人B7.2/hTERT融合基因真核绿色荧光载体的构建

目的:构建人共刺激分子(B7.2)和端粒酶邀转录酶(hTERT)融合基因真核绿色荧光表达载体。方法:应用逆转录聚合酶链反应(RT-PCR)方法分别从乳腺组织、乳腺癌组织中扩增出B7.2和hTERT cDNA基因片段,经回收、纯化后,分别克隆入质粒pGEM-T,然后双酶切下两目的片段,回收后再克隆入真核表达质粒,并在中国仓鼠卵巢细胞(CHO)中表达。结果:通过PCR鉴定和序列分析证实插入片段序列正确。结论:应用分子生物学技术成功构建人B7.2/hTERT真核绿色荧光表达载体,为肿瘤的免疫治疗研究提供了物质基础。     

核苷磷酸化酶的工程菌构建

使用PCR扩增技术对来源于AEM0812菌株的核苷磷酸化酶基因进行扩增。利用克隆载体pD18-T进行连接,构建重组质粒pMD18-T-deoD,再将其导入Escherichia coli DH5α菌体内,克隆目的基因。利用表达载体pET-28a与目的基因构建重组质粒pET-28a-deoD,导入E.coli BL21(DE3)菌体内,获得工程菌E.coli(deoD)。利用IPTG进行诱导表达,采用SDS-PAGE方法检测到在大约27 KD处出现了明显的蛋白条带,其分子量与已知的嘌呤核苷磷酸化酶(PNPase)的分子量(25.82 KD)一致,这表明在E.coli(deoD)中成功表达出deoD基因,同时表明成功构建了嘌呤核苷磷酸化酶(PNPase)工程菌。     

一种基于人脸序列模式的机车驾驶员疲劳检测方法

驾驶疲劳是导致事故的重要原因,本文在综述基于面部特征的机车驾驶员疲劳检测方法的基础上,提出了基于Gabor变换的人脸特征融合抽取模型,并在此基础上,结合隐马尔可夫模型(HMM)提出基于人脸图像序列的机车驾驶员疲劳检测方法。根据在疲劳和非疲劳状况下人脸模式特征的不同,首先利用Baum-Welch学习方法从疲劳图像序列训练学习得出疲劳模式下的HMM参数;然后,在疲劳模式识别时,把待识别的人脸图像序列表示成Gabor融合特征序列,再利用Viterbi算法计算该特征序列属于疲劳模式的概率值,从而实现对人脸图像序列的疲劳识别;最后,对各种姿态下的不同人脸图像序列数据进行了仿真测试。实验结果表明,与已有基于单幅人脸图像的疲劳识别方法相比,具有更好的疲劳识别性能。%     

机车车载视觉识别系统中的稳像技术研究

提出一种基于特征的机车车载图像配准稳定算法。通过计算视频帧中的特征曲线来估计图像的偏移。算法计算量较低,可以应用快速变化的实时图像序列。对从铁路现场获取的机车车载摄像机视频序列的处理验证本算法的有效性。     

基于随机森林结合前向序列选择算法的铁路隧道防水板检测数据关键影响因素识别北大核心

针对参数特征复杂度高的铁路产品,提出了一种基于随机森林(RF)结合前向序列选择(SFS)算法的铁路产品检验检测数据关键影响因素识别方法,以辅助基于经验的识别方法。创新使用RF-SFS算法,将其应用于铁路隧道防水板检验检测数据关键影响因素的识别研究。根据多年铁路隧道防水板检测数据,建立RF模型,获得了影响铁路隧道防水板检测结果的特征关键性评分序列。随后,结合SFS方法得出关键性评分序列的阈值,将排名前6位的影响因素识别为关键特征,模型的预测能力达到99.98%。为验证关键特征识别方法的有效性,对比分析3种模型在使用不同特征子集时的预测能力。当仅选用关键特征时,3种模型的预测能力均达到最佳,加入冗余特征后模型的预测能力逐渐降低。     

动车组节能运行控制策略仿真分析

依据动车组运行速度、牵引制动特性及运行区间线路特征构建运行能耗数学模型,输出包含最大级位牵引、最大级位制动、小级位牵引、惰行和小级位制动等运行工况的节能运行控制曲线;对运行区间进行离散分区,构成区间分区序列,分区间的运行速度转换点构成速度转换序列;根据最优速度转换序列,组合最大牵引、匀速、惰行及最大制动运行模式,得到最优节能运行控制策略;采用实际线路及列车参数对最短运行时间能耗、司机操作运行能耗和节能策略运行能耗进行仿真分析,输出速度-能耗-里程关系曲线。通过对仿真计算结果与实车测试数据进行分析对比,验证了动车组节能运行控制策略的有效性。     

