- 聂文博;王书睿;程洁;郑利敏;王艳;
为了探讨复合物中分子间相互作用对单体分子动力学的影响，对CF_3Cl-CO复合物中单体振动谱带基线平移进行了预测。首先，采用二阶多体微扰理论(M?ller-Plesset perturbation theory of second order, MP2)结合扩展相关一致性极化价三重ζ基组(augmented correlation-consistent polarized valence triple-zeta, Aug-cc-pVTZ)对该复合物的5种结构(S1′、S2、S3、S4、A)进行几何优化、频率计算；然后，引入键函数(3s3p2d1f),在包含单激发、双激发和微扰三激发的耦合簇(coupled cluster with single, double, and perturbative triple excitations, CCSD(T))方法结合Aug-cc-pVTZ的水平上计算稳定结构的分子间相互作用能，并对最稳定结构的单体谱带基线平移进行预测。结果表明，S1′为该复合物的最稳定结构，其分子间相互作用能为-3.81 kJ/mol,其能量分解中交换能占比最高为38%。此外，研究中发现了复合物的2个新的稳定结构S4、A,其分子间相互作用能分别为-2.68、-2.72 kJ/mol。单体谱带基线平移预测表明，在S1′结构中，相比于自由单体振动，复合物中CF_3Cl单体的C-Cl键伸缩振动发生了红移，而CO的伸缩振动则表现为蓝移，这表明分子间卤键对分子内动力学存在显著影响。该研究结果为进一步实验测量CF_3Cl-CO复合物光谱提供了理论参考。
2025年02期 v.43;No.126 167-173页 [查看摘要][在线阅读][下载 1427K] [下载次数：3 ] |[引用频次：0 ] |[阅读次数：2 ] - 兰德淼;姚锦坤;黄杰;韦志煜;石广地;肖强;
为了深入探讨大叶黄精(Polygonatum kingianum Var.grandifolium)根茎中核苷酸及其衍生物对2型糖尿病(type 2 diabetes mellitus, T2DM)的潜在治疗效果，采用广泛靶向代谢组学、网络药理学及分子对接进行分析。通过广泛靶向代谢组学和相关数据库获取中药类关键有效成分治疗T2DM的交集靶点，随后对交集靶点进行富集分析，构建“成分-靶点-通路”网络模型，并进行分子对接。结果表明，大叶黄精根茎中核苷酸及其衍生物治疗T2DM的关键有效成分可能为腺苷、尿苷5′-二磷酸和环-3′,5′-腺嘌呤核苷酸；核心靶蛋白可能为AKT1、RAC1、HSPA8和P2RY1;信号通路可能包括Rap1信号通路、核苷酸代谢、赖氨酸降解及嘌呤代谢等。分子对接结果显示，大叶黄精根茎中核苷酸及其衍生物与靶点具有良好的结合活性。该研究证明了大叶黄精根茎中核苷酸及其衍生物治疗T2DM具有多成分、多靶点、多通路的特点，为T2DM药物研发提供了一定的理论基础。
2025年02期 v.43;No.126 174-181页 [查看摘要][在线阅读][下载 3734K] [下载次数：249 ] |[引用频次：0 ] |[阅读次数：3 ] - 林珍红;林媛;吴伟华;李丽婷;
为提升革命菜的资源利用率和增加其附加价值，以革命菜为原料，提取总黄酮并评估其抗氧化活性。采用超声波辅助离子液体技术来提高总黄酮的提取率，探究了超声温度、超声时间、离子液体物质的量浓度以及液料比4个关键因素对提取率的影响情况。在完成单因素实验的基础上，进一步引入Box-Behnken响应面模型来对提取工艺进行优化。结果表明，在超声温度为74℃、超声时间为31 min、离子液体物质的量浓度为0.62 mol/L以及液料比(mL/g)为30∶1的工艺条件下，能够实现最佳的提取效果。在此条件下，实际提取率达到59.30 mg/g,与预测最大值的相对误差仅为0.27%,验证了回归模型对提取过程具有较高的预测精度和可靠性。与热浸提法相比，该方法的总黄酮提取率提高了86.01%。此外，革命菜总黄酮对DPPH·和·OH的清除能力表现出一定的潜力，其半抑制浓度(median inhibition concentration, IC_(50))值分别为64.45 mg/L和150.37 mg/L。该研究表明革命菜总黄酮具有一定的抗氧化活性，为革命菜资源的深度开发和综合利用提供了科学依据。
2025年02期 v.43;No.126 182-188+195页 [查看摘要][在线阅读][下载 2055K] [下载次数：303 ] |[引用频次：0 ] |[阅读次数：0 ] - 蓝志福;
