基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

新型地锚张弦梁式泥石流格栅坝构件受力的简化计算方法

针对常见泥石流防治结构被冲击破坏的问题，基于“柔性消能”理念，结合张弦梁结构和竖向预应力锚杆技术，提出一种既能改善结构受力性能、增加结构整体抗冲击能力、保证结构安全可靠，又能减小结构构件截面尺寸、节约成本、便于现场施工组装和后期运营维护的新型地锚张弦梁式泥石流格栅坝，并阐述其技术原理。根据泥石流荷载分布和新型地锚张弦梁式泥石流格栅坝的受力特征，给出其简化的内力计算方法；并利用SAP2000建立新结构有限元模型，分析了结构的整体受力，验证了构件简化计算方法的合理性；结合Python语言和Qt De? signer软件开发了相应的设计计算软件，对新型地锚张弦梁式泥石流格栅坝的内力进行求解。结果表明：提出的新结构抗冲击性能好，构件受力均匀；以后设计中应关注竖杆的剪切脆性破坏和立柱偏心受力情况，保证结构安全；变形协调仅使底层张弦梁与竖杆内力偏大，实际工程应用时，应着重验算底层构件，防止其破坏；文中提出的简化计算方法能较准确的反映结构的受力特性，具有一定的合理性，研究可为新型地锚张弦梁式泥石流格栅坝的设计计算和推广应用提供理论依据和技术支持。     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

45 t门座起重机顶升方案设计

针对国内45 t门座起重机大车行走机构平衡梁裂缝问题。分析平衡梁裂缝产生原因并提出相应的维修方案,并对维修关键技术中的顶升方案设计,采用Ansys软件对其强度进行了有限元分析,同时对维修前后的平衡梁进行分析并对比。将维修方案应用于实际工程,取得了较好效果。该顶升机构修复方案设计符合工程实际,对工程实践具有一定的指导意义。     

胶带斜井在冶金矿山深井开拓中的应用探讨

针对某在建矿山深井开拓方案探索需求，通过对胶带运输系统发展应用情况介绍和胶带运输系统运输特性影响因素分析，并结合深井开拓胶带斜井方案与竖井加胶带斜井方案投资经济性比较，以及对胶带运输系统在运行过程中关键问题的分析和讨论，得出随着胶带运输技术的不断发展，在大规模深井开拓中，胶带斜井开拓将大有可为，为冶金矿山深井开拓方案选择提供决策支持。     

100 MeV质子回旋加速器二期辐照效应管道设计

针对中国原子能科学研究院100 MeV质子回旋加速器上的单粒子效应辐照装置进行了二期管道设计，采用八极磁铁校正法对束流进行了扩束及均匀化，最终在靶上得到了一个30 cm×30 cm、均匀性好于92%的均匀分布的束斑，满足了单粒子效应实验的需求。为降低靶站处的束流能散及中子本底，采用两级降能的方案，在偏转磁铁前放置1个降能片，将能量分为100 MeV和40 MeV两档，并分别针对这两个能量点进行方案设计，束流利用率均在42%以上。公差分析结果表明，四极磁铁对靶上束斑均匀性的影响大于八极磁铁，安装过程中应优先保证四极磁铁的安装公差。     

基于深度信念网络的列车故障音频诊断方法

铁路在交通运输行业有着举足轻重的地位，一旦列车发生故障将会导致严重的生命财产损失。由于列车发生故障的概率相对较低，因此难以捕获列车的故障样本。针对上述问题，提出了一种无监督学习的列车故障识别方法，通过检测列车音频信号来识别列车故障。该方法基于深度信念网络(DBN)，利用小波包分解提取检测信号的特征向量并将其作为DBN的输入，待网络充分训练后，由训练好的DBN识别当前列车的运行状况。现场监测实验结果表明，该方法能够在无监督的条件下有效识别列车故障，保障了列车的运行安全。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

High-resolution FIB-TEM-STEM structural characterization of grain boundaries in the high dielectric constant perovskite CaCu3Ti4O12

In this work, the grain boundaries composition of the polycrystalline CaCu₃Ti₄O₁₂ (CCTO) was investigated. A Focused Ion Beam (FIB)/lift-out technique was used to prepare site-specific thin samples of the grain boundaries interface of CCTO ceramics. Scanning transmission electron microscopy (STEM) coupled with energy dispersive X-ray spectrometry (EDXS) and Electron Energy Loss Spectroscopy (EELS) systems were used to characterize the composition and nanostructure of the grain and grain boundaries region. It is known that during conventional sintering, discontinuous grain growth occurs and a Cu-rich phase appears at grain boundaries. This Cu-rich phase may affect the final dielectric properties of CCTO but its structure and chemical composition remained unknown. For the first time, this high-resolution FIB-TEM-STEM study of CCTO interfacial region highlights the composition of the phases segregated at grain boundaries namely CuO, Cu₂O and the metastable phase Cu₃TiO_4.