南京长江第四大桥钢箱梁铺装层温度影响系数分析

为了减少现有的钢桥面铺装层车辙深度预估的误差,提出基于长期实测数据的钢桥面铺装车辙评估模型的温度影响系数计算公式。首先对南京长江第四大桥的实测温度概率统计后采用双高斯函数表征其分布;在此基础上修正了现有车辙评估模型中的温度影响系数公式,并利用车辙实测数据对车辙评估模型计算值进行验证。研究结果表明:钢箱梁复合浇筑式铺装层温度可通过双高斯分布描述其概率分布;计入温度影响系数的车辙深度与实际车辙值之间误差较小,相对误差为15.2%。     

基于积分分离式PID控制的耕深调节系统研究

耕作过程中保持耕深稳定是提高耕作质量的重要措施之一.以小型耕耘机的后悬挂旋耕部件为研究对象,提出了一种基于积分分离式PID控制的耕深自动测量和调节的系统,采用双倾角传感器检测耕深,消除了田块自身与绝对水平面倾角的误差影响,通过在误差信号的处理中使用积分分离式PID控制算法,利用Simulink中的SimHydraulic模块对耕深控制系统进行动态仿真研究,与未加入PID控制算法时的仿真结果进行比较,发现几乎消除了系统的耕深超调现象.同时,将响应时间由4.0s左右缩短到1.4s左右,使耕深控制系统的动态响应达到较好的效果.田间试验结果表明,当耕深设定为10cm和16cm时,实测耕深稳定性变异系数分别为6.05%和3.54%,均低于10%,达到了农业机械作业标准所规定的旋耕作业农艺要求.     

基于深度学习的障碍物检测与深度估计

提出了一种针对交通场景的基于深度学习的障碍物检测与深度估计方法。该方法对现有的YOLOv3模型进行改进，使用DenseNet网络代替原网络尺度较小的传输层，得到一种新的障碍物检测模型Dense-YOLO。然后采用立体匹配模型PSMNet得到双目图像的视差图，根据双目测距原理对被测目标深度进行估计。在KITTI数据集和实际交通场景中的实验结果表明，与YOLOv3模型相比，Dense-YOLO模型有效地提高了交通场景中障碍物检测的可靠性和正确率，对轿车、行人、骑行者和卡车这4类障碍物检测的平均精确率（average precision, AP）提高了3%～5%，平均精确率均值（mean average precision, mAP）提高了约4%。障碍物深度估计结果与真实值的平均相对误差约为3%。     

基于虚拟深度的聚焦型显微光场相机深度测量标定

针对聚焦型显微光场相机在内部光学参数未知的情况下,进行了基于虚拟深度的深度测量标定。首先基于高斯光学建立光场成像模型,推导出虚拟深度与实际深度间的函数关系。然后选择单一角点的标定板,在不同深度位置进行拍摄;该角点在多个宏像素中重复成像,相邻重复像点的间距随深度位置改变而变化;利用图像匹配的方法计算相邻重复像点的距离和虚拟深度值,并与实际深度一一对应进行曲线拟合。根据拟合结果,分析了不同深度位置下,该光场成像系统的深度测量分辨率。最后,通过拍摄已知倾角的倾斜棋盘格标定板,进行深度测量并分析测量误差,在主镜头工作距离靠近镜头方向2 mm(10倍景深)范围内,测量误差小于5.35%。     

科技查新工作发展的问题与提升路径研究

科技查新工作在服务科技创新和支撑科技发展方面起到了正面作用。在以创新引领发展的新时代，传统常规的科技查新工作明显滞后于国家科技创新发展步伐，在满足国内群体性技术革命创新的发展需求方面略显不足。本文在梳理科技查新工作发展的基础上，分析了科技查新工作存在的问题，探讨了新形势下科技查新工作的提升路径。从人员结构、服务模式机制与内容深度、服务资源与专业知识储备等方面提出了建议和意见，以期为科技查新工作发展提供借鉴。     