为提高毛豆荚的资源利用率，以毛豆荚为研究对象，使用超声波辅助技术提取其中的多酚化合物，分析了不同工艺条件下多酚提取率的变化，并运用响应面法对提取工艺进行优化。结果表明，当乙醇体积分数为76%、超声温度为71℃、液料比(mL/g)为31∶1和超声时间为40 min时，多酚平均提取率可达59.89 mg/g。与模型预测值对比，相对误差仅为0.16%。进一步的抗氧化实验发现，毛豆荚多酚对DPPH、OH自由基的半抑制浓度(half maximal inhibitory concentration, IC_(50))分别为71.14、169.89 mg/L,表明其具备一定的抗氧化活性。该研究结果验证了响应面法在优化毛豆荚多酚提取工艺上的有效性和可行性，为进一步揭示毛豆荚多酚的抗氧化机制以及开发新型抗氧化剂提供了重要的理论依据。
2025年02期 v.43;No.126 189-195页 [查看摘要][在线阅读][下载 2158K] [下载次数：402 ] |[引用频次：0 ] |[阅读次数：1 ]
- 苏树智;尹欣乐;郑雪佳;戴勇;
针对计算机断层扫描(computed tomography, CT)图像中由肺纤维化病灶结构复杂性与形态异质性导致的诊断难题，提出了基于双路径多层混合网络(dual pathway multi-level hybrid network, DMH-Net)的肺纤维化病灶区域分类方法。首先，设计纹理特征增强模块用于量化病灶微纹理的密度梯度分布，使用校准机制优化视觉变换器(vision transformer, ViT)对形态特征的建模效能；其次，构建基于类曼巴线性注意力(mamba-like linear attention, MLLA)与动态双曲正切激活的动态曼巴变换器(dynamic mamba transformer, DMTransformer)编码器，实现了像素级病灶边界定位；最后，构建全局-局部串联双路径的信息交互方法，实现了宏观形态特征与微观纹理特征的耦合表达。结果表明，DMH-Net模型的准确率比ViT模型提高了16.87%。该研究为肺纤维化智能诊断提供了新的技术范式。
2025年02期 v.43;No.126 196-201页 [查看摘要][在线阅读][下载 2542K] [下载次数：5 ] |[引用频次：0 ] |[阅读次数：2 ] - 朱强军;胡斌;
针对复杂场景交通标志检测存在精确率不高的问题，提出了改进的高效多尺度注意力机制和混合小目标层的你只看一次第8版小型(improved efficient multi-scale attention mechanism and hybrid small target layer-you only look once version 8 small, AMST-YOLOv8s)模型。首先，在主干网络的快速空间金字塔池化(spatial pyramid pooling-fast, SPPF)模块前添加改进的高效多尺度注意力(improved efficient multi-scale attention, IEMA)模块，提高交通标志的检测精确率。其次，添加混合小目标检测层，提高交通标志检测中小目标的检测精确率。最后，通过改进形状交并比(shape-intersection over union, Shape-IOU)得到明智的形状交并比(wise shape-intersection over union, WSIOU)损失函数，代替模型中边界框(complete intersection over union, CIOU)损失函数，增强模型对形状多样化目标的检测能力。在清华-腾讯100K(Tsinghua-Tencent 100k, TT100K)数据集上，AMST-YOLOv8s模型比原YOLOv8s模型的精确率提高了5.33%,召回率提高了11.30%,交并比阈值为0.5时的平均精确率均值提高了7.78%,交并比阈值为0.50～0.95时的平均精确率均值提高了6.67%;在长沙理工大学的中国交通标志检测基准(Changsha University of Science and Technology-Chinese traffic sign detection benchmark, CCTSDB)、库存量单元100K(stock keeping unit 100k, SKU-100K)、视觉无人机(visual drones, VisDrone)、视觉目标类别2007(visual object classes 2007,VOC2007)数据集上，AMST-YOLOv8s模型比原YOLOv8s模型的交并比阈值为0.5时的平均精确率均值分别提高了37.10%、0.50%、10.70%、1.17%。该模型与主流交通标志检测模型相比，具有精确率高、泛化能力强、轻量化等优点。
