基于惯性姿态参量量化融合的机器腿仿生步态控制

为了提高机器腿仿生步态控制的稳定性,提出一种基于惯性姿态参量量化融合的机器腿仿生步态控制方法。构造机器腿仿生步态的运动学模型,进行机器腿仿生步态控制约束参量建模,采用陀螺仪和加速度计等位姿传感器进行姿态参量采集。采用扩展卡尔曼滤波方法进行机器腿的惯性姿态参量融合并输入到时控制执行器中。针对未知扰动对机器腿步态参量控制的误差,采用自回归更新方法进行姿态参量误差反馈修正,实现机器腿仿生步态稳定控制。仿真结果表明:提出的方法对机器腿仿生控制的稳定性较好,姿态参量的定位跟踪能力较强,提高机器腿步行的稳健性。     

基于深度学习的人体姿态估计方法综述

基于深度学习的人体姿态估计方法旨在通过构建合适的神经网络，直接从二维的图像特征中回归出人体姿态信息。主要按照2D人体姿态估计到3D人体姿态估计的顺序，并从单人检测与多人检测、稀疏的关节点检测与密集的模型构建等方面，对近年来基于深度学习的人体姿态估计方法进行系统介绍，从而初步了解如何通过深度学习的方法得到人体姿态的各个要素，包括肢体部件的相对朝向和比例尺度、骨骼关节点的位置坐标和连接关系，甚至更为复杂的人体蒙皮模型信息。最后,对当前研究面临的挑战以及未来的热点动向进行概述，清晰地呈现出该领域的发展脉络。     

影响煤层气开发效果的地质因素再认识

地质特征认识对煤层气开发效果起着重要作用。在资源特征相差不大的情况下,发现煤层气相邻井的产量差异仍较大。排除工程因素后,通过选取8类地质参数,细致比对了保德区块低产井与邻井的参数特征,筛查出其关键因素为煤层微幅构造与顶板封盖条件,其中以微幅构造为主。据此,重新认识并划分出区块新的次生褶皱背斜单元、向斜单元和斜坡单元,获得了不同次生褶皱构造单元的开发特征。结果表明,高、低产井分布与次生褶皱背斜、向斜相关性高达92%。其中:高产井主要分布在次生褶皱背斜变化较缓、呈隆起状的“平台”,且煤层顶板以泥岩、碳质泥岩为主,封盖性较好;低产井主要分布在次生褶皱向斜,同一井台各井开发效果差异表现为从向斜条带轴部—向斜条带内—向斜条带外的煤层气井平均单井产量不断增加,到向斜轴部的距离大于向斜曲率半径73.5%的范围为主力产气区,小于向斜曲率半径40.0%范围为产水主力区。这对煤层气新井部署、生产管理、开发调整等,具有一定的指导意义。     

基于云概率密度分布估计的大坝监测数据分析

大坝运行监测易受自然环境和监测条件影响，存在时间和空间上的变异性，监测数据具有不确定性。以云理论的随机性和不确定性分析方法为基础，并与空间数据辐射思想相结合，建立了云滴概率密度分布估计模型，然后导出云概率密度分布函数，依据样本监测数据推求母体空间数据的分布特征，并设计了基于逆向云算法云变换的计算程序。分析陆浑水库1979~1999年测压管监测数据和位移变形数据的云概率密度分布特征和云数字特征，得出了20 a来大坝的数据分布特征和运行状态。监测数据分析结果表明，云概率密度分布估计不仅能有效合理地分析大坝的运行状态，而且能够依据云数字特征来判断监测状态和监测环境的异常变化。      

基于特征融合的中文简历解析方法研究

针对基于规则和统计的传统中文简历解析方法效率低、成本高、泛化能力差的缺点，提出一种基于特征融合的中文简历解析方法，即级联Word2Vec生成的词向量和用BLSTM（Bidirectional Long Short-Term Memory）建模字序列生成的词向量，然后再结合BLSTM和CRF（Conditional Random Fields）对中文简历进行解析（BLSTM-CRF）。为了提高中文简历解析的效率，级联包含字序列信息的词向量和用Word2Vec生成的词向量，融合成一个新的词向量表示；再由BLSTM强大的学习能力融合词的上下文信息，输出所有可能标签序列的分值给CRF层；再由CRF引入标签之间约束关系求解最优序列。利用梯度下降算法训练神经网络，使用预先训练的词向量和Dropout优化神经网络，最终完成对中文简历的解析工作。实验结果表明，所提的特征融合方法优于传统的简历解析方法。     

福建平和深坑饰面石材(沉凝灰岩)矿地质特征及成矿规律研究

福建平和深坑饰面石材矿赋存于早白垩世黄坑组上段中,沉凝灰岩矿体呈层状分布,其矿石颜色、装饰性能、物理力学性能及荒料率等各项指标满足开采技术要求;矿床主要控矿因素有地层、岩浆岩及变质作用。