基于深度宽卷积残差收缩网络的球磨机负荷状态诊断

针对磨矿复杂工况下球磨机负荷状态准确诊断的难题,提出一种基于深度宽卷积残差收缩网络（Deep Wide Residual Shrinkage Networks, DWRSNs）的球磨机负荷状态诊断方法.首先采用宽卷积神经网络提取振动信号短时特征,建立三层深度残差收缩网络,利用软阈值函数进行非线性变换,再基于注意力机制模块自主学习阈值提取面向负荷状态的高级特征,通过全连接层、softmax层实现球磨机负荷状态的准确分类与判别.实测结果证明,本文提出的DWRSNs方法的拟合度、收敛速度及学习能力均优于现有DCNNs、ResNets和DRSNs诊断方法,且提取的振动信号特征具有高代表性,经TSNE可视化后簇内紧密度高、簇间分界明显.本文方法诊断测试集的准确率超过99%,交叉熵损失为0.077 2,相较于现有负荷状态诊断方法具有更高的准确率且诊断耗时更短,可实现球磨机负荷状态的准确判别,为选冶磨矿过程优化控制、提高磨矿效率提供有效、可靠的判据.     

纳米零价铁富集水体中的铀

应用纳米零价铁(nZVI)富集水体中的铀不但能够回收珍贵的铀资源,同时还可以避免放射性物质对环境的污染.研究结果表明纳米零价铁可快速高效地分离水体中的铀.nZVI对铀的最大富集负荷达到920.16 mg/g,溶液中铀离子的质量浓度可降低至0.03 mg/L以下.弱酸性的水质条件促进nZVI对铀的分离,且分离和还原效率随着nZVI投加量的增加、HCO-₃浓度的降低而升高.高浓度的铀离子可水解形成UO₃·2H₂O沉淀,但Fe⁰和Fe²⁺的还原作用是nZVI分离铀离子的主要反应机理.nZVI富集尾矿水中铀资源的过程中可同步去除多种共存重金属污染物.     

高危非致残性脑血管病——强化治疗的新方向

 脑血管病是中国居民死亡率最高的疾病,同时也是引起成人致残的最主要原因之一,其中高危非致残性脑血管病以其临床最常见、病情早期不稳定、复发风险高、及时治疗获益大等特点,近年来逐渐受到广泛关注。本项目组10余年来一直致力于寻找脑血管病的最佳干预人群、创新优化抗栓治疗方案、探寻个体化治疗新方法等,本文结合项目组取得的一系列研究结果,从高危非致残性脑血管病的早期高效识别、有效强化治疗新方案、个体化精准治疗新策略3方面内容对该类型脑血管病进行综述。