检索结果-南通市图书馆

MYH9基因突变导致家系遗传性血小板减少的临床分析

在线全文

学校读者我要写书评

暂无评论

中国优生与遗传杂志 2024年第3期32卷 563-567页

作者：倪小梅王科重庆市永川区人民医院检验科重庆402160

目的探讨引起就诊患者血小板减少的原因,明确家族遗传性血小板减少症的诊断。方法采用血常规和血涂片镜检检测外周血血小板数量和形态以及中性粒细胞包涵体改变,生化分析仪检测就诊患者肝肾功能指标改变,外周血基因组DNA提取,高通量测... 详细信息

目的探讨引起就诊患者血小板减少的原因,明确家族遗传性血小板减少症的诊断。方法采用血常规和血涂片镜检检测外周血血小板数量和形态以及中性粒细胞包涵体改变,生化分析仪检测就诊患者肝肾功能指标改变,外周血基因组DNA提取,高通量测序检测患者基因突变类型。结果家系遗传性血小板减少患者肝肾功能正常,血小板显著减少,出现巨大血小板及中性粒细胞淡蓝色包涵体,所有患病者均出现典型血液系统“三联征”,遗传性血小板减少患者发生MYH9基因错义突变c.5521G>A(***1841Lys)。结论血常规检测联合高通量测序可明确MYH9基因突变导致家系遗传性血小板减少病因诊断,可防止临床因误诊特发性血小板减少性紫癜而过度治疗。

关键词： MYH9基因 MYH9-RD 血小板减少症基因突变基因测序

Risk Index Prediction of Civil Aviation Based on Deep Neural Network

在线全文

学校读者我要写书评

暂无评论

Transactions of Nanjing University of Aeronautics and Astronautics 2019年第2期36卷 313-319页

作者： ni xiaomei WANG Huawei CHE Changchang College of Civil Aviation Nanjing University of Aeronautics and Astronautics

Safety is the foundation of sustainable development in civil *** catastrophic accidents are rare,indicators of potential incidents and unsafe events frequently ***,a history of unsafe data are considered in predicting safety risks.A deep learning method is adopted for extracting reactions in safety *** deep neural network(DNN)model for safety risk prediction is shown to extract complex data characteristics better than a shallow network *** extended unsafe data and monthly risk indices,hidden layers and iterations are *** effectiveness of DNN is also revealed in comparison with the traditional neural *** early risk detection using the method in the paper,airlines and the government can mitigate potential risk and take proactive measures to improve civil aviation safety.

关键词： unsafe events risk index neural network denoising auto encoder

An Ensemble Classification Model Based on Imbalanced Data for Aviation Safety

在线全文

学校读者我要写书评

暂无评论

Wuhan University Journal of Natural Sciences 2021年第5期26卷 437-443页

作者： ni xiaomei WANG Huawei LV Shaolan XIONG Minglan Civil Aviation College Nanjing University of Aeronautics and AstronauticsNanjing 21106JiangsuChina

Nowadays aviation accidents have become one of the major causes of severe injuries and fatalities around the world. This attracts the research community to look into aviation safety by applying data analysis techniques based on an advanced machine learning algorithm. An ensemble classification model based on Aviation Safety Reporting System(ASRS) has been proposed to analyze aviation safety targeting the people injured in the *** ensemble classification model shall contain two modules: the data-driven module consisting of data cleaning, feature selection,and imbalanced data division and reorganization, and the modeldriven module stacked by Random Forest(RF), XGBoost(XGB),and Light Gradient Boosting Machine(LGBM) separately. The results indicate that the ensemble model could solve the data imbalance while vastly improving accuracy. LGBM illustrates higher accuracy and faster run in the analysis of a single model of the ASRS-based imbalanced data, while the ensemble model has the best performance in classification at the same time. The ensemble model proposed for imbalanced data classification can provide a certain reference for similar data processing while improving the safety of civil aviation.