2025年02期 v.43;No.126 202-209页 [查看摘要][在线阅读][下载 4006K] [下载次数：261 ] |[引用频次：0 ] |[阅读次数：2 ] - 官洲洋;黄勇;谭浩;谭杭;陈进财;
针对柔性印制电路板(flexible printed circuit board, FPC)表面缺陷检测在工业生产中须同时满足高精度识别与高速处理的挑战，提出了基于改进你只看一次第11版纳米型(you only look once version 11 nano, YOLOv11n)的FPC表面缺陷检测模型。主要改进包括：使用纤细颈部(slim-neck)模块，将原YOLOv11n模型颈部网络中的卷积(convolution, Conv)替换为鬼影混洗卷积(ghost shuffle convolution, GSConv),将3尺度卷积双路径可变核(convolutional three-scale kernel-adaptive dual-path, C3K2)结构替换为矢量化鬼影混洗跨阶段部分网络旋涡(vortex of vectorized ghost shuffle cross stage partial, VoVGSCSP)结构；同时引入辅助检测头增强特征提取能力，并采用聚焦型完全交并比(focaler-complete intersection over union, Focaler-CIoU)改进原始损失函数。结果表明，较原YOLOv11n模型，改进YOLOv11n模型的召回率、平均精确率均值分别提升了2.9、2.6个百分点，检测速度达到116.5帧/s,模型参数量减少了0.49%。该模型能有效实现对FPC表面小尺寸和密集缺陷的高精度检测，满足工业生产中精度与实时性的双重要求，为FPC制造业的质量控制提供了可靠解决方案。
2025年02期 v.43;No.126 210-216+300页 [查看摘要][在线阅读][下载 3876K] [下载次数：308 ] |[引用频次：0 ] |[阅读次数：4 ] - 韩栋宇;郭婷;杨高明;朱鹏;宋一帆;
针对当前的面部伪造检测方法在特定伪造操作上表现良好，但其跨数据集泛化能力存在明显不足的问题，提出了基于图像梯度引导重建(image gradient-guided reconstruction, GradGR)的面部伪造检测模型。该模型在图像重建主干的基础上，构建了辅助的梯度重建分支。通过特征传递机制，该分支的中间特征被用来引导主干网络聚焦于梯度所揭示的伪造区域。此外，GradGR模型中还包含了多源特征融合(multi-source feature fusion, MSFF)模块。该模块通过整合编解码器中间特征与双路重建差异，有效加强了跨层级特征的交互，并显著提升了特征融合的效率。结果表明，GradGR模型不仅在数据集内均达到了最优水平，还在跨数据集上较极端初始(extreme inception, Xception)模型的平均准确率提升了3.22%。该模型为面部伪造检测提供了新的研究思路。
2025年02期 v.43;No.126 217-223+258页 [查看摘要][在线阅读][下载 2664K] [下载次数：47 ] |[引用频次：0 ] |[阅读次数：1 ] - 钱藏龙;汤文兵;
为解决无人机航拍图像中小目标检测困难和复杂背景干扰等问题，提出了空间重建卷积和动态上采样-你只看一次第11版(spatital reconstruction convolution and dynamic upsampling-you only look once version 11,SD-YOLOv11)模型，用于路面病害检测。首先，该模型在YOLOv11纳米型(YOLOv11 nano, YOLOv11n)的基础上引入了空间和通道重建卷积模块(spatital and channel reconstruction convolution, SCConv),减少了特征图在空间和通道的冗余信息，提升了特征提取的质量。然后，该模型在多尺度融合阶段采用了动态上采样(dynamic upsampler, DySample),增强了模型的学习能力，并有效提升了小目标检测性能。最后，结合挤压和激励注意力(squeeze-and-excitation attention, SEAttention)机制，减少了背景信息的干扰，提高了病害检测精度。结果表明，与YOLOv11n模型相比，SD-YOLOv11模型在交并比阈值设置为0.50、0.50～0.95之间的平均精确率均值分别上升了8.2%、15.0%,且计算量和参数量得到了优化。SD-YOLOv11模型不仅提高了路面病害检测的准确性，而且体现了减少复杂背景误检方面的优势，为准确检测航拍道路病害提供了高效的解决方案。
