深层软基钻孔灌注桩施工技术

深圳市电子工业总公司综合大楼工程中采用了钻孔灌注桩。桩长21～27m,要求嵌入花岗岩中风化层和强风化层至少0.6m。施工时采用潜水回旋钻钻孔,泥浆护壁,吊入钢筋笼后压风吹砂,灌注混凝土。工程质量良好。     

便携式泳池防溺水警报与生理健康状态评估系统设计

提出了一种便携式泳池防溺水警报与生理状态评估系统设计,通过Zigbee通信模块使得上位机和下位机相互联系,将游泳者的安全状态和生理健康状态及时反馈给上位机。当游泳者失联时间、没入的水深超过设定阈值时,下位机和上位机均会发出警报,提示救援,与此同时,iBeacon模块通过三边自适应算法定位游泳者位置。下位机收集到的生理参数同步传输到上位机,上位机通过支持向量机算法,评估出游泳者的生理健康状态,并作出相应警示。整个过程实现了对游泳者的实时监控,很大程度上预防了危险事故的发生、增大了救援的可能性。     

经验模态分解和AR模型在飞行器健康诊断中的应用

为了有效地诊断飞行器的健康状况,提出了一种基于EMD-AR模型和PNN的飞行器健康诊断新方法。该方法采用EMD（Empirical Mode Decomposition,EMD）将飞行器关键部件的声发射信号进行分解,得到多个内禀模态分量（Intrinsic Mode Function,IMF）,对前两个IMF分量建立AR模型,采用U-C算法对AR模型进行参数估计,以模型主要的自回归参数和残差的方差构建特征向量;运用概率神经网络（Probabilistic Neural Network,PNN）对飞行器的健康状态进行诊断。通过对某型号真实飞行器关键结构部件的健康监测实验表明,该方法可以有效地诊断出飞行器关键结构部件的疲劳裂纹,从而证明了该方法的有效性。     

信息融合在飞行器智能健康诊断中的应用

提出了一种基于经验模态分析(Empirical mode decomposition,EMD)和D-S证据相结合的飞行器健康诊断方法.该方法首先对由声发射传感器募集到的飞行器关键结构部件原始声发射信号进行EMD,得到多个内禀模态分量,选取内禀模态能量构建声发射信号的特征向量,并分别采用模糊神经网络、GRNN网络和Elman神经网络对提取出的特征向量进行分类,最后运用D-S证据理论进行决策融合,对飞行器的健康状态进行诊断.实验表明,运用此方法对某型号真实飞行器关键结构部件的健康状态进行诊断,可以得到很好放入诊断结果.与单分类器相比,采用D-S证据理论进行决策融合有效地提高了故障诊断的精度.