混凝土结构声发射检测参数设置研究

为系统解决混凝土声发射检测参数设置依靠经验选取的问题,通过模拟加载和断芯试验确定了适合试验检测环境的门槛值;通过断芯试验确定了适合被检测混凝土材料的检测时间参数值(PDT,HDT,HLT),并测定了信号在被检测材料中传播的波速和衰减。试验确定声发射检测参数的方法在混凝土结构声发射检测中具有普遍适用性。     

阳离子光固化树脂的合成与表征

采用以AIBN为引发剂,巯基乙醇为链转移剂合成聚丙烯酸酯型阳离子光固化涂料,研究了树脂合成中甲基丙烯酸缩水甘油酯单体的用量对对涂膜附着力、铅笔硬度、柔韧性、耐冲击性的影响,考察了紫外光照时间以及树脂中环氧基含量对涂膜凝胶率的影响.红外光谱分析表明:在紫外光光固化期间,涂膜发生了环氧基的开环聚合反应.     

考虑饱和渗透系数的宽级配土渗流侵蚀过程室内试验研究

【目的】宽级配土是堤防的主要填料,其在水力梯度作用下会发生内部侵蚀直至管涌破坏。渗流侵蚀过程会改变土体性质,进而影响饱和渗透系数。依据饱和渗透系数演变规律,探究土体渗流侵蚀过程,有助于工程安全性评价与渗透破坏预测防治。【方法】采用自制渗流侵蚀试验仪,通过逐级升高渗透水压力,开展土体侵蚀过程试验,测量饱和渗透系数和细颗粒流失量,探究级配与干密度对渗流侵蚀过程的影响。【结果】结果显示：依据饱和渗透系数演变规律,渗流侵蚀过程可分为侵蚀前期阶段、侵蚀发展阶段和侵蚀破坏阶段,从而定义了渗蚀发展临界水力梯度和渗蚀破坏临界水力梯度;宽级配土的渗蚀发展临界水力梯度与渗蚀破坏临界水力梯度均随级配参数D₁₅/d₈₅增加而减小;当细颗粒含量处于欠填状态时,渗蚀发展临界水力梯度随细颗粒含量增加而减小,渗蚀破坏临界水力梯度随细颗粒含量增加近似线性增大;当细颗粒含量处于满填状态时,两种临界水力梯度与累积细颗粒流失率均随着干密度增加而增大。【结论】可见,由于渗透侵蚀造成的饱和渗透系数变化显著地受土体级配与密实状态的影响。     

2022年长江流域干旱特征分析与新时期抗旱减灾应对模式探讨

受大气环流异常影响,2022年长江流域夏季高温伏旱持续时间长、影响范围广、致灾程度大。分析了近15 a来长江流域历年干旱灾害事件和本次干旱特征,以及长江流域抗旱减灾体系建设现状以及在2022年干旱应对中的成效。在此基础上,提出了新时期下抗旱减灾的总体应对思路：(1)以优化国土空间布局为切入点,从源头上规避干旱灾害风险;(2)以空间上的立体调蓄与时间上的峰蓄枯补为路径,实现干旱灾害的过程防控;(3)以优化水利工程运行调度方式为手段,实现防汛抗旱统筹调控;并针对旱情评估与预测、旱灾风险研判和旱灾风险应对共3个方面的关键环节,提出了抗旱减灾方面的科技需求。     

基于MEMS传感器数据拓扑分析的用户识别

随着科技的迅速发展,智能手机安全性的问题越来越受人们关注,用户识别认证在保证智能手机安全方面扮演着重要的角色.提出了一种基于微机电系统(Microelectro Mechanical Systems,MEMS)传感器步态信号持续同调的用户识别的新方法,MEMS传感器信号中的混沌不变量(伪周期性)可以由相空间中的拓扑特征来表示,通过持续同调提取相空间拓扑特征,建立不同用户的持续同调模型.利用持续同调特点,进一步简化持续同调为概率密度,并使用K-L散度度量不同用户模型间的差异,最终利用MEMS传感器信号实现无须用户主动参与的身份认证.为验证持续同调模型,采用十个不同用户,两种运动状态数据,通过仿真完成用户识别,结果表明识别的平均准确率达到95.3％.     