图像特征识别的m序列列车定位方法

提出一种图像特征识别的m序列列车定位方法,利用m序列(最大周期线性反馈移位寄存器序列)对轨道上的绝对位置进行编码,系通过安装在列车顶部的摄像机依次拍摄由二进制特征标志组成的轨道位置编码。提出基于虚拟轨迹获取目标图像方法,解决同一二进制特征标志重复采集的问题;提出基于BP(向后传播)神经网络的位置编码识别方法,以处理轨道现场环境干扰严重的问题。不同位置上的编码具有唯一性,以此位置编码值作为地址与车载数据库位置信息进行对比,来实现定位。试验结果表明,该方法可以有效地实现列车定位。     

基于混沌理论的铁路客货运量预测研究

应用混沌理论的相空间重构方法,分析与铁路运量相关的12组时间序列,分别计算它们的嵌入延迟时间、嵌入维数、关联维数、最大Lyapunov指数等混沌统计量,并以此为依据判断12组时间序列的混沌特性。结果显示:铁路客货运量及周转量不具有混沌特性,对应的4组时间序列不是混沌的;铁路客货运量、周转量的增量及增长率都具有明显的混沌特性,它们对应的8组时间序列是混沌的。在识别是否混沌的基础上,应用基于最大Lyapunov指数预测方法,对铁路客货运量、周转量进行预测检验及预测结果分析。     

软岩隧道破坏机理及大变形趋势判断研究

隧道软弱围岩特有的工程力学性质以及所处的地质环境是造成大变形灾害的主要因素,严重影响工程进度。从武当群片岩的地质构造环境、物理特性、水理特性等方面分析该类软岩劣化及破坏机理。分析结果显示:软岩的变形破坏是地层岩性、结构偏压、地下水、构造应力等因素随时间交互作用的结果,具有明显的时间效应。在此基础上,选取典型断面的围岩变形监测数据,利用R/S分析法判断各时间序列的变形趋势。Hurst指数计算结果显示典型断面各变形时间序列均呈显著增长趋势,且长期记忆较好,表明大变形现象仍有继续发展趋势,须及时对大变形段采取有效措施。     

基于Box-Jenkins的铁路客运量短期预测

对客运量的发展趋势进行科学预测是铁路客运企业正确进行市场决策的基础。运用Box-Jenkins对某铁路局的客运量进行了预测,结果显示Box-Jenkins模型在分析处理短期客运发送量预测工作中的非平稳时间序列上,具有一定的优势,预测结果可信。     

沪宁城际铁路客流短期预测研究

为提高沪宁城际铁路运营组织效率,通过对沪宁城际铁路短期客运量的时序特征和变化规律的分析,表明短期客运量时间序列是一种具有周期性特征、增长趋势缓慢的非平稳时间序列。在此基础上,建立ARIMA乘积季节模型,并运用该模型对沪宁城际铁路南京站发送量客流进行预测,结果表明ARIMA乘积季节模型具有较好的预测精度,适宜做城际铁路的短期客流预测。     

基于知识元表达的地铁隧道施工事故情景库设计

在地铁隧道施工安全风险管理和应急管理过程中,为充分、高效利用已发生的事故的历史经验,需全面、准确提取事故过程的关键信息,并将其结构化表达。基于知识元理论和情景理论,将事故过程片段化和情景化,提出包括表现层、情景层和知识层的地铁隧道施工事故情景表达通用层次模型。根据15个案例,分析事故特征并提取情景因素信息,提出事故情景知识元表达式;基于此,提出了情景库构建框架和流程以及应用方式。针对某坍塌事故进行了案例分析,结果显示,模型可以简练、完备地表达事故信息,可为应用历史事故大数据指导地铁隧道施工安全风险预警和事故应急决策提供参考。     

基于灰色Verhulst模型的铁路货运量预测研究

针对铁路货运量数据序列特征,将灰色Verhulst模型的建模方法引入铁路货运量的预测,并进行建模计算及预测值精度检验。     

基于径向基神经网络的铁路客货运量预测研究

根据径向基神经网络具有分析非线性动态系统的混沌特性的特点,对铁路客货运发送量相关时间序列进行分析和研究,在Takens相空间重构的基础上,利用互信息方法求嵌入时延、伪邻域方法求嵌入维数;应用G-P方法和最大Lyapunov指数方法对铁路客货运量时间序列进行混沌识别;根据RBF神经网络的学习算法和辨识原理,对铁路客货运量预测流程进行分析。应用径向基神经网络对铁路客货运量自1999-01-01-2012-08-27共4 988 d的发送量为基础进行径向基神经网络预测;并对预测误差进行检验及对预测结果进行分析。研究结果表明：基于径向基神经网络预测值能很好地与实际值相吻合,因而在铁路客货运量相关时间序列中预测有广泛的实用价值。     

