基于特征分块的赤足足迹人身识别算法

为了提高赤足足迹人身识别算法的准确率，本文提出了一种基于深度学习的足迹识别算法。由于足底各区域压力的不同导致了赤足足迹各部分包含的信息量存在一定的差异性，为了获取更稳定、区分度更高的特征，采用ResNet50作为基础网络，在特征层进行分块处理。本文基于2000人的赤足足迹库进行训练，利用500人1000幅测试图在3000人的赤足测试库上进行测试。所提出算法的首位识别准确率达到了98.50%，优于常规的ResNet50网络。实验证明，本文提出的基于特征分块的足迹识别算法在赤足足迹识别中获得了很好的识别效果。     

排桩与止水帷幕加内支撑的复合支护设计

介绍了某工程采用钻孔灌注桩联合止水帷幕加内支撑的复合支护技术的设计、工艺和施工,提出了当基坑开挖深度大于10 m时新的复合支护技术,并通过现场各项指标监测和施工任务评定,指出该施工技术的经济性、安全性,为高层及大跨度建筑深基坑支护技术提供参考和借鉴。     

弹性流体动力润滑状态下滚动轴承摩擦的分析

基于非牛顿弹性流体动力润滑(弹流润滑)点接触问题的数值求解方法,对深沟球轴承滚动体与滚道椭圆接触的稳态与瞬态润滑问题进行了分析.依据油膜压力与油膜厚度的数值计算结果,讨论了接触表面粗糙度、表面几何形态(粗糙表面峰谷高度)、滑滚比、接触力以及滚动速度等参数的改变对润滑深沟球轴承摩擦系数的影响.结果表明:表面粗糙度的改变对摩擦系数的影响较小;粗糙度一定时,表面几何形态的差别对摩擦系数影响较小;摩擦系数随着滑滚比的提高而增大;接触力与滚动速度的提高导致摩擦系数增大.     

井巷多断面岩层热传递方式与深井热环境动态分析

确定井巷风流热量来源及关键地点温度变化、热增量与损失量,并以之为依据有针对性地开展深井气候调节是通风工程需要解决的关键问题之一.通过改进传统的傅里叶导热模型,建立了基于通风井巷实际断面形状的三维热传导模型,针对不同井巷断面形状确定了反映流速与流量状态的动量相关的计算边界条件,并结合时间参数揭示了岩层内部导热以及井巷岩壁与气流间的热交换规律,建立了湿壁面与气流间的热湿传导方程.在此基础上,构建起国内某大型深井金属矿山井下通风系统,获得了关键地点的温度、湿度、热量等参数的走势和变化特点,为矿山开展深井气候调节与控制奠定了基础.     

深井长距离大断面回采巷道支护方案优化

为解决文家坡煤矿4101首采工作面长距离大断面回采巷道顶板下沉量大、钢带变形严重以及帮部破碎扩容显著等围岩失稳带来的支护质量差甚至支护失效现象,采用钻孔窥视仪对巷道进行布孔观测和工程类比法对原支护方案进行优化。结果表明:采用优化方案后,顶板下沉量从600 mm降低到100 mm,并且钢带受剪切变形显著减少;巷道尺寸收敛现象为50~100 mm,低于优化前的300 mm.为避免巷道变形严重,在监测监控基础上增加支护强度是合理可行的。     

弱凝胶深部调驱可视化驱油实验研究

针对人造岩心驱替过程不能直观展示以及大尺度三维模型工艺复杂和适应性差的问题,研制出一套能够在高温高压下进行不同渗透率岩心组合、模拟正反韵律储层,以及不同驱替方式的小尺度可视化装置。在注入0.3 PV弱凝胶型调驱体系,候凝24 h的条件下,研究不同时刻各相流体在多孔介质中的运移过程以及与人造岩心驱油实验结果对比分析。结果表明:在弱凝胶阶段,弱凝胶优先进入中高渗透层,减小层间非均质性,同时能够改变高渗层内部残余油的分布;在后续水驱阶段,低渗透层逐渐起主导作用,而且存在于大孔道的弱凝胶由于黏弹性,在驱替压力达到某一临界值时,弱凝胶能够在新的孔道内聚集,有利于弱凝胶在油藏深部进行深部调驱。与人造岩心驱油实验对比,可视化装置在含水率和采收率曲线的拟合度较高,说明可视化实验装置对进一步理解弱凝胶调驱机理具有指导意义。     

