综采工作面初采初放期间矿压显现规律分析与总结

2903综采工作面是城郊煤矿二水平第一个单顺槽沿空掘巷综采工作面。项目针对该工作面初采、初放期间的矿压显现规律进行了数据采集、分析和总结。     

面向增量同生主题的维吾尔文爬虫的研究

针对传统的主题爬虫对网页信息缺乏在知识层面上的处理和理解的问题进行了研究,提出了一种面向增量同生主题的维吾尔文爬虫,通过建立一个增量主题词库优化传统的主题模型,来描述维吾尔文关键词的应用语境及场景,提高了计算网页相关度的准确率。用改进的IC主题敏感算法来预测子页面优先级,过滤无关的网页地址。依据上述方法编写爬虫系统,用构建的维吾尔文语料库进行实验,表明了基于此模型的爬虫具有更好的稳定性和准确度。     

斜跨拱桥的力学特性及工程实践

斜跨拱桥外形独特、新颖,是颇有竞争力的城市景观桥型。该类桥型拱肋斜跨主梁。本文针对该桥型的结构形式和受力特点,就其概念设计、细部构造等关键性技术问题展开讨论。最后以大连市红星海世界观景观桥为例对该桥型各部分结构的力学性能进行了分析,旨在使斜跨拱桥体系的设计得到进一步的优化。     

现浇混凝土空心楼盖施工技术

根据工程实例,通过采用抗浮锚钉、专用垫块、大流动混凝土等实用技术来消除现浇混凝土空心板内模壳的上浮和位移、模壳之间混凝土肋宽度、平整度不均衡、板底孔洞等质量缺陷,以保证现浇混凝土空心板的施工质量。     

地震作用下桩锚组合结构加固边坡稳定性分析----灾后重建专刊

对于一些性质复杂,滑坡推力巨大的边（滑）坡,单一的抗滑结构对其整治已显得无能为力,于是各种组合抗滑结构应运而生,然而目前对采用组合防治结构加固边坡稳定性的研究又十分稀缺。因此,本文以桩锚组合结构加固边坡为例,运用极限分析上限定理,推导出了地震作用下桩锚组合结构加固边坡中抗滑桩所需提供抗力的计算公式以及该加固边坡的屈服加速度计算公式,并提出了永久位移的预测方法,为地震带边坡防治结构的设计提供理论依据。通过对桩锚组合结构加固的实例边坡的计算分析,得到了在确定的锚索布置条件下,抗滑桩所需提供抗力和边坡屈服加速度与地震系数、抗滑桩布置位置、边坡特性和坡体材料特性等因素相关关系的一系列研究结果,揭示了地震作用下桩锚组合结构加固边坡的稳定性。     

长壁综采工作面采煤机定位定姿技术研究

分析了现有的采煤机支架传感定位技术、轨道里程计定位技术、自主定位技术的研究现状及其存在的问题;提出了以采区绝对坐标为参考坐标,采煤机在开采煤层内绝对定位的研究内容;探讨了采煤机定位技术在长壁综采工作面自动化中的作用。     

改进R-FCN模型的小尺度行人检测

目的 为了有效解决传统行人检测算法在分辨率低、行人尺寸较小等情境下检测精度低的问题,将基于区域全卷积网络（region-based fully convolutional networks,R-FCN）的目标检测算法引入到行人检测中,提出一种改进R-FCN模型的小尺度行人检测算法。方法 为了使特征提取更加准确,在ResNet-101的conv5阶段中嵌入可变形卷积层,扩大特征图的感受野;为提高小尺寸行人检测精度,在ResNet-101中增加另一条检测路径,对不同尺寸大小的特征图进行感兴趣区域池化;为解决小尺寸行人检测中的误检问题,利用自举策略的非极大值抑制算法代替传统的非极大值抑制算法。结果 在基准数据集Caltech上进行评估,实验表明,改进的R-FCN算法与具有代表性的单阶段检测器（single shot multiBox detector,SSD）算法和两阶段检测器中的Faster R-CNN（region convolutional neural network）算法相比,检测精度分别提高了3.29%和2.78%;在相同ResNet-101基础网络下,检测精度比原始R-FCN算法提高了12.10%。结论 本文提出的改进R-FCN模型,使小尺寸行人检测精度更加准确。相比原始模型,改进的R-FCN模型对行人检测的精确率和召回率有更好的平衡能力,在保证精确率的同时,具有更大的召回率。     

基于FCN-LSTM的工业烟尘图像分割

工业生产中常根据林格曼烟气黑度判断工业烟尘的污染等级,一种有效的方式是应用计算机视觉系统对工业烟尘进行监测, 其中对烟尘目标进行准确分割是该系统的关键技术。因为工业烟尘具有形状不固定、和云相似度高等特点,现有算法在复杂场景下对烟尘进行分割时容易受到干扰,分割准确度有待提高。针对这一问题,提出一种基于FCN-LSTM的工业烟尘图像分割方法,在全卷积网络对图像空间特征提取的基础上,使用长短时记忆网络提取图像序列的时间信息,通过烟尘的动态特征对运动的烟尘和背景进行区分,增强复杂场景下的抗干扰能力。实验表明,本文模型相比于全卷积网络,在复杂场景下的抗干扰能力有显著提升,能够有效克服来自云的干扰,对全卷积网络分割结果中易出现干扰点的问题也有改善,IoU指标最高有8.04%的提升。     

基于隐私保护的可证明安全委托计算协议

通过云计算提供的委托计算服务能够为委托方节省大量的计算时间和计算成本,但如何保证委托计算的隐私性和可证明安全性是具有挑战性的问题。结合全同态加密和多线性映射技术的优势,提出基于隐私保护的可证明安全多元多项式委托计算协议。根据委托计算的输入输出隐私安全需求设计委托计算安全模型,通过多线性映射方案和全同态加密技术构造任意第三方可公开验证的委托计算协议,并在标准模型下基于多线性Diffie-Hellman困难性问题假设证明协议的安全性与隐私性。实验与性能分析结果表明,该协议可保证安全性,同时能够减少计算成本,满足大数据环境下委托计算模式的应用需求。     

改进Mask R-CNN算法的带钢表面缺陷检测

在带钢的生产过程中可能会因为生产工艺的问题导致带钢表面出现缺陷,传统的带钢表面检测方法存在检测速度慢、检测精度低等问题。在计算机深度学习快速发展的今天,为实现带钢表面缺陷快速有效的检测,提出改进的掩码区域卷积神经网络（Mask R-CNN）算法,使用[k]-means II聚类算法改进区域建议网络（RPN）锚框生成方法;同时调整Mask R-CNN模型的网络结构,去掉掩码分支,提高了模型的缺陷检测速度。实验在NEU-DET数据集的5种缺陷检测中将原算法的均值平均精度（mAP）从0.810?2提升到0.960?2,检测速度达到5.9?frame/s。并且能够实现对缺陷目标的检测和实例分割,以便研究人员观测缺陷的大小和形状,从而改进工艺。相比于目前其他深度学习的缺陷检测算法,更能满足带钢的生产检测要求。