2025年02期 v.43;No.126 224-230页 [查看摘要][在线阅读][下载 3163K] [下载次数：339 ] |[引用频次：0 ] |[阅读次数：2 ] - 黎格献;章晓爽;贺永姣;杜阳;张艳莎;王林;
在小样本学习任务中，针对传统的骨干卷积网络在提取图像特征时，由于多层卷积忽视细节特征导致特征信息丢失，因而图像分类准确率不高的问题，提出了基于两阶段特征空间增强的小样本图像分类模型。首先，该模型在残差网络(residual network, ResNet)12的底层引入中值增强的空间和通道注意力块(median-enhanced spatial and channel attention block, MESC);然后，该模型在ResNet12的中高层引入空间组增强(spatial group-wise enhance, SGE)模块，提升卷积神经网络中的语义特征学习能力，使模型有效提取特征图关键信息。该模型通过增强有限的训练样本的特征表示来提高分类性能，增强模型对噪声的鲁棒性。结果表明，该模型在加州理工学院-加利福尼亚大学圣地亚哥分校鸟类(California Institute of Technology-University of California at San Diego birds, CUB)-200-2011数据集上，5类别1样本和5类别5样本2种参数设置下的分类准确率分别比分布传播图网络(distribution propagation graph network, DPGN)模型提高了约5.15%和1.92%;在分层图像网络(tiered ImageNet, tieredImageNet)数据集上，这2种参数设置下的分类准确率分别比DPGN模型提高了约1.04%和0.55%。该模型提升了小样本图像分类任务的性能。
2025年02期 v.43;No.126 231-236+279页 [查看摘要][在线阅读][下载 2432K] [下载次数：67 ] |[引用频次：0 ] |[阅读次数：1 ] - 幸巧巧;李时东;廖钦一;李云翔;
为了缓解能源消耗压力并充分挖掘系统的调度潜力，提出了基于可再生能源发电的第5代移动网络(5th generation mobile network, 5G)基站微电网“规划-运行”双层容量优化模型及快速求解算法。在规划层以全生命周期成本最小化为目标，在调度层以运行成本最小化为目标，通过双层模型的迭代优化输出容量配置与运行调度的最优解。此外，融合逆向精英策略、纵横交叉策略和旋风觅食策略的多策略改进白鲸优化(improved beluga whale optimization, IBWO)算法能够增强全局寻优能力并加快收敛速度。最后，深入分析了5G基站的能耗特性，针对须即时处理的敏感型负荷和可延迟处理的容忍型负荷，构建功耗聚合模型，并调度备用储能，提升调控灵活性。结果表明，相较于粒子群算法、灰狼算法、传统的白鲸算法，IBWO算法在日运行成本上分别降低26.20%、20.54%、20.30%,在年综合成本上分别降低15.39%、12.87%、10.84%。该研究在降低5G基站综合成本和提升系统调度能力方面具有重要作用。
2025年02期 v.43;No.126 237-243+265页 [查看摘要][在线阅读][下载 1434K] [下载次数：122 ] |[引用频次：0 ] |[阅读次数：2 ] - 陈静;丁天启;
针对大容量能源并网时，由于电力电子装置不具备同步发电机具有的转动惯量和阻尼特性导致电网频率波动幅度增加的问题，提出了基于改进型虚拟同步发电机(improved virtual synchronous generator, IVSG)的大容量新能源并网调频控制算法。首先，基于同步发电机数学模型和逆变电路的电量对应关系构建虚拟同步发电机控制算法；接着，使用功率测量代替虚拟同步发电机算法中的功率计算；然后，直接建立电压和无功功率的控制关系以改进无功电压控制环节；最后，通过分析控制量和反馈量的概念来优化功率测量点和电压测量点的位置选取。将IVSG控制算法与传统逆变器控制方式进行对比实验，电网负荷增加时电网频率最低点提高了0.30%;电网负荷下降时电网频率最高点下降了0.95%。实验证明，IVSG并网调频控制算法能够明显降低电网频率波动幅度。
