地铁车站自动扶梯智能监控系统的设计及应用

提出了一套自动扶梯智能监控系统,在底层使用传感器采集自动扶梯运营维护数据并通过智能摄像头采集地铁周围图像,在顶层通过中央处理器对采集上来的数据和图像进行处理展示给地铁工作人员.实地应用结果表明,系统能够降低地铁自动扶梯客伤次数,降低地铁自动扶梯维护人员工作量.     

基于深度学习的人体行为检测系统设计

人体行为是人类生活的重要组成部分。本文提出并设计基于DBN深度信念网络的人体行为检测系统。使用携带嵌入式设备实时获取三轴加速度传感器数据,用小波降噪技术对人体行为信号进行降噪,再使用PCA主成份分析对数据进行降维,最后使用DBN深度信念网络对数据进行训练,并将训练模型用于检测即时的人体行为状态。本系统具有对人体行为检测精度高,对摔倒等行为及时发出报警信号,使一些特殊群体能及时获得救助等特点。     

浅谈电梯制动器的结构和制动力的理论分析

制动器是电梯重要的安全部件，若制动器失效，电梯不能制动，那么轿厢就会出现蹲底或者冲顶事故。本文从一宗事故的案例引伸，谈谈对电梯制动器结构要求和制动力的理论分析。供日常维修保养和定期检验参考之用。     

一种自动扶梯和自动人行道制停距离检测系统的设计

对自动扶梯和自动人行道的制停距离的标准设置要求和常用检验方法进行了介绍,针对当前自动扶梯和自动人行道制停距离检测不够精准、缺少专用仪器等问题,设计了一种自动扶梯和自动人行道制停距离检测系统。该系统能够比较准确地对制停距离进行检测,同时通过远程监控平台可实时显示测试过程和最终结果。     

自动扶梯梳齿板与踏面齿槽啮合深度和间隙的测量方法探讨

在自动扶梯检验中,对踏面与梳齿板啮合深度和间隙的测量方法有多种,测量精度、测量效率也各不相同.对目前广泛使用的5种测量方法进行分析研究,经过比对得出最为合适的测量方法,对自动扶梯检验检测人员提供参考.     

基于噪声源定位的自动扶梯智能监测系统

将阵列数字信号处理中被广泛采用的数字波束形成的基本原理,应用于自动扶梯的机械噪声源识别与定位当中.建立了噪声定位系统的数学模型,并进行仿真,优化了设计参数.在此基础上建立了一套自动扶梯噪声声源定位的流程,设计了基于嵌入式的智能监测系统,最后在自动扶梯现场中验证了该装置的有效性.     

基于无线传输的自动扶梯制动距离智能测试系统

根据国家标准对自动扶梯和自动人行道制动距离的要求,在分析当前现场检验所遇到的问题的基础上,提出了一种基于无线传输技术的制动距离智能测试系统。该系统应用方便,测试精度高。     

基于BP-AR的混凝土碳化深度预测算法研究

混凝土碳化深度的影响因素众多又复杂且对时间有较强的依赖性,现有的混凝土碳化深度预测方法不能把所有影响因素充分考虑进去,导致其预测精度不够准确。提出一种BP-AR融合算法,该算法利用BP神经网络预测碳化深度,再通过时间序列方法对预测值进一步修正。通过试验分析,时间序列方法能够通过BP神经网络预测的碳化深度值发现碳化反应随时间变化的规律,BP-AR算法比BP神经网络预测碳化深度精度更高,弥补了因数据量有限而造成较大的预测误差。     

基于网络舆情深度挖掘模式分析

伴随着互联网技术的成熟,人们越来越倾向于在网络平台上发表自己的观点。由于特定的公共事件而引发成千上万的网民开展探讨,这种现象已经让我们司空见惯。一方面我们不得不承认网络技术带来的便利和表达自己的机会,另一方面,我们又不得不面对网络舆情存在的隐蔽性、不真实性。近年来,由于网络舆情引发的社会事件也不少,激发了各界各样网络舆情发展控制的关注。有不少传媒人士和研究人员开展了对于网络舆情深度挖掘模式的探讨。通过关注当前网络舆情发展传播模式存在的问题,探索网络舆情深度挖掘模式有利于把握网络舆情形成和走向,减少其对于社会影响的消极影响,文章从现状、意义、未来3个角度对其展开分析。     

基于贝叶斯信念网络的BIM应用成功影响因素研究

针对我国建筑行业在BIM应用过程中存在的诸多问题,通过文献综述,结合相关专家意见,构建基于贝叶斯信念网络的BIM应用成功影响因素研究模型,并对各影响因素进行分析。结果表明,当具备企业各部门的密切合作、明确的战略规划、充分的BIM培训、企业BIM标准的构建、企业信息化意识与信念5个因素中的一个或多个时,BIM应用成功的概率较高。该研究结果能够有效提升BIM应用水平和质量。     

基于深度强化学习的高层剪力墙结构智能设计方法

在传统的高层剪力墙结构设计中,需结构工程师依据自身经验反复地对剪力墙的布置方案进行调整,致使工作效率低、重复性劳动多、设计周期长,且设计结果依赖于工程师的个人经验,很难得到最优结构方案。为此,提出了高层剪力墙结构的智能设计方法,包括智能建模和智能优化两个环节。基于连通区域分析、图结构算法、普氏分析、边缘检测算法提出了高层剪力墙结构智能建模方法,包括房间检测、建筑分割与识别、剪力墙自动布置等,智能建模结果可以满足实际工程要求;基于深度强化学习给出了高层剪力墙结构智能优化方法,优化方法收敛性好。通过实际工程算例对所提出的智能设计方法进行了验证,结果表明,所提出的高层剪力墙结构智能设计方法可行,与传统的设计方法相比,设计周期可缩短90%以上,剪力墙材料用量可节省20%以上。     

