前门长巷传统四合院小规模整治

前门鲜鱼口长巷、草厂地区是北京外城非常有特色的城市历史片断,具有重要的历史价值和人文价值,以其独特的城市肌理和比较完整的社会空间结构被划为北京25片历史文化保护区之一。     

利用EAM系统的计划排程功能提高维修效率

在对计划维修的重要性及EAM的定义进行阐述之后,介绍了计划排程的重要原则,并结合所有的原则和技巧,利用EAM系统的计划排程功能达成建立计划的运作体系和管理目标,总结了实施计划维修的效率。     

龙门式三坐标测量机在矿山机械维修中的应用

随着煤炭工业的发展,矿山机械设备日趋自动化和复杂化,精密程度也不断提高。设备维修是确保设备正常运行的主要手段,是煤炭企业的一项重要工作。三坐标测量机在矿山机械设备维修中发挥的作用也日趋明显。一方面,它可以对矿山机械零部件修复过程中的关键尺寸参数进行测量,保证产品修复质量。另一方面,近年来,矿区大量使用从国外引进的矿山机械设备,在对其进行消化、改进开发的过程中均需要辅以三坐标测量机的帮助。文章将针对矿山机械的特点和零部件修复的主要环节,叙述三坐标测量机在矿山机械维修中的广泛应用。     

多层注意力机制融合的序列到序列中国连续手语识别和翻译

使计算机能够理解手语者的表达一直是一项极具挑战性的任务,不仅需要考虑手语视频的时间和空间信息,同时还要考虑手语语法的复杂性。在连续手语识别任务中,手语词汇和手语动作共享一致的顺序;而在连续手语翻译任务中,生成的自然语言句子应符合口语化描述,词汇顺序和动作顺序可能不一致。为了能够更加准确地学习手语者的表达,提出了一个新颖的能同时进行手语识别和翻译的深度神经网络。该方案探讨了不同的经典预训练卷积神经网络和不同的多层时序注意力分值函数在连续手语识别上的效果,网络将手语视频高级抽象特征和低级时序语义组合在多层时间注意力融合模块中,形成更全面的序列注意力融合特征,从而从连续手语视频中更准确地生成gloss句子。结合Transformer语言模型将手语识别gloss句子转换为符合手语翻译的连续自然语言句子。首先,该方法在第一个大规模的复杂背景的中国连续手语识别和翻译数据集Tslrt上进行评估。利用Tslrt数据集中手语者复杂的背景环境和丰富的动作表达来训练所提神经网络模型,通过不同的对比实验得到了一系列的基准结果。在连续手语识别和翻译的任务上,效果最好的词错误率分别达到了4.8%和5.1%。为了进...     

浮动密封在采煤机中的应用

介绍了O形圈浮动密封结构设计、摩擦机理以及其与填料密封相比的特点。简述在浮动密封应用的场合,涉及端面密封参数的确定、密封环及O形圈材料的选择、制造和安装技术要求,并介绍在滚筒采煤机等应用O形圈浮动密封时和梭车行走齿轮传动箱输出轴由填料密封改造为浮动密封的效果。     

大运量长运距带式输送机重型自移机尾研制

我公司2003年对矿井煤层赋存条件进行分析,认定个各矿井煤层倾角小,地质构造简单,综采工作面走向长度可由3000m延长至6000m,以此减少综采设备搬迁次数,提高综采工作面单采水平。     

基于模糊神经网络算法的电梯群控系统

总结了电梯群控系统的特征,研究了模糊神经网络,实现了模糊推理在神经网络结构中的运用。采用BP神经网络优化了群控系统的部分控制参数。并利用仿真将基于模糊神经网络的电梯群控系统与传统电梯群控方法进行比较。     

Mitigative Effect of La on Glycine max seedlings under Pb-Cd Compound Pollution

Inrecentyears,thestudyonthehaedl-ness0fheavymetalelementsonplantsisoneofveryactiveresearchprOjectsinplantpollutione-cologyfields.TheinjuryeffectofCdandPbp0l-lutiononplantapparentfeaturesandinternalphysiologicalmetabolismhasbeeninvestigatedextensiveIy['~3].SomeresultsabouttheeffectofcombinedPbandCdpollutiononplantwerealsoreported["'].Inthesestudies,theplantprotec-tionfrominjury0fheavymetalelementsaremainlyf0cused0nregulatingphysical,chemicalandbiologicalpropertiesofsoilbyaddrixtureoff0reigns0…     

多模态深度神经网络的固废对象分割

目的 对城市发展过程中产生的建筑固废进行处理,并将之转换为资源和能源,是极佳的保护环境的经济发展模式。然而人工分拣处理存在效率低、污染严重、对人身危害大等问题。目前工业界在探索一种有效的基于机械臂自动抓取的建筑固废自动分拣系统,其中图像分割技术是非常必要的一个环节。但是工业现场的环境因素造成固废对象的颜色严重退化,会影响最终的固废对象分割。本文针对建筑固废图像分割难度大的现状,提出一种基于多模态深度神经网络的方法来解决固废对象分割问题。方法 首先, 在颜色退化严重的场景下,把RGB图像和深度图一起作为深度卷积神经网络的输入,利用深度卷积神经网络进行高维特征学习,通过softmax分类器获得每个像素的标签分配概率。其次,基于新的能量函数建立全连接条件随机场,通过最小化能量函数寻找全局最优解来分割图像,从而为每一类固废对象产生一个独立的分割块。最后,利用局部轮廓信息计算深度梯度,实现同一类别的不同实例的固废对象精确分割。结果 在固废图像测试集上,该方法取得了90.02%均像素精度和89.03%均交并比（MIOU）。此外,与目前一些优秀的语义分割算法相比,也表现出了优越性。结论 本文方法能够对每一个固废对象同时进行有效的分割和分类,为建筑垃圾自动分拣系统提供准确的固废对象轮廓和类别信息,从而方便实现机械臂的自动抓取。