大值降低幅度忽略不计,外界平均温度为18℃是混凝土内部温差25℃的分界点。混凝土上部保温层会降低混凝土温度场中的温度及最大温差,但是当保温层达到0.8 mm时会使得温度场温度和最大温差急剧增加。

摘要：机器人在目标抓取过程中,当前方法以真实误差和标准位置的差值,作为抓取轨迹控制的依据。但是,这种后置性误差计算的方式,忽略了机器人产生真实误差的盲目性,在强干扰下,会造成控制偏差过大,控制幅度过大。提出前置位姿误差预测引导下的机器人目标抓取轨迹分解跟踪方法。匹配抓取目标的容积点,利用Cholesky分解算法将正定对称的真实位姿矩阵,分解为一个下三角矩阵和其转置的乘积。对容积点矩阵进行展开计算,预测下一刻位姿。引入SR-CKF-SLAMOT算法,建立机器人运动模型;利用笛卡尔坐标系投影分拣机器人位姿信息,根据期望位姿与预测位姿差调控目标抓取轨迹,利用前置性误差估计结果,实现对机器人目标抓取轨迹跟踪。实验表明:所提方法目标识别精准度高,目标抓取轨迹控制偏移量小,并准确跟踪机器人运动轨迹。