目的探究颈内静脉呼吸塌陷指数、左心室射血分数等指标在预测患者容量反应性中的价值。方法本研究为前瞻性临床性研究,选取56名机械通气情况下诊断为急性循环衰竭的患者。患者在输入500ml胶体前后分别使用床旁超声测量其左心室射血分数和颈内静脉呼吸周期中最大前后径IJVmax、最小前后径IJVmin,计算颈内静脉塌陷指数为(IJVmax-IJVmin)/IJVmax×100%,并同时测量并计算出中心静脉压力及下腔静脉塌陷指数。通过分析相关指标的敏感度、特异度和受试者功能曲线来评估颈内静脉呼吸塌陷指数、左心室射血分数、中心静脉压力及下腔静脉塌陷指数等指标在预测容量反应性中的价值。结果56例患者中容量反应性者有32人,占57%,无反应者有24人。扩容前后颈内静脉呼吸塌陷指数IJV_R与?SV呈正相关性(r=0.809,P

关键词：急性循环衰竭;;重症超声;;容量反应

查看摘要 索取原文[0页]

针对机械零件在合格检测过程中不能直接接触测量几何参数的问题,提出通过利用实际物体的图像信息,提取目标图像的边缘轮廓,从而判断该机械零件是否符合要求。首先,建立双目立体视觉系统的硬件平台,通过分析双目视觉系统的数学模型,并采取一定措施将外界环境和系统平台的之间的误差和干扰降到最低,有效地提高边缘检测的精度;然后对相机存在的畸变进行标定,获得摄像机的畸变和内、外参数,为下一步的边缘检测打下基础;最后,在边缘检测方面,对经典边缘检测算法中的Sobel算法、Log算法、Laplacian算法、Canny算法进行了分析研究,并通过实验对不同的算法进行比较,根据分析结果提出了一种基于Laplacian算法改进的新算法。研究结果表明,改进的新算法相对于其他算法而言,检测目标物体的边缘轮廓更加清晰且不存在伪边缘,验证了新算法在边缘检测方面精度更高,从而有效地提高了机械零件几何尺寸的测量精度。

关键词：机械齿轮;;双目立体视觉;;相机标定;;边缘检测

查看摘要 索取原文[0页]

在企业的固定资产中,机械设备是一个重要组成,通过采取诊断机械设备故障的技术,及时检测和预测出机械设备在使用中的故障,并开展规范化的维修,以提高机械设备的使用效率。本文主要介绍机械设备故障发生的类型和原因,并探讨诊断机械设备的技术和维修管理措施。

关键词：机械设备;;故障诊断;;维修管理

查看摘要 索取原文[0页]

机械设备在运转过程中会产生振动与冲击,这些振动信号中包含大量的设备状态信息,振动信号的分析与处理对于机械设备状态监测与故障诊断具有重要意义。然而在实际应用中,由于现场环境复杂,所测得的振动信号往往含有大量噪声,使得蕴含设备状态信息的特征信号比较微弱甚至被噪声淹没,极大地影响了对机械设备的监测与故障诊断。针对此问题,本文结合国家自然科学基金项目“微弱冲击信号的识别和提取技术研究”(编号:51175466)开展了“微弱机械冲击信号的检测与提取方法研究”的博士论文研究,对强背景噪声下微弱冲击信号的检测与提取方法进行了系统研究,分别从微弱信号的检测、多源故障信号分离、时域和频域特征提取等方面提出了微弱冲击信号的分析处理方法。论文的主要研究内容如下:针对微弱冲击信号的检测与提取问题,提出了一种基于自适应Morlet小波变换的微弱冲击信号检测方法。按照最小香农熵准则按顺序优化母小波的中心频率和带宽参数,以参数优化后的Morlet小波对含有强噪声的冲击信号进行小波变换,获得若干小波系数,随后以峭度为指标筛选出包含冲击成分的系数,最后将筛选出的系数通过逆小波变换重构冲击信号,从而实现噪声抑制与微弱信号的检测与提取。仿真实验结果表明该方法能够有效去除噪声,并且在低信噪比下仍然优于其他方法。针对多源混合故障信号的分离问题,提出了一种基于独立成分分析(Independent Component Analysis,IC A)的故障多源信号分离方法。首先详细阐述了盲源分离(Blind Source Separation,BSS)问题与独立成分分析算法的原理。采用基于负熵的对称(平行)正交化估计多个独立成分的FastICA算法,对多路加速度传感器采集到的振动信号进行盲源分离,随后对得到的几组独立成分进行共振解调处理,最后通过频谱分析确认包含故障特征的独立成分,实现特定故障特征冲击信号的分离。通过对仿真信号和轴承点蚀故障信号的分析和处理,验证了该方法能够从多测点多传感器的混合信号中分离出故障信号。针对微弱冲击信号的故障源定位问题,提出了一种基于希尔伯特黄变换(Hilbert-Huang Transform,HHT)和赤池信息准则(Akaike Information Criteria,AIC)的冲击信号起振点确定方法。该方法首先利用经验模态分解(Empirical Mode Decomposition,EMD)将信号分解为若干模态,随后对各模态进行希尔伯特变换求得各模态的瞬时频率,并搜寻其AIC方程的最小值,对应的采样点即为冲击信号的起振点。仿真实验结果表明该方法能够准确得到冲击信号的起振点,随着背景噪声的增强依然保持良好的准确性与稳定性。针对旋转类机械故障周期性冲击信号特征提取问题,提出了基于数学形态学滤波的冲击信号频率特征提取方法。该方法以形态学滤波后故障特征频率对应幅值为指标,对结构元素的长度以及形态学滤波器的尺度两个参数进行了二维寻优,得到最优的形态学滤波器,并以此对冲击信号进行滤波处理,得到其中的周期性冲击成分并提取频率特征。通过对仿真冲击信号和实际轴承点蚀故障信号的处理和分析,验证了该方法能够在强背景噪声下最大限度地提取周期性冲击信号的频率特征。