结合卷积与转置卷积特征的模糊车牌复原方法

深度学习算法在图像去噪领域已经得到了很好的效果;但目前对于深度学习算法在模糊图像复原领域的研究没有更深入的研究。直接应用图像去噪的方法对模糊车牌进行复原实际上可行的,但会产生复原图像细节缺失,时间代价高的缺点。针对这些问题,吸取去噪方法的优点,提出将原始图像信息与转置卷积复原后的图像信息相结合的方法,重新构建了图像复原网络结构;并根据图像特点自定了损失函数。实验通过与已有的方法进行对比说明,提出的复原方法在复原车牌图像质量上和复原效率上都有很好的表现;同时对模糊运动角度与不同噪声具有健壮性;而模糊运动像素越大的图片,复原图像的质量也会下降。     

云计算下深空通信网络的能耗感知调度方法研究

云计算下深空通信网络中,通常同时要求低能耗和低反应时间,当前调度方法一般无法同时满足上述两种条件,导致调度性能不佳。为此,提出一种新的云计算下深空通信网络的能耗感知调度方法,将云计算系统抽象地表示成一个四元组,给出云计算平台拓扑图,介绍了云计算系统的能耗感知模型。将能耗感知理论引入min-min任务调度方法,依据深空通信网络对任务截止时间要求的满足程度,优先选择任务队列中的最短任务,将其分配至能耗最小的服务器上执行,求出该任务在各服务器上的执行能耗,通过完成时间是否满足截止时间要求判断是否结束调度。给出基于能耗感知的最早完成时间任务调度方法的详细实现过程。实验结果表明,所提方法能耗低,时间跨度优。     

基于ARM+FPGA异构平台的目标检测加速模块设计与实现

为解决基于深度学习目标检测模型规模大、在边缘设备上难以部署的问题, 以YOLO目标检测模型为例, 设计实现基于ARM+FPGA异构平台的目标检测加速模块。该系统使用剪枝、量化后的压缩模型, 在FPGA实现神经网络前向推理加速, 在ARM中实现加速器调度。实验结果表明, 部署至Xilinx ZCU102开发板上, 该模块在200 MHz工作频率下, 平均计算性能达到425.8 GOP/s, 推理压缩模型速度达到30.3 fps, 模块功耗为3.56 W, 证明该加速模块具备可配置性。     

用于短期风功率预测的历史数据深度迁移模型

随着全球化石燃料短缺日益严重,可再生能源的开发与利用愈发得到重视。风能是被广泛使用的清洁能源之一,在生产工作中,风力发电作为风能的主要利用形式,需要对其功率进行预测。依托风场日常记录的历史数据,传统学习模型可对风功率进行短期预测,但往往仅使用自己域内的历史数据作为分析对象,该类算法导致结果片面,局限性大,不能有效使用类数据中的隐含联系,抑制原始数据缺失或异常值引起的模型性能下降问题。笔者设计一种基于历史数据深度迁移的短期风功率预测模型。首先,使用带降噪处理的自动编码机构建深度神经网络模型。其次,应用深度迁移方法共享隐藏层,挖掘特征之间的隐含联系。最后,从具有相似特征和地理位置的风场数据中迁移重要知识,提高模型准确率和可靠性。实验结果表明,研究方法较之未使用迁移的方法更充分利用现有数据,预测准确率显著提高。