基于ICEEMDAN-FE和支持向量机的三电平逆变器的故障诊断技术

为了提高三电平逆变器复杂开路故障诊断的准确率，提出了一种应用“改进自适应噪声完备集合经验模态分解-模糊熵（ICEEMDAN-FE）”和“支持向量机（SVM）”结合的三电平逆变器故障诊断方法。首先，检测信号选取三相负载电压，为降低特征向量的维数，对三相负载电压进行Concordia变换，转换为α-β相电压；然后，通过ICEEMDAN算法提取α-β相电压的特征，得到不同尺度的内禀模态函数（IMF），再利用主成分分析（PCA）降维剔除IMF虚假分量；最后，计算优选的IMF的模糊熵均值作为特征向量，输入到多分类SVM中进行训练分类，进而实现对二极管中点箝位型（NPC）三电平逆变器的故障诊断。仿真试验结果表明，该方法能够有效识别多种开路故障模式，具有抗噪性能强，诊断速度快，诊断精度高等优点。     

一起Lasso和2.4-滴丁酯混合中毒报告

近年来我国农业上应用除草剂Lasso和2.4-滴丁酯日趋广泛,但这两种农药混合引起的中毒未见报道,现将黑龙江省854农场发生一起上述两种农药混合中毒报告如下: 一、中毒情况和临床表现此起中毒事件为饮用Lasso和2.4-滴丁酯混合污染的水引起,246名居民中有137人中毒(55.69％),其中男性60人女性77人,无住院或死亡病例。年龄42天～75岁,其中0～6岁9     

基于机车车载视频序列的人眼疲劳快速定位方法研究

人眼定位是非接触式机车车辆乘务员实时疲劳检测中最基本的关键环节。针对机车车载视频序列进行疲劳检测时存在实时性、鲁棒性要求高的问题,结合计算机视觉和图像处理技术,提出一种多算法融合的人眼疲劳快速定位方法。利用基于Haar-like特征的Ada Boost人脸检测方法检测视频序列中乘务员人脸并设置目标跟踪区域,利用Camshift目标跟踪算法快速定位人脸;基于人脸和人眼的对称性等先验知识,提出比例缩减区域(PRA)的方法快速定位人眼。研究结果表明:该方法可以有效减少误检,适应复杂光照,并具有实时性和鲁棒性,为机车车辆乘务员疲劳实时检测提供理论和实践参考。     

苏州地铁客流波动特性分析

为研究轨道交通客流的波动性,提出使用SARIMA+GARCH这一随机结构作为轨道交通客流的综合时间序列模型。在这个随机结构中,SARIMA模型描述客流时间序列的一阶状态,即均值特征;GARCH模型获得客流时间序列的二阶状态,即条件异方差特征。采用苏州地铁全网客流数据作为分析实例,对5 min、15 min和1 h汇集度的工作日和休息日客流共6组客流数据进行波动性建模、预测与分析,结果表明,SARIMA+GARCH模型具有较好的预测性能。基于各组客流数据的分析结果,分别对工作日与休息日以及不同时间汇集度之间的客流波动特性进行对比,结果表明:休息日客流的波动性强于工作日客流;时间汇集度小的情况下,客流的波动性会更强。     

基于改进小波神经网络的IGBT时间序列预测算法研究

针对IGBT老化失效问题,提出一种基于遗传算法改进的小波神经网络时间序列预测方法。在分析IGBT失效原理的基础上,利用IGBT老化数据集,选取关断瞬时"集电极-发射极"尖峰电压为失效特征参数,采用滑动时间窗法构建训练集与测试集,然后在MATLAB中搭建遗传算法改进的小波神经网络预测模型进行预测,并与传统的小波神经网络预测模型对比分析。试验结果显示,遗传算法改进的小波神经网络预测方均误差为0.017 1,方均根误差为0.130 9,平均绝对误差为0.109 6,分别比传统小波神经网络预测模型降低了0.005 7, 0.020 0, 0.064 0,有效提升了IGBT时间预测的精度。     

铁道客车乘客模型仿真与舒适度分析

为了能够较为准确地对铁道客车乘客乘坐舒适度进行评价,将四自由度和六自由度人体等效模型分别引入到悬挂有车下设备的弹性车体中,建立了一个乘客与车体耦合振动的动力学模型,根据ISO2631-1:1997标准以乘客加权加速度值来评价车辆乘坐舒适度,结果显示加人后得到的舒适度指标值低于未加人的舒适度指标值。