面向虚拟介入手术的电磁力反馈模型的设计与仿真

为满足虚拟血管介入手术中力触觉反馈的实时性和精准性,采用磁悬浮原理设计一种力反馈模型生成虚拟介入手术中的周向旋转力触觉.通过分析通电线圈磁场特性和介入手术操作模式,首先设计电磁线圈阵列的拓扑结构和手术器械模型;随后针对线圈阵列提出最优电流分配策略并进行仿真验证;最后通过模型融合方法构建力矩-电流预测模型.实验结果表明,该模型能以3％的误差、40 Hz的频率预测出电流,结合最优电流分配策略可对介入手术中的关键力反馈进行实时、精确还原.     

基于网格模型简化算法的多传感测距误差自动修复研究

采用当前方法修复测距误差时,无法准确地在短时间内获得测距数据和信息,不能全面地检测测距误差,增加了修复测距误差所用的时间,修复后的测距精度较低。为此,提出基于网格模型简化算法的多传感测距误差自动修复方法。规整化处理网格模型属性,计算顶点的二次误差和属性显著度,通过待折叠边的颜色属性误差和几何属性误差计算待折叠边的折叠代价,通过折叠操作实现网格模型的简化处理,获得测距数据。在网格模型的基础上采用基于Huber损失函数最小化的Kalman滤波方法平滑处理测距结果并重构,通过Huber回归方法实现测距误差的自动修复。仿真分析结果表明,所提方法的测距误差检测概率高、修复效率高、修复精度高。     

基于超列注意力机制的京剧人物识别

为了克服京剧人物视觉特征提取的难点及满足京剧人物实时识别的需求,提出基于超列注意力机制的卷积神经网络（HCA-CNN）来实现面向京剧人物的细粒度特征提取和识别。该网络中用于关键区域定位的注意力机制借鉴了用于图像分割和细粒度定位的超列（HyperColumn）特征思想,通过超列集基于像素点的形式串联主干分类网络来形成多层叠加特征,从而更好地兼顾早期浅层空间特征与后期深度类别语义特征,并提高定位任务与主干网络分类任务的准确度。同时,该网络的主干网络采用轻量级的MobileNetV2,从而更好地满足视频应用场景下的实时性要求。此外,还创建了京剧人物（BJOR）数据集,并在此数据集上进行了相关消融实验。实验结果显示,HCA-CNN与传统细粒度循环注意力网络（RA-CNN）相比,除了在准确率（Accuracy）指标上提高了0.63个百分点以外,其内存使用量（Memory Usage）、参数量（Params）分别减少了162.84 MB、131.5 MB,乘加次数（Mult-Adds）、每秒浮点运算次数（FLOPs）分别减少了39 885×10⁶、51 886×10⁶。可见,针对京剧人物视觉特征提出的HCA-CNN能有效提高京剧人物识别的准确率和效率,满足实际应用的需求。     

环状扫描的强深度森林

深度森林（Deep Forest,DF）,由于此模型超参数少,且参数设置没有过多的要求,训练方便,鲁棒性高,因此在处理大型数据时比神经网络算法更加具有优势。但是,传统的深度森林中,多粒度扫描忽略了边缘数据携带的隐含信息,无法充分地获得各个特征子集,进而会对以后的级联部分产生影响。而且,级联部分每次得到的新特征有限,影响了模型的表征学习能力。针对以上问题,提出一种环状强深度森林（Circular Strong Deep Forest,CSDF）,其通过环状扫描过程,一定程度上得到更充分的特征子集,且强级联森林通过特征选择提高了模型的表征学习能力。经过在不同数据集上的测试,结果表明,CSDF的性能更加优越,尤其是高维数据上更为明显。     

基于人体姿态估计的手机使用状态监控

智能手机的日益普及给人们带来便捷的同时也带来了不少的隐患,在一些特定的场景下需要对手机的使用进行监控和限制.本文设计了一套手机使用状态监控系统,先采用YOLOv3检测图像中的人体,然后通过Open Pose姿态估计算法获得人体关节点,再通过YOLOv3判断手部区域是否有手机,最后通过神经网络分类器识别当前的手机使用状态.系统的应用测试表明该方案具有良好的检测与识别效果,能够满足相关场景的应用需求.