关键词： aviation safety Aviation Safety Reporting System(ASRS) ensemble model imbalance data classification Light Gradient Boosting Machine(LGBM)

在线全文

学校读者我要写书评

暂无评论

基于降噪自编码器的航空发动机性能退化评估

航空动力学报 2018年第8期33卷 2041-2048页

作者：洪骥宇王华伟倪晓梅南京航空航天大学民航学院南京210016

针对航空发动机性能退化的形式及规律,提出一种基于降噪自编码器的航空发动机性能退化评估方法。针对采集的航空发动机6个状态监测参数,采用降噪自编码器,利用贪婪逐层训练算法,挖掘各参数对发动机性能的深层影响,提取出更有利于评估的... 详细信息

针对航空发动机性能退化的形式及规律,提出一种基于降噪自编码器的航空发动机性能退化评估方法。针对采集的航空发动机6个状态监测参数,采用降噪自编码器,利用贪婪逐层训练算法,挖掘各参数对发动机性能的深层影响,提取出更有利于评估的数据特征,进行性能退化评估。将提出的算法与BP(back propagation)神经网络以及支持向量机得到的结果进行测试比较,测试表明:提出的方法准确率有所提高,达到93.5%,具有较强的鲁棒性,在信噪比为10dB时准确率达到84.5%,并且能够防止航空发动机状态监测中小样本过拟合的问题。

关键词：状态监测性能退化降噪自编码器深度学习鲁棒性

在线全文

学校读者我要写书评

暂无评论

基于SOM和关联规则的民机运行风险

北京航空航天大学学报 2022年第11期48卷 2325-2334页

作者：熊明兰王华伟倪晓梅蔺瑞管南京航空航天大学民航学院南京211106

为充分认知民机风险,实现从事故中学习,以重大民机事故(MCAA)为研究对象挖掘出事故深层次的致因特征。针对MCAA信息具有可读性差,系统行为具有非线性导致的无法直接获取运行风险信息,难以直接建立事故致因的关联与映射关系,提出一种从M... 详细信息

为充分认知民机风险,实现从事故中学习,以重大民机事故(MCAA)为研究对象挖掘出事故深层次的致因特征。针对MCAA信息具有可读性差,系统行为具有非线性导致的无法直接获取运行风险信息,难以直接建立事故致因的关联与映射关系,提出一种从MCAA中学习民机运行风险特征的方法。针对民机运行特点,结合事故信息及认知可靠性和失误分析方法(CREAM),设计出MCAA-CREAM模型,并构建民机多属性技术重大事故数据集。采用自组织映射(SOM)模型,完成对事故的聚类分析和抽象特征映射,以2D地图形式增强风险因素可读性,利用关联规则有效挖掘风险因素间的强关联关系。

关键词：民机安全风险特征事故分析自组织映射模型关联规则

在线全文

学校读者我要写书评

暂无评论

基于深度残差收缩网络的滚动轴承故障诊断

北京航空航天大学学报 2021年第7期47卷 1399-1406页

作者：车畅畅王华伟倪晓梅蔺瑞管南京航空航天大学民航学院南京210016

滚动轴承的准确故障诊断是确保机械设备安全可靠运行的必要手段。针对多故障、长时间序列的滚动轴承振动信号,提出了一种基于深度残差收缩网络(DRSN)模型的故障诊断方法。首先,根据采集到的滚动轴承数据构造故障样本,针对多种故障类型... 详细信息

滚动轴承的准确故障诊断是确保机械设备安全可靠运行的必要手段。针对多故障、长时间序列的滚动轴承振动信号,提出了一种基于深度残差收缩网络(DRSN)模型的故障诊断方法。首先,根据采集到的滚动轴承数据构造故障样本,针对多种故障类型下的长时间序列的振动信号,按照一定尺寸将长时间序列矩阵化,构成多故障类型的灰度图故障样本。从正常到故障的滚动轴承性能退化过程,通过多个采样点的随机采样,构造全寿命周期的故障样本用于故障诊断。其次,在多层深度学习模型基础上,将残差收缩网络模块加入到卷积神经网络(CNN)中构建深度残差收缩网络模型用于故障诊断,其中通过将残差项加入到网络中训练解决了多层网络模型的模型退化问题,利用软阈值化实现了样本降噪。最后,为了验证所提方法的有效性,采集了滚动轴承的多故障时间序列样本和全寿命周期故障样本用于故障诊断。实例验证的结果表明:所提深度残差收缩网络模型在处理含噪声样本时仍具有良好的鲁棒性,多层网络模型下没有明显的网络退化,能够保持较高的故障诊断正确率。在处理2种轴承故障数据集时,与其他模型相比,所提方法训练误差更低,平均故障诊断正确率提高1%~6%。