钢结构可替换梁端塑性铰滞回耗能研究

为避免钢结构梁柱节点在地震作用下出现脆性破坏,提出一种新的梁端削弱型结构形式来实现塑性铰的外移。采用ABAQUS有限元分析软件对节点进行滞回耗能能力的分析,同时对不同削弱深度的截面内力进行对比分析,并使用Perform-3D软件的静力推覆工况对新型塑性铰框架和普通框架的承载能力进行对比分析。研究结果表明,首先达到屈服强度的截面是上、下耗能板削弱最深位置的横截面;随着耗能板削弱深度的增加,耗能板削弱最深处横截面就会越容易屈服,且能够有效地降低梁柱节点焊缝截面的作用反力;新型塑性铰的耗能能力主要与耗能板的削弱深度有关,在满足承载力要求的情况下随着削弱深度的增加,塑性铰的耗能能力不断增加;由静力推覆分析可知,拥有新型塑性铰框架的整体承载能力比普通框架的整体承载能力低,所以过度的削弱耗能板深度会导致框架不能满足结构承载力的要求。适当的削弱深度会增加节点延性,提高节点的抗震能力,实现塑性铰外移的目标,起到保护梁柱节点的作用。研究结果可为削弱型梁柱节点的研究提供参考。     

蠕变作用下埋深对结构受荷特征影响分析——以广佛环线东环隧道工程为例

为研究在围岩蠕变作用下不同埋深软岩盾构隧道管片结构的受荷特性,以广佛环线东环隧道工程为背景,利用FLAC~(3D)(fast lagrangian analysis of continua in 3 dimensions)有限差分软件建立了数值分析模型,采用改进的黏弹塑性蠕变本构(burgers-creep viscoplastic model, CVISC),分析了埋深对管片的位移、内力及与围岩的接触压力影响。结果表明:隧道初期开挖之后,顶部围岩沉降,底部发生隆起,考虑围岩蠕变效应后,管片衬砌发生整体沉降,隧道埋深越大,管片体整体沉降越发显著;随隧道埋深的增大,弯矩、轴力与接触压力均逐渐增大。围岩未考虑加速蠕变下,蠕变过程中管片衬砌的内力和接触压力的变化规律基本相同,有衰减蠕变和稳定蠕变两个阶段。     

基础埋深对碎石桩复合地基桩体破坏模式的影响

针对碎石桩复合地基中桩体性能,通过有限差分数值模拟与模型试验对比分析,验证了数值模型的可靠性,进而通过变化饱和黏土中碎石桩复合地基的埋置深度,分析了复合基础下单桩与群桩的承载特性和破坏模式。研究结果表明:增加复合地基的基础埋深,单桩复合地基的基础外土体围压增强,桩体侧向约束增加,桩体的最大径向位移减小,桩体破坏位置沿桩体向下移动;群桩复合地基桩体的破坏模式主要由桩体所在位置决定,中心桩破坏位置位于桩体较深处,边桩的破坏位置发生在桩顶附近,基础埋深对边桩的侧向约束作用较明显;摩擦型群桩复合地基破坏模式随埋置深度发生转变,并导致桩体破坏模式由最初沿水平方向鼓胀(剪切)破坏转变成为向下的刺入破坏。     

一种结合Zigbee和以太网的远程数据监测系统

针对Zigbee传输距离短和以太网布线复杂的问题,结合Zigbee和以太网技术的优点,设计出基于Zigbee和以太网的远程数据监测系统.系统由Zigbee终端节点采集数据,经以太网传输至远程监测中心,实现远程监测和Zigbee到因特网的无缝连接.测试结果表明,系统工作性能良好,并具有可拓展性.     

基于Snake算法的深度图像人体目标跟踪

基于彩色图像的人体跟踪算法鲁棒性不高的主要原因是对目标进行跟踪时,受到光照变化、复杂背景、物体遮挡等因素的影响.针对此问题本文利用Kinect采集深度图像进行人体目标跟踪.首先在深度图像中通过用户索引检测出人体目标,可方便地去除图像中复杂背景的干扰.然后利用基于角点的自动初始化方法得到人体的轮廓信息,再结合Snake算法实现人体目标跟踪.最后将该算法与基于深度图像的Camshift算法进行对比分析.结果表明,在室内应用Snake算法不受灯光和复杂背景等因素的影响,能对人体目标进行实时跟踪,且比Camshift算法具有更强的抗干扰能力,跟踪更准确.