浅谈高速铁路路基沉降观测技术控制要点

结合兰新铁路第二双线路基沉降观测的具体实施,阐述了高速铁路路基沉降观测技术应用的基本要求,详细地介绍了路基沉降观测的方法及技术要求,针对高速铁路路基沉降观测技术管理思路的创新进行了探讨,对保证高速铁路路基测量工程质量及沉降观测的有效实施具有一定的借鉴意义.     

水泥CI元素浓度分布测量的模拟研究

对瞬发Y中子活化分析（PGNAA）技术在水泥检测中的应用,本文提出一种结构装置来对水泥中Cl元素浓度分布进行检测并且通过MCNP程序对其慢化体厚度．屏蔽体厚度,扫描宽度等参数进行了模拟分析。计算结果显示：通过该结构对水泥中Cl元素浓度分布检测是可行的。模拟结果显示当慢化体厚度为5．5cm,屏蔽体厚度为70cm,扫描宽度为5cm时为宜。     

关于线性多项式乘积序列的最小公倍数的误差项估计

设f(x)可表为几个整系数线性多项式的乘积.本文详细地研究了log lcm(f(1),...,f(n))的渐近行为,并利用算术级数的素数定理以及Hong,Qian和Tan等人所得的已知结果最终得到了log 1cm(f(1),...,f(n))的一个带余项的渐近公式.     

新型旋流分离一体机的分离性能分析

针对旋流器无法对粒径在10 μm左右的固相颗粒进行有效分离的问题,提出了一种过滤分离与旋流分离相结合的新型结构,并对内部流体速度场、压力场的变化和空气柱的稳定性进行了数值分析,对过滤介质的过滤通量和分离效率进行了实验研究.发现在相同操作参数和结构参数下新型旋流分离一体机具有更稳定的内部流场,内部速度、压力降更大,当粒径大于5 μm后旋流分离一体机的分离效率迅速提高,在10 μm 左右的固相颗粒的分离效率能够达到65%~85%,而实验所用普通旋流器的分离效率在60%以下.     

融合运动状态信息的高速相关滤波跟踪算法

为解决相关滤波(Discriminative Correlation Filter,DCF)算法在快速运动、遮挡、尺度变化等复杂情景下的跟踪失败问题,提出一种融合运动状态信息的高速相关滤波目标跟踪算法.在传统DCF算法基础上做出以下改进:(1)在跟踪框架中融入卡尔曼(Kalman)滤波器,利用目标运动状态信息对预测运动轨迹进行修正,以解决目标复杂运动时易跟丢问题,提高跟踪精度;(2)训练一个独立的尺度相关滤波器进行目标尺度预测,并利用主成分分析法(Principal Component Analysis,PCA)进行特征降维处理,提高跟踪速度;(3)提出一种高置信度更新策略判断是否对位置滤波器进行模板更新,以及是否采用Kalman滤波器预测位置作为目标位置.最后在OTB-100数据集上进行算法测试,提出算法平均精度与成功率分别达到74.8%与69.8%,平均帧率为84.37帧/s.相较其他几种主流算法,本文算法有效提高跟踪性能,并保证了跟踪速度,满足实时性要求,在遮挡、背景模糊、运动模糊等复杂情况下能够保持良好的跟踪效果.     

基于CC1100无线传输的人流量统计系统设计

为实时监测和控制某公共场所内的人流量, 设计并研发了基于CC1100无线传输模块的人流量统计系统。数据传输部分采用CC1100无线传输模块与微控制系统相结合的采集方式, 实现了基于自动查询地址式通讯协议的无线通信。经过测试, 下位机的实时数据能无线传输到上位机以实现远程监控每个采集点的人流量的功能, 具有布线简单、 操作方便、 性价比高和功耗低等优点。     

经济负荷分配问题的闭环文化粒子群算法

结合文化算法的双层进化结构和粒子群算法的局部搜索性能,提出了求解经济负荷分配问题的闭环文化粒子群算法。算法设置了上层的信念空间和下层的群体空间,并利用同步传输方式通过接受操作和影响操作来完成两层空间的交互;各群体空间采用反馈控制的原理对粒子的演化速度进行控制以保持群体的多样性。通过对文献中的3机组6母线和IEEE30BUS经济负荷分配问题的仿真结果表明,闭环文化粒子群算法有更好的收敛性能和更快的收敛速度。     

基于制造清单的企业计划模型

提出了以产品制造过程信息的集成模型,即"制造清单(BOMII)",来替代传统物料清单(BOM)在企业计划体系的核心枢纽作用.制造清单模型的构成包括三大清单(物料清单,作业清单和资源清单)和两大关系矩阵(作业资源矩阵和作业领料矩阵),集成描述了产品制造过程的全部信息,成为企业计划体系中的基础性文件.基于所提出的制造清单模型,建立了作业能力不足和可得资源有限的双重约束情况下的企业资源计划模型,对企业四个层次的计划体系(主生产计划、物料需求计划、能力需求计划和资源需求计划)均给出了相应的算法描述.最后介绍了某耐火材料厂应用该模型的案例分析,表明该模型可很好的应用于企业实践.     

基于改进卷积神经网络的平面地图道路模糊推理分割方法

由于平面地图呈现方式单一且有限,为提升其多样性需准确分割平面地图中的道路区域。提出一种基于改进CNN(convolutional neural network)平面地图道路和模糊推理分割的方法。选取两个道路信息丰富的数据库,实验选取百度地图(Baidu)数据库和高德地图(Amap)数据库,标记得到含标签信息的像素训练集;用Sigmoid分割目标函数代替复杂的Softmax函数分别训练得到Baidu-CNN模型和Amap-CNN模型;对得到的像素点概率进行非线性映射,构建模糊推理系统;将非线性映射后均匀分布的像素点概率输入模糊推理系统,判断像素点属于道路区域的概率,得到道路分割结果。结果表明:所提算法得到的平面地图道路分割模型较传统算法分割效果更好;准确率可以达到94.49%;单张平面地图的道路分割速度可达到5 s。