基于BP网络的混凝土碳化深度预测

基于用改进的BP算法,建立了3-5-1（输入层为3个神经元,隐含层为5个神经元,输出层为1个神经元）混凝土碳化深度BP网络训练及预测模型,模型以水灰比、单位水泥用量及混凝土暴露时间为输入,训练模型以暴露时间为5年、10年、15年的混凝土碳化深度为输出,预测模型以暴露时间为20年、25年、30年的混凝土碳化深度为输出,训练及预测结果较为理想。     

一种基于单片机的自动扶梯制停距离测试仪

《自动扶梯和自动人行道监督检验规程》对如何检验自动扶梯及自动人行道制停距离作出如下要求。制停距离应从电气制动装置动作时开始测量。（1）空载制停距离检查：①在梯级、踏板或胶带和围裙板上作好标记;②操作自动扶梯或自动人行道运行至标记重合对齐时切断电源;③测量两标记之间的制停距离是否符合要求。     

PC简支梁铁路桥制动力有效系数的研究

根据对制动列车进行动态仿真计算,求解出每一轮对的制动力时程和位移时程;再通过空间离散的方法,将上述轮对时程转换为线桥结构钢轨节点的制动力时程.在此基础上,建立了线-桥整体分析模型.通过对不同墩台刚度、不同道床阻力系数的多种组合条件进行动力响应分析,研究PC简支梁铁路桥制动力有效系数与桥长和桥墩刚度之间的关系,提出了有效系数关系曲线计算公式.     

网络舆情扩散的动力分析

网络舆情事件的发展通常会经历产生、扩散、高潮、消散四个阶段,在不同的发展阶段有不同的演变动力。本文着眼于网络舆情的扩散期,从舆情事件本身的特性、利益相关方表达意愿、意见领袖的助力、媒体的放大四个方面阐述网络舆情事件扩散的动力。     

基于合成点云与深度学习的建筑构件智能识别方法

本文研究了利用三维建筑信息模型生成的合成点云来训练深度学习算法以实现建筑构件智能识别的可行性。为了实现这一目标,本文首先提出了一种通过三种常见的商业软件将建筑信息模型转换为合成点云的原始方法。然后使用这些合成点云作为模拟数据集来训练深度学习模型,比较在不同数据集(真实数据集与合成数据集)下训练模型的智能识别性能,以验证合成点云数据集的有效性。实验结果证明了利用建筑信息模型生成的合成点云实现智能识别的可行性,合成数据集与真实数据集的训练模型其识别准确率仅相差3%,进一步表明了在智能识别中使用合成数据集代替真实数据集的可能性。该方法也为研究人员提供了一种新的方法来构建特定的数据集,用于他们自己的智能识别与语义分割研究,并为三维重建工作做出了贡献。     

基于模糊神经网络的重载列车空气制动力预测方法

由于重载列车空气制动具有强非线性、反馈减压量误差较大的特点,且充风、排风时间与减压过程之间存在耦合关系,使得重载列车循环空气制动的操纵精确度难以保证,进而影响其操纵安全。为提高重载列车循环空气制动的控制精确度,文章提出一种基于模糊神经网络(fuzzy logic-based neural network,FLNN)的空气制动力预测方法。其首先采用径向基神经网络(radial basis function neural network,RBF-NN)训练空气制动离线数据,得到模糊逻辑形式的空气制动力离线预测规则;然后,计算当前数据与空气制动力离线预测规则的匹配度,得到相应的预测规则;最后,根据当前数据和相应的预测规则,输出空气制动力预测值。该预测方法通过数据处理的方式摆脱了对传统空气制动模型的依赖,避免了充、排风时间与减压过程之间的耦合分析,能够较准确地得到空气制动力预测值。试验结果显示,本文提出的基于FLNN的空气制动力预测方法将重载列车空气制动力在100 kN内的预测精度提高至99%,这验证了该方法在不同的工况下能有效实现空气制动力预测。     

基于无线车载网络智能交通系统时延技术分析

经济增长的同时,各种交通问题日益突显。移动自组织网络将成为ITS的重要组成部分。安装在车辆中的车载设备,主要侧重无线通信和感知等功能,时延是WVNs的关键技术之一,以分层时延限制方案,文章对在MAC协议和街道场景下的WVNs组网进行仿真分析。     

基于深度学习的SPD人脸识别算法

本文提出一种自商图像法(SQI)、主成分分析法(PCA)和深度信念网络(DBN)相结合的SPD人脸识别算法。首先将人脸图像经过自商图像处理,勾勒其边缘特征。然后使用主成分分析法将高维自商图像降维至低维子空间。接着将训练集低维子空间的数据作为深度信念网络的输入,并对网络逐层进行训练。最后使用训练好的深度信念网络对测试集低维子空间的数据进行识别。对于遮挡性识别,采用遮挡分割法,减弱局部遮挡对整个图像的影响因子。经过反复实验验证,本文提出的算法在小样本中对脸部识别效果较好。     

基于生成对抗网络的深度Q学习空调冷负荷预测算法

针对传统预测算法在商场空调冷负荷预测中存在数据样本不足和预测精度低的问题,提出了一种基于生成对抗网络的深度Q学习的算法预测商场的空调冷负荷.利用生成对抗性网络生成与历史冷负荷数据相似的冷负荷数据,通过生成对抗网络解决真实负荷数据样本不足的问题.然后,利用深度Q学习网络预测未来时刻空调冷负荷数据.为了验证算法的有效性,以...