关键词：机械冲击信号;;微弱信号检测;;自适应Morlet小波变换;;希尔伯特黄变换;;赤池信息准则;;独立成分分析;;形态学滤波

查看摘要 索取原文[0页]

目的研究肺部超声评分(LUS)对机械通气患者拔管成功率的预测价值,早期识别拔管失败高风险率患者,指导拔管后序贯治疗。方法采用前瞻性研究方法,选取急诊重症监护病房(EICU)机械通气超过48h,成功通过自主呼吸试验(SBT)准备拔管患者81例,拔管前进行床旁肺部超声评估,拔管后根据患者撤机成功与否分为两组,比较两组拔管前LUS的差异,用受试者工作特征(ROC)曲线评价其对拔管失败的预测效能。结果两组患者年龄、性别差异无统计学意义(P>0.05)。纳入81例患者中,27例患者拔管失败,出现不同程度呼吸窘迫征象:呼吸频率(RR)增加,心率(HR)增快,氧饱和度(SpO_2)下降等,需要使用无创机械通气或经鼻高流量给氧方式有效缓解呼吸困难。拔管失败组中10例患者经上述治疗无效后需要再插管,1例在拔管24h内死亡。54例患者成功撤机拔管。LUS评分除了与HR、pH值无相关性(r=0.15、0.02,P>0.05)外,与RR(r=0.43)、经皮指脉SpO_2(r=-0.76)、PaP_2(r=-0.58)、PaCO_2(r=0.62)指标均有相关性(P

关键词：呼吸,人工;;肺部超声;;自主呼吸试验;;拔管

查看摘要 索取原文[0页]

介绍775/65R29低断面无内胎工程机械子午线轮胎的设计。结构设计:外直径1 735 mm,断面宽766mm,行驶面宽度658.76 mm,行驶面弧度高36.5 mm,胎圈着合直径727.8 mm,胎圈着合宽度622.3 mm,断面水平轴位置(H_1/H_2)0.82,花纹深度46 mm,花纹饱和度58.5%,花纹周节数26。施工设计:采用胎面胶和基部胶缠绕工艺,1~#和2~#带束层采用7×7×0.22+0.15HT钢丝帘线,3~#和4~#带束层采用3×7×0.22HE高伸长钢丝帘线,胎体采用3+9+15×0.245HT钢丝帘线,采用分段法成型机成型、硫化机硫化。成品性能试验结果表明,成品轮胎的外缘尺寸、耐久性能和TKPH值均达到设计和相关标准要求。

关键词：工程机械子午线轮胎;;无内胎轮胎;;低断面;;结构设计;;施工设计;;TKPH值

查看摘要 索取原文[0页]

目的了解机械振动排痰辅助治疗小儿湿性咳嗽的疗效。方法抽选30例因患湿性咳嗽、于2014年5月~2017年5月间在本院治疗的患儿,随机分组:予以机械振动排痰治疗的15例作试验组,予以人工叩击法排痰治疗的15例作对照组,对比2组疗效。结果治疗后,试验组有效率93.33%,比对照组73.33%高,(P<0.05)。结论对小儿湿性咳嗽展开机械振动排痰治疗,疗效确切。

关键词：机械振动排痰;;小儿湿性咳嗽;;临床疗效

查看摘要 索取原文[0页]

再制造产业作为战略性新兴产业之一,已经越来越受到广泛关注.煤炭机械由于其重量大、单件价值高、不间断运行的服役特点,零件的再制造潜力巨大.针对目前煤炭机械行业的再制造发展现状,分析了今后的发展方向,同时分析了几种目前正在逐步形成产业化的再制造技术.

