金牌大厦桩基设计的若干问题分析

金牌大厦位于虹桥路以南、中山路以东,占地面积4600m~2。总建筑面积46318m~2。其结构为一大底盘托起2座塔楼的框简和框支剪力墙型式。大底盘的1～3层是商场,地下2层为设备用房及车库。1座塔楼为办公楼,主楼25层,高度98.8m,建筑面积21186m~2;另1座塔偻为住宅楼,主楼24层,高度86.8m,建筑面积16008m~2。我们对大厦桩基设计中的若干问题进行了分析与比较。     

感应型磁悬浮电动机的解耦控制

对双定子绕组感应型磁悬浮电动机进行了研究。针对系统具有多变量、强耦合、非线性的特点 ,应用多变量非线性控制的逆系统理论 ,通过状态反馈线性化方法 ,设计出非线性控制器 ,经过该非线性控制器的补偿 ,将原非线性强耦合的多变量系统解耦并线性化 ,成为转速、转子磁链及转子位置等彼此无耦合的线性子系统。最后 ,应用线性系统理论对这些线性子系统进行综合。计算机仿真表明 ,系统具有良好的静、动态性能。     

机器视觉中角点检测算法研究

角点检测是运动检测、图像匹配、视频跟踪、三维重建和目标识别等必不可少的关键步骤,角点检测的准确性直接影响实验结果。为了更好地了解角点检测技术的发展现状,根据三种现有的角点检测方法分类对角点检测方法及相关改进进行了总结分析,并选择了FAST、SUSAN、SIFT、Shi-Tomas这几种较为典型的角点检测算法进行了实验对比,并给出了实验结果。不同的实际应用对角点检测的要求不同,不同的角点检测算法也可以相互结合,通过对现有角点检测技术的总结分析为在实际应用中对角点检测技术的选择和改进方向提供了借鉴和参考。     

超高速同步摄影机驱动系统的研究

研究了由磁悬浮电动机驱动的超高速同步摄影机调速系统。针对系统的非线性和强耦合特性,应用多变量非线性解耦控制理论,将系统解耦为转矩子系统和径向力子系统,通过综合,使得这两个线性子系统具有满意的动态响应,实现了转子的自悬浮,并具有极高的转速,能够满足高性能超高速同步摄影机的驱动要求。     

超高速同步摄影机驱动系统的研究

研究了由磁悬浮电动机驱动的超高速同步摄影机调速系统.针对系统的非线性和强耦合特性,应用多变量非线性解耦控制理论,将系统解耦为转矩子系统和径向力子系统,通过综合,使得这两个线性子系统具有满意的动态响应,实现了转子的自悬浮,并具有极高的转速,能够满足高性能超高速同步摄影机的驱动要求.     

基于多层次信息融合的多跳机器阅读理解

以往机器阅读理解模型中存在文本特征提取单一, 文本和问题的交互信息不全面等问题, 导致模型不能充分对文本进行理解, 本文提出了一种多层次信息融合的机器阅读理解模型. 通过在不同位置使用不同方法, 对文本信息进行多种层次的获取. 使用膨胀卷积网络捕捉文本的全局信息, 采用双向注意力机制和自注意力机制融合文本和问题之间的交互信息, 通过指针网络预测答案及其对应的支撑句. 该模型在CAIL2019和CAIL2020阅读理解数据集上训练的联合F1值分别达到50.09%和58.44%, 相比于其他基线模型取得了明显的性能提升.     

人工神经网络在传感器非线性校正上的应用

讨论了利用人工神经网络对浓度传感器进行非线性较正的原理以及神经网络权值的调整算法,并利用VB编程语言设计了非线性正参数的计算程序。     

基于关节点特征的跌倒检测算法

针对跌倒检测算法中存在网络计算量大和类跌倒行为难以区分的问题,提出一种基于关节点特征的跌倒检测算法。首先,在目前先进的CenterNet算法基础上提出了深度可分离卷积CenterNet （DSC-CenterNet）关节点检测算法,从而在减少骨干网络计算量的同时准确检测人体关节点并获取关节点坐标;然后,基于关节点位置和人体先验知识来提取可充分表达跌倒行为的空间特征和时间特征作为关节点特征;最后,把关节点特征向量输入全连接层,并经Sigmoid分类器输出跌倒或非跌倒两种类别,从而实现人体目标的跌倒检测。实验结果表明,所提算法在UR Fall Detection数据集上对不同状态变化下跌倒检测的平均准确率达到98.00%,区分类跌倒行为的准确率达到98.22%,跌倒检测速度为18.6 frame/s。与原CenterNet结合关节点特征跌倒检测的算法相比,DSC-CenterNet结合关节点特征算法的跌倒检测速度提升了22.37%,提高后的速度可有效满足视频监控下人体跌倒检测任务的实时性。该算法能有效提高跌倒检测速度并对人体跌倒状态进行准确检测,且进一步验证了基于关节点特征的跌倒检测算法在视频跌倒行为分析中的可行性与高效性。     

双塔结合部楼面的结构设计

双塔结合部的楼板受力十分复杂。本文介绍就试用两种不同的梁，板的横截面比值进行结构动力分析的结果，初探双塔结合部梁，桥的受力状况的结果。并结合实际工程进行工程设计的情况。     

基于改进MDNet的视频目标跟踪算法

目标跟踪算法面对的突出问题之一是正负样本不均衡, 正样本极度相似. 针对跟踪更新过程中正样本不丰富的问题, 本文基于多域卷积神经网络(MDNet)算法, 提出了一种改进MDNet的视频目标跟踪算法, 首先改进原算法中候选框的选取策略, 提出了一种基于候选框置信度与坐标方差阈值判断相结合的模型更新方法, 其次将原算法的交叉熵损失函数改进为效果更好的focal loss损失函数. 实验结果表明在相同实验环境下本文算法相较于MDNet算法在跟踪准确率和成功率上均有明显提高.