基于特征自动提取的跌倒检测算法

跌倒是导致老年人受伤甚至死亡的主要原因。准确及时的跌倒检测系统可以帮助跌倒者获得紧急救援。 目前基于传感器的跌倒检测方法主要利用人工设计提取的信号特征来区分跌倒和非跌倒运动,但人工提取的特征往往会限制算法的精确度,增大算法时延。为提高跌倒检测的精确度和实时性,本文提出了一种基于深度学习的跌倒检测算法。该算法可以自动提取数据特征,实现从原始数据到检测结果的端到端的处理。算法模型主要由两层级联的长短期记忆（Long Short-Term Memory, LSTM）循环神经网络组成,通过神经网络提取加速度计和陀螺仪数据内部的特征,并判断是否有跌倒状况发生。我们使用两个公开数据集MobiAct和SisFall对算法性能进行评估。 实验结果显示,算法在两个数据集都达到了较高的精确度（99.58%以上）和较低的时延（2.2毫秒以内）。     

层理方向对含预制裂纹页岩Ⅰ型断裂特性的影响

层状页岩受内部层理方位分布特征的影响,其力学性质常表现出明显的各向异性特征。为了探究层理方向对层状页岩Ⅰ型断裂特性的影响,针对不同层理倾角β、预制裂纹角度为0°的半圆盘试件开展三点弯曲静态压缩试验和数值模拟试验。试验结果表明,试件的Ⅰ型标准化应力强度因子Y_Ⅰ会随着层理倾角的变化呈现出明显的差异性,并与层理倾角呈现出良好的三次函数关系,且仅在层理倾角β为0°和90°时,试件表现为纯Ⅰ型断裂模式,即层理倾角的变化会改变试件的断裂模式。同时,试件的Ⅰ型断裂韧度随着层理倾角的增大而逐渐减小,并与层理倾角呈二次函数关系;当层理倾角与预制裂纹角度垂直时,试件的Ⅰ型断裂韧度最大;而当层理倾角和预制裂纹角度平行时,试件的Ⅰ型断裂韧度最小。另外,基于扩展有限元法(XFEM),对半圆盘层状页岩试件的破断机制进行研究,验证了试验和计算结果的准确性。