关键词：煤炭机械;;再制造技术;;电刷镀;;热喷涂;;激光修复;;物理气相沉积

查看摘要 索取原文[0页]

项目教学法可以培养学生的创新能力、动手能力以及团队合作精神。文章对项目教学法的特点,项目教学法应用于中职机械制图教学中的作用以及方法进行研究,以提高中职机械制图课程的教学质量和效率。

关键词：项目教学法;;中职;;机械制图;;应用;;教学质量;;创新能力;;实践能力

查看摘要 索取原文[0页]

机械臂视觉伺服控制是机器人领域的一个重要的研究方向,随着工业的快速发展,工业机械臂的应用越来越广泛。基于图像的无标定视觉伺服策略能够有效避免逆运动学运算、摄像机标定等问题,该方法的伺服控制系统具有结构简单,运算复杂度小,控制精度高等优点。本文围绕图像雅可比矩阵在线辨识策略设计和图像特征空间到机械臂运动空间的映射关系等问题进行了研究。论文主要研究内容分为2个部分,第一,本文将极限学习机(ELM)这种训练单隐层前馈神经网络的方法用到了图像雅可比矩阵估计的策略中,用极限学习机对基于卡尔曼滤(KF)的图像雅可比矩阵估计策略进行优化,并设计了基于模糊逻辑(FL)增益自适应和极限学习机优化的卡尔曼滤波图像雅可比矩阵在线估计的机械臂视觉伺服系统。解决了基于卡尔曼滤波图像雅可比矩阵在线估计方法的机械臂视觉伺服系统在收敛速度慢、图像雅可比矩阵估计精度低等缺陷。第二,本文将多元自适应回归样条(MARS)和在线序列极限学习机(OS-ELM)的混合方法用于预测机械臂末端执行器的速度中,用多元自适应回归样条(MARS)方法对训练样本进行重要性评估,提高了算法的预测性能,与基于状态估计的方法相比,避免了运动学、逆运动学、深度信息等计算问题,提高了算法的实时性。围绕上述研究内容,本文的创新性如下所示:(1)针对基于KF算法的无标定手眼系统对机器人系统扰动误差和噪声统计误差的不稳定且系统收敛速度慢等问题,提出了一种卡尔曼滤波极限学习机(KFELM)和FL增益自适应的基于图像的视觉伺服(IBVS)控制系统。具体而言,首先建立基于KF的图像雅克比矩阵在线辨识模型。针对基于KF图像雅可比矩阵在线辨识方法存在的对机器人系统的扰动引起的误差和有色噪声引起的噪声统计误差的不稳定情况,设计了一种基于ELM的图像雅可比矩阵误差补偿模型,对KF得到的次优估计进行误差补偿。又根据图像特征误差反馈,设计了一种基于图像特征误差反馈的FL速度控制器增益自适应方法,并提出了一种FL和KFELM相结合(FL-KFELM)的视觉伺服控制方案。将本文提出的方法应用于眼在手(EIH)模型的PUMA 560 6-DOF机械臂控制中,仿真结果表明,这种基于FL-KFELM的视觉伺服控制方法与其它算法相比在系统的收敛速度和图像雅可比矩阵的估计精度具有显著的优势。(2)针对经典IBVS系统中存在的图像雅克比矩阵计算复杂、系统收敛速度慢和视觉伺服实时性差等问题,提出了一种基于多元自适应回归样条(MARS)和在线序列极限学习机(OS-ELM)混合的回归模型(MOS-ELM),并用于IBVS控制的机械臂末端执行器速度预测。为了提高OS-ELM的预测性能,用MARS对输入特征进行重要性评估,选择重要特征作为OS-ELM输入特征,以此构建了 MARS和OS-ELM的混合模型。通过与OS-ELM和一些改进的OS-ELM的仿真结果进行比较,证明了提出的MOS-ELM具有更好的泛化性能和稳定性。最后,将提出的方法应用于眼在手(EIH)模型的PUMA560 6-DOF机械臂控制中,仿真实验证明算法能够应用于IBVS控制中,并且具有良好的性能。

关键词：机械臂;;视觉伺服;;图像雅可比矩阵;;极限学习机;;卡尔曼滤波;;多元自适应回归样条

查看摘要 索取原文[0页]