基于移动时间窗和时空窗主成分分析组合特征的损伤识别方法

近年来，机器学习算法在结构损伤识别领域得到了广泛应用。已有研究表明，设计良好的输入特征能够适应多种算法，从而减少调参时间和计算成本，并提高算法的识别准确率。本文引入移动主成分分析和时空窗主成分分析方法提取损伤敏感的特征组合作为机器学习输入，使用双跨平面梁有限元模型生成的模拟应变数据对组合特征的损伤识别效果进行验证。结果表明，良好的特征向量组合对损伤更加敏感，不仅有助于识别在传感器周围发生的损伤，而且能有效地定位结构边缘和远离传感器位置处的损伤，从而提高算法的损伤识别效果。此外，多种噪声强度下的实验表明，组合特征具有良好的鲁棒性，能较好地适应外界环境的变化。     

基于UPLC-Q/TOF MS技术探讨竹节参总皂苷对HepG2细胞脂质代谢的改善作用

基于细胞代谢组学技术研究竹节参总皂苷改善HepG2细胞脂质代谢的机制。应用棕榈酸和油酸诱导HepG2细胞脂质沉积模型，竹节参总皂苷干预24 h后进行油红O染色和甘油三酯分析。采用改良的Bligh-Dyer法将细胞内源性代谢物分为极性和非极性部位，运用超高效液相色谱-四极杆飞行时间质谱（UPLC-Q/TOF MS）技术检测代谢物，结合多元统计分析和火山图筛选差异代谢物，并富集代谢通路。结果显示，竹节参总皂苷可显著改善HepG2细胞脂质沉积模型的脂质代谢。从极性部位鉴定了34个差异代谢物，主要为脂肪酸和氨基酸类成分；从非极性部位鉴定了28个差异代谢物，主要为磷脂酰胆碱、磷脂酰乙醇胺、神经酰胺类成分。差异代谢物在竹节参总皂苷干预后均有恢复至正常水平的趋势。该研究提示竹节参总皂苷改善HepG2细胞脂质沉积模型的脂质代谢与调控鞘脂代谢、甘油磷脂代谢、脂肪酸代谢、炎症反应密切相关。     

基于组合荷载响应特征融合的桥梁结构智能损伤识别方法

桥梁在运营过程中面临着组合荷载的复杂环境，因此发展组合荷载下的损伤识别方法具有重要意义。本文提出了一种基于组合荷载响应特征融合的桥梁结构智能损伤识别方法，基于移动主成分分析对自重静载、温度准静态荷载、动态荷载下的结构响应数据分别进行特征挖掘，并将不同荷载下第一特征向量的组合作为机器学习模型的输入，建立结构的损伤识别方法。最后，以双跨连续梁的仿真模型进行了验证，研究结果表明，即使在大噪声水平下，以组合荷载特征向量进行损伤定位和定量的准确率分别可达91.65%和97.22%,比传统的单荷载下的准确率最高分别提升了32.40%和18.00%,表现出优异的损伤检测性能和抗噪性。