肿瘤是一种严重威胁我国居民生命健康的重大疾病。现有的肿瘤诊断方式存在诊断时间长、创伤严重和误判率高等问题,且严重依赖于医生的主观经验。因此,研究出具有智能属性的肿瘤诊断技术对于提升我国的肿瘤诊断水平具有重要意义。拉曼光谱技术是一种无需标记的光学技术,在肿瘤的良恶性判别、肿瘤的亚型分类、切片病理诊断、原位近实时成像等方面被广泛应用。此外,人们将拉曼光谱与人工智能结合发展了具有智能属性的诊断方式。本文主要综述了近三年拉曼光谱技术在各种类型肿瘤诊断上的研究进展,主要从常规拉曼光谱诊断、拉曼成像诊断与探头结合光谱诊断三方面展开介绍,并对拉曼光谱技术在肿瘤诊断中的应用前景进行了展望。

为了实现轴承故障智能诊断, 对基于信息融合的机器人薄壁轴承故障智能诊断方法进行研究。首先, 采用声发射和振动传感器, 搭建了机器人薄壁轴承试验与多信息数据采集系统; 然后, 以薄壁单列角接触球轴承ZR71820为对象, 在轴承外圈、内圈和滚动体上分别制作点蚀、裂纹缺陷, 用正交试验法采集不同缺陷类型、不同当量载荷及不同转速状态下薄壁轴承在试验过程中的声发射和振动信号; 最后, 选取时域中均方根值和峭度指数及频域中均方根频率作为振动、声发射信号的特征参数, 分别进行了基于单一振动、声发射信号的薄壁轴承故障诊断, 并采用SOM与BP神经网络将试验过程中的振动和声发射信号的特征信息进行融合, 研究了基于信息融合的机器人薄壁轴承故障智能诊断技术。结果表明: 基于振动信号故障诊断的正确率为85.7%; 基于声发射信号故障诊断的正确率为81.0%; 基于BP神经网络信息融合故障诊断的正确率为93.5%; 基于SOM神经网络信息融合故障诊断的正确率为95.2%。基于SOM神经网络信息融合的薄壁轴承故障智能诊断比单用振动或声发射信号的诊断正确率分别高出9.5%和14.2%, 比用BP神经网络信息融合故障诊断的正确率高1.7%。

基于专家系统的原理，模拟专家的思维活动，集众专家的领域知识，根据应用与管理系统问题特征，建立了故障智能诊断专家系统模型.该模型的知识表示使用了产生式规则形式，推理机采用了规则推理和不精确推理相结合的方法.在不确定性知识处理上，应用确定性理论建立了不精确推理模型.该模型通过人机交互功能及自学习功能，可自动获取和完善知识库中的知识，具有很好的实时性.

将故障诊断与计算机网络技术和虚拟仪器技术结合起来,提出了虚拟式远程故障诊断分析仪的系统模型,并详细介绍了其设计原理与工作方式.文中对该仪器的远程客户端模块,信号处理模块、神经网络学习模块和智能诊断模块的设计开发过程做了重点阐述.