2025年02期 v.43;No.126 244-252页 [查看摘要][在线阅读][下载 3060K] [下载次数：78 ] |[引用频次：0 ] |[阅读次数：2 ] - 魏欣然;何昕怡;杨秀秀;谭寒钟;朱黎;谭建军;
为填补当前穿戴式设备动作识别技术在电工领域应用的空白，提出了基于改进变换器(Transformer)模型的电工手部动作识别和分类方法。首先，通过多传感器数据融合对电工手部动作进行识别和分类，使用弯曲传感器和表面肌电图(surface electromyography, sEMG)电极片采集手指弯曲度和肌电信号，并通过自制系统获取手部运动姿态数据。然后，为应对数据干扰和不稳定性，采用低通滤波器和时间扭曲技术进行预处理。最后，将捕捉全局特征的多头注意力(multi-head attention, MHA)机制和增强局部特征的单头注意力(single-head attention, SHA)机制相结合，解决MHA特征深度不足的问题，提升了动作识别的准确性。结果表明，改进Transformer模型的识别准确率比经典Transformer模型上升了5.21个百分点，能够有效采集并识别常见的电工手部动作。该研究能够为虚拟现实环境中的电工培训提供技术支持，并提高培训效率和作业安全性。
2025年02期 v.43;No.126 253-258页 [查看摘要][在线阅读][下载 1624K] [下载次数：196 ] |[引用频次：0 ] |[阅读次数：1 ] - 范皖北;姜媛媛;
针对传统电力电子电路软故障诊断中信号特征不足且含噪声导致准确性不高的问题，提出了基于融合黄金正弦的自适应反向传播优化-变分模态分解-卷积神经网络-双向长短期记忆(golden sine adaptive backpropagation optimization-variational mode decomposition-convolutional neural network-bidirectional long short-term memory, GSABO-VMD-CNN-BiLSTM)模型的电力电子电路软故障诊断方法。首先，运用GSABO算法优化VMD参数，以解决模态混叠和端点效应问题。然后，结合最小包络熵和最小排列熵构建复合适应度函数，并利用小波阈值函数进行去噪，从而提升数据质量。最后，提取时域特征输入CNN-BiLSTM模型，完成故障诊断。通过对150 W的Boost电路进行实验验证，结果显示，该模型的准确率达到了99.58%,并在不同信噪比下的准确率、召回率等指标上均有不错的表现。该模型能够有效应用于电力电子电路软故障诊断。
2025年02期 v.43;No.126 259-265页 [查看摘要][在线阅读][下载 2760K] [下载次数：192 ] |[引用频次：0 ] |[阅读次数：1 ] - 胡钰航;廖宇;崔琨;李景聪;
为解决电动汽车锂离子电池健康状态(state of health, SOH)预测精度不足及传统模型泛化能力差的问题，提出了基于自注意力-因果膨胀卷积-门控循环单元-自动编码器(self attention-causal dilated convolution-gated recurrent unit-autoencoder, SA-CDC-GRU-AE)模型的锂离子电池SOH估计方法。在卷积模块中引入CDC模块，并结合SA机制，保证预测中的因果性，抑制了锂离子电池容量再生现象对预测结果的干扰。此外，引入AE模块优化GRU模型，使其兼具隐藏特征提取和长期依赖捕捉的能力。在2个公开数据集上进行验证，结果表明，SA-CDC-GRU-AE模型在2个数据集上的均方根误差(root mean square error, RMSE)平均值分别为1.009%、0.488%,平均绝对误差(mean absolute error, MAE)平均值分别为0.780%、0.432%。SA-CDC-GRU-AE模型能准确估计锂离子电池SOH,对电池管理系统具有重要的工程应用价值。
2025年02期 v.43;No.126 266-271页 [查看摘要][在线阅读][下载 1687K] [下载次数：230 ] |[引用频次：0 ] |[阅读次数：1 ]