关键词：滚动轴承故障诊断深度残差收缩网络(DRSN) 卷积神经网络(CNN) 软阈值化

在线全文

学校读者我要写书评

暂无评论

基于文本挖掘的民航事件风险评估

湖南大学学报（自然科学版） 2022年第6期49卷 73-79页

作者：倪晓梅王华伟熊明兰王峻洲南京航空航天大学民航学院江苏南京210016

为实现“安全第一、预防为主、综合治理”的民航安全管理目标,建立了从报告中学习并评估风险等级的深度学习模型.首先采集航空安全报告系统中10年报告,根据严重度建立事件后果的量化指标,确定5个风险等级:高、中高、中、中低和低风险,... 详细信息

为实现“安全第一、预防为主、综合治理”的民航安全管理目标,建立了从报告中学习并评估风险等级的深度学习模型.首先采集航空安全报告系统中10年报告,根据严重度建立事件后果的量化指标,确定5个风险等级:高、中高、中、中低和低风险,并消除事件结果分布不平衡和结果多样性的影响.然后应用卷积神经网络(Convolutional Neural Network,CNN)探索非结构化的事件概要与风险等级之间的关系,通过该模型对事件进行分类,确定风险等级.风险评估模型与不同量化指标和不同方法对比,其分类准确率可达96%,优于其他指标和方法.最后应用该模型对非结构化的事件概要挖掘,对2020年事件进行快速的风险评估,预测准确率可达80%.基于CNN的民航风险评估模型可以对文本格式的事件概要充分挖掘,快速评估与主动感知风险,对支持安全预警具有重要意义.

关键词：民航安全风险评估安全预警文本挖掘卷积神经网络

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

改进降噪自编码的航空发动机气路故障诊断

振动．测试与诊断 2019年第3期39卷 603-610,675页

作者：洪骥宇王华伟车畅畅倪晓梅南京航空航天大学民航学院

为提高故障诊断准确度,针对航空发动机气路故障中状态参数非线性强且易受噪声污染的问题,提出一种改进降噪自编码的航空发动机气路诊断方法。该方法在降噪自编码器(denoising autoencoder,简称DAE)基础上,采用改进萤火虫算法(firefly al... 详细信息

为提高故障诊断准确度,针对航空发动机气路故障中状态参数非线性强且易受噪声污染的问题,提出一种改进降噪自编码的航空发动机气路诊断方法。该方法在降噪自编码器(denoising autoencoder,简称DAE)基础上,采用改进萤火虫算法(firefly algorithm,简称FA)优化的径向基(radial basis function,简称RBF)神经网络,进行航空发动机故障诊断,DAE能够提取出更利于故障诊断的深层鲁棒特征。为了进一步提高算法的诊断准确度,引入惯性权重与自适应光强因子的改进FA来优化RBF网络从而得到萤火虫径向基(firefly radial basis function,简称FRBF)网络,再将DAE提取的特征导入其中进行故障诊断。通过实例,将提出方法与原始DAE、单独的FRBF、支持向量机(support vector machine,简称SVM)和RBF这4种算法进行对比,结果表明,所提出方法诊断精度最高,达到98.1%,且算法性能稳定,鲁棒性也优于其他几种方法。

关键词：航空发动机故障诊断降噪自编码萤火虫算法径向基网络

在线全文

学校读者我要写书评

暂无评论

基于深度学习的航空发动机故障融合诊断

北京航空航天大学学报 2018年第3期44卷 621-628页

作者：车畅畅王华伟倪晓梅洪骥宇南京航空航天大学民航学院南京210016

通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合算法的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机的大量性能参数,先利用深... 详细信息

通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合算法的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机的大量性能参数,先利用深度学习模型提取出性能参数中的隐藏特征,得出故障分类置信度;其后对多次故障分类结果进行决策融合,从而得出更准确的诊断结果。将普惠JT9D发动机故障系数用于数据仿真,通过算例验证本文算法的有效性;算例计算结果表明:多次实验结果经数据融合提高了可信度,该模型具有较高的故障分类诊断准确性和抗干扰能力。

关键词：深度学习故障诊断决策融合抗干扰能力航空发动机