论多层建筑结构抗震加固改造

随着我国最近地震发生频率越来越多，我国在多层建筑结构方面的设计上注重了抗震加固方面的设计。这就使在建筑设计上和以前的设计有了明显的不同，在一些地震频繁发生的地区，进行多层建筑结构设计上就注重抗震加固的设计理念，对加强建筑的稳固性方面是一个进步。本文通过分析多层建筑结构抗震加固的原则、加固改造的对象及加固改造的方法，从而对现在多层建筑结构抗震加固改造中存在的问题找到合理的解决办法。     

固体超强酸催化合成N-环己基-2-吡咯烷酮

采用固定床技术,以SO2-4/MxOy型固体超强酸为催化剂,1,4-丁内酯和环己胺反应合成了N-环己基吡咯烷酮(NCP),考察了固定床工艺条件对NCP产率的影响。较佳合成条件为:n(1,4-丁内酯)∶n(环己胺)=1∶1.20,反应温度300℃,进料速度0.660mL/min,NCP产率可达96.09%。     

浅谈建筑工程质量、工期、造价合理控制的重要性

在现代建筑工程管理体系中,工程质量控制管理、工程工期控制管理、工程造价控制管理占有重的地位。质量优、工期短,造价少已成为社会和人们对建筑工程施工管理的重指标。本文就是从建筑工程质量、工期、造价合理控制措施和意义进行阐述,对三者的关系进行分析。     

固体碱催化Knoevenagel法合成阿魏酸的工艺研究

以香兰素和丙二酸为原料、苯为带水剂、固体碱为催化剂、吡啶为助催化剂,经Knoevenagel反应合成了阿魏酸,经重结晶提纯得到目标化合物,并对化合物进行了结构验证。结果表明,当n(香兰素)∶n(丙二酸)=1∶1.15、吡啶用量为5 wt%香兰素、固体碱催化剂用量为3 wt%香兰素时,反应效果最佳,阿魏酸的收率可达90%以上。     

引入概率分布的深度神经网络贪婪剪枝

目的 深度学习在自动驾驶环境感知中的应用,将极大提升感知系统的精度和可靠性,但是现有的深度学习神经网络模型因其计算量和存储资源的需求难以部署在计算资源有限的自动驾驶嵌入式平台上。因此为解决应用深度神经网络所需的庞大计算量与嵌入式平台有限的计算能力之间的矛盾,提出了一种基于权重的概率分布的贪婪网络剪枝方法,旨在减少网络模型中的冗余连接,提高模型的计算效率。方法 引入权重的概率分布,在训练过程中记录权重参数中较小值出现的概率。在剪枝阶段,依据训练过程中统计的权重概率分布进行增量剪枝和网络修复,改善了目前仅以权重大小为依据的剪枝策略。结果 经实验验证,在Cifar10数据集上,在各个剪枝率下本文方法相比动态网络剪枝策略的准确率更高。在ImageNet数据集上,此方法在较小精度损失的情况下,有效地将AlexNet、VGG（visual geometry group）16的参数数量分别压缩了5.9倍和11.4倍,且所需的训练迭代次数相对于动态网络剪枝策略更少。另外对于残差类型网络ResNet34和ResNet50也可以进行有效的压缩,其中对于ResNet50网络,在精度损失增加较小的情况下,相比目前最优的方法HRank实现了更大的压缩率（2.1倍）。结论 基于概率分布的贪婪剪枝策略解决了深度神经网络剪枝的不确定性问题,进一步提高了模型压缩后网络的稳定性,在实现压缩网络模型参数数量的同时保证了模型的准确率。     

偏振光辅助微惯导的航姿优化解算方法

针对传统导航系统易受攻击和诱导的问题，设计了一种太阳偏振光辅助的无人机航姿优化解算方法。该方法基于微惯性器件、偏振光传感器，构建状态阈值改进的共轭梯度优化的姿态解算模型，模型以无约束梯度优化理论为依据，使用四元数更新姿态，创建动态步长因子，获取姿态的变化趋势。实验证明，该方法静态性能稳定，动态环境中，该方法姿态估计值与各种滤波融合方法相比精度相似甚至较高，同时对于非重力加速度与其他方法比具有良好抑制作用。     

基于偏振光传感器的无人机姿态组合滤波算法北大核心CSCD

针对惯性导航易受运动加速度影响和GPS与磁力计导航易受到电磁干扰影响等问题,提出了一种偏振光辅助惯性导航的无人机航姿估计算法。利用大气瑞利散射模型获取最大偏振矢量,辅助惯性元件实现了基于PI互补滤波的姿态四元数更新算法;对陀螺仪、加速度计和偏振光传感器信号进行粒子滤波的融合修正。实验结果表明:该方法解算的姿态角在静态条件下性能稳定,抑制了传感器噪声;同时在运动情况下准确性大幅提升,具有更好的动态解算精度。