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。     

图像分割技术综述

图像分割是图像处理领域的重点和难点,是从图像处理到图像分析的关键技术,是许多智能化图像分析系统中不可或缺的一步。本文主要从静止图像和运动图像两方面对图像分割的算法加以概括总结,指出图像分割技术在抗干扰性、鲁棒性、实时性和自适应性等方面的发展变化,并简要介绍近几年图像分割中的新方法,如支持向量机(SVM)方法和贝叶斯(Bayesian)决策理论,最后对图像分割技术的发展作出总结和展望。     

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。     

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.     

基于支持向量机的语义视频摘要

针对如何在语义层次上形成视频摘要问题,提出了一个基于支持向量机的风光记录片语义视频摘要算法。利用支持向量机对镜头关键帧进行语义分类,对每类镜头关键帧根据引入的镜头“重要性”函数提取构建视频摘要的帧。改变重要性函数阈值的大小,可以很方便的得到不同粒度的视频摘要。实验结果表明该算法形成的视频摘要较好地表达了视频的内容。     

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.     

液体电阻起动器在绕线式电动机起动上的应用

液体电阻起动器在绕线式电动机起动上的应用曹建荣张梅梅盛春德（山东省机械工业学校山东轻工业学院鲁南水泥厂）目前我国绕线异步电机起动装置有三种形式，第一种是电机转子串接金属电阻分级起动，其特点是转距大，起动电流小，但不能平滑起动，起动时有多级冲击且控制设...     

基于深度学习的运动目标交接算法

针对多摄像机非重叠视域下存在的运动目标不连续性和不确定性的问题,提出一种基于深度学习的运动行人目标的交接算法.首先基于深度卷积神经网络构建人脸特征提取模型,对人脸特征提取模型进行训练,获得精确的人脸特征.然后比较两种常用的相似度度量方法,选择其中一种更适合的相似度度量方法,以完成最优的人脸匹配过程,提高人脸匹配的准确率.最后通过对不同摄像机下的人脸进行特征匹配找到最匹配的人脸,实现运动目标的交接.实验表明,深度神经网络可以减少运动目标丢失的概率,准确地提取到运动目标的人脸特征,有效完成多摄像机下运动目标的交接跟踪任务.