基于改进MobileFaceNet的人脸识别方法北大核心

针对目前大多数人脸识别算法参数多、计算量大,难以部署到移动端和嵌入式设备中的问题,提出了一种基于改进MobileFaceNet的人脸识别方法。通过对MobileFaceNet模型结构的调整,将bottleneck模块优化为sandglass模块,改良深度卷积和逐点卷积的相对位置,适当增大sandglass模块的输出通道数,从而减少特征压缩时的信息丢失,增强人脸空间特征的提取。实验结果表明:改进后的方法在LFW测试数据集上准确率达99.15%,模型大小和计算量分别仅为原算法的61%和45%,验证了所提方法的有效性。     

爆破位置对深凹露天矿山炮烟扩散的影响研究

深凹露天矿山由于其特殊的结构,爆破产生的炮烟扩散稀释较为困难,严重危害生产作业人员的生命安全与健康。基于实际矿山构建了深凹露天矿山的二维物理及数学模型,采用非稳态数值分析方法研究了不同爆破位置下,深凹露天矿山采坑内爆破炮烟的扩散规律。研究结果表明：不同爆破位置下,露天采坑内均出现复环流,爆破点位置是影响露天采坑内风流结构特征的重要因素；露天采坑内的炮烟最高浓度均随着时间变化而逐渐下降,但下降的速率逐步减小,呈现三个阶段的下降趋势；爆破位置位于背风侧时露天采坑内的炮烟最高浓度和降至安全浓度所需时间远高于迎风侧三个爆破位置；随着背风侧爆破点距采坑底部距离的减小,炮烟最高浓度及降至安全浓度所需时间先降低后增加,炮烟最高浓度及降至安全浓度所需时间随着迎风侧爆破位置距采坑底部距离的减小而增加。研究结果对于指导深凹露天矿山企业合理组织爆破后的生产作业和保障作业人员安全具有重要意义。     

两种Skyhook阻尼实现方式在柔性隔振平台中的对比研究

利用Skyhook 阻尼进行柔性隔振平台的主动隔振控制时，可以简单地通过调节控制增益实现对低频段隔振器模态共振响应的抑制，且不影响高频段的隔振性能。在实际使用中，Skyhook 控制有两种常见的实现方式，即积分加速度反馈和积分力反馈。为分析两种实现方式用于柔性隔振平台时所产生的减振效果的差异，基于柔性Stewart 型隔振平台，结合多个ADAMS和MATLAB联合仿真案例开展详细且直观的对比研究。结果表明，对于传统的柔性隔振平台，积分力反馈法会由于实际柔性铰链的残余刚度而不能完全抑制隔振器刚体模态的共振；并且对于有效载荷的低阶模态，同样以抑制低频刚体模态为目的而设计的积分加速度反馈主动控制比积分力反馈法有更好的阻尼效果。最后，给出了对于两种控制方式选取和相应平台设计的意见。     

基于视觉感知的移动端网店页面设计效果评价

为探究手机移动端网店页面设计对服装网店销售的影响，提高网店销售额，文章基于问卷调研及部分服装网店页面的综合分析，挑选出粉蓝、蓝绿、青紫3种颜色设计及3种不同的页面版式设计。利用眼动仪实验和消费者感性评价分析捕捉消费者在浏览网店时的视觉信息与页面版式设计的关系，得到不同颜色和款式的最佳搭配效果，并实际应用于店铺运营。结果表明，优秀的版式设计及适合的配色方案可以极大地增加消费者浏览时的兴趣与关注度，将实验结论应用于真实的服装网店，店铺的支付转化率有所上升且店铺的失跳率有所降低。实验结论可为服装网店的页面提供设计依据。     

《中国给水排水》天津年会延期通知

尊敬的各位领导、专家、展商及参会嘉宾:鉴于近期新冠肺炎疫情出现新的变化,为配合各地对集聚性活动的严格控制,保障各位参会代表的健康与安全,降低疫情传播风险,按天津市疫情防控办公室要求,经组委会多方沟通协调、慎重研究决定,原定于2021年11月18-20日举办的《中国给水排水》第十八届年会将延期举办,会议地点及其他事项不变,具体延期举办时间另行通知。     

离心式气密封在轴承油雾治理中的应用及流场分析

为有效解决大型水轮发电机组推力轴承普遍存在的油雾污染问题，基于“疏”代替“堵”的理念，提出了一种离心式气密封结构，并在溪洛渡电站某台机组上安装应用。该结构在机组大轴上安装了离心式叶片，叶片随轴转动，在流道内形成高速高压的气流，外溢的油雾则随气流进入蜗壳流道，最后被油雾吸收系统带走，阻止了油雾被转子支臂下方的负压吸走，油雾治理效果良好。此外还采用计算流体力学软件对该结构的内部流场进行了三维数值模拟，分析了叶片的气动性能及内部流场规律，计算结果与现场试验结果一致，验证了计算方法的可靠性。研究结果为大型水轮机组轴承油雾治理提供了一种新的解决思路，也为气密封的研究及优化设计提供了一种参考。     

“半翻转”教学模式下评价指标体系研究与实践

研究基于“半翻转”教学模式的线上教学评价指标体系,包括课前活动开展、课中教学活动设计、课后任务以及基于此过程中的评价指标体系设计。最后通过层次分析法设计评价指标权重,设计评价算法得到动态评价结果。该评价指标体系应用在本专业“数据结构与算法”课程中,并得到良好的应用效果。     

基于小波分析的水质变化及预测研究——以涡河为例

以涡河流域2005—2018年(共168个月)的水质指标月监测数据为背景资料,探究小波分析和神经网络在流域水质方面的应用。通过小波分析来判别涡河流域水质指标的多尺度变化规律;运用主成分分析法选取涡河水质主要影响因子,并对主要影响因子建立小波神经网络预测模型。研究结果表明:各水质指标具有多尺度振荡的特点,且主要存在以8、20、30个月左右变化的主周期;目前影响涡河流域水质的主要因子是以化学需氧量为代表的污染因子;通过小波神经网络得到的化学需氧量预测值与实测值的曲线拟合较好,平均百分比误差(MRE)为8.4%,均方根误差(RMSE)为1.5,模型较稳定且预测精度较高。基于小波神经网络的应用为流域水质污染研究提供了一个新的思路。