基于GPRS的远程监控系统的研究

文章把移动通信中的GPRS网络应用于传统的工控系统,提出了一种基于GPRS的远程监 控系统。该系统充分利用移动通信技术的优点,具有高可靠性、高数据传输率等优点。最后通过汽车衡 计量GPRS工业控制系统的实现表明,该系统具有传统工控系统所不具有的特点。     

被动区溶洞对地铁车站深基坑稳定性的影响

为研究被动区溶洞对地铁车站深基坑稳定性影响规律,依托大连某地铁车站深基坑工程,基于弹性地基梁理论和尖点突变理论建立了被动区溶洞侧板最小安全厚度表达式,并进行了工程计算。采用FLAC3D软件建立数值模型,分别模拟了被动区溶洞不同侧板厚度、长度、埋深对基坑稳定性的影响。以桩体最大水平位移的模拟结果为具体数据,应用灰色关联分析法对影响基坑稳定的各因素进行了敏感性分析。结果表明：以溶洞侧板厚度为指标,根据数值模拟结果验证了被动区溶洞侧板最小安全厚度表达式的合理性,并可将溶洞侧板厚度对基坑稳定性的影响分为平缓区、明显区和剧烈区,剧烈区内的溶洞须对其进行加固处理;随着溶洞长度的增大,桩体最大水平位移和地表最大沉降位移的增值将加速增大;溶洞埋深与桩体嵌固深度相同时,桩体最大水平位移和地表最大沉降位移变化剧烈,应采取相应的处理措施;在影响基坑稳定性的各因素中,敏感性大小排序为：溶洞长度＞溶洞侧板厚度＞溶洞埋深。可见,在施工前通过理论分析、数值计算、统计分析等方法研究被动区溶洞对基坑稳定性的影响是必要的。     

融于图像多特征的路面裂缝智能化识别

路面裂缝形状不规则复杂程度高。传统路面裂缝识别技术需要对路面图像进行复杂预处理工作进行识别,不能自动化对路面裂缝图像进行分类。为提高对路面裂缝识别精度和效率,本文将基于深度学习方法提出一种自动识别路面裂缝并能减少图像预处理工作量的方法。首先,将原始图像切割为小样本图像,根据图像多特征进行分类,各选取相同类型样本2000张图像构建数据集;其次,利用双线性内插法对裁剪后图像进行上采样,凸显图像特征便于神经网络学习;最后,使用深度学习神经网络对训练样本进行特征提取训练模型。实验结果表明：ResNet101模型评估指标均优于其他深度学习模型和机器学习模型,模型测试精度达0.898,kappa系数为0.815。     

融合植被指数的3 D-2D-CNN高光谱图像植被分类方法

对于基于高光谱图像的植被分类,利用三维卷积神经网络和空谱结合可以取得良好的效果。但存在计算代价大、参数过多容易过拟合等问题。基于此,设计了一种三维卷积与二维卷积相结合的深度网络,通过数据分块的思想减小了计算量;并提出了一种融合植被指数的特征提取方法,改善了现阶段因高光谱图像样本数量少、光谱层间信息相关度高,造成的容易过拟合的问题。在植物园数据集、IP数据集和PU数据集上的实验结果表明该算法以较低的计算复杂度取得了出色的分类效果,具有较好的应用价值。     

悬挂式深基坑地下连续墙支护数值模拟及工程优化

现场监测难以预测基坑和围护结构后期变形规律,为提前预判并规避基坑破坏风险,采用数值模拟方法预测基坑变形及围护结构工作状态。依托南京市和燕路过江通道八卦洲明挖段实际工程,针对悬挂式地下连续墙深基坑支护方式,动态模拟基坑开挖,研究地连墙墙体深层水平位移和墙体弯矩变化规律,对比监测数据验证模拟合理性。改变悬挂式地下连续墙厚度及埋深,发现地连墙厚度增大可减小深层水平位移,但对抗弯性能要求较大;增大墙体埋深可减小水平位移和墙体弯矩,但超过一定深度影响减小,通过寻求墙体厚度及埋深合理值,优化施工方案。     

季冻区地铁车站深基坑支护体系合理性分析

为研究季节性冻土区地铁基坑由冻胀引起的支护体系的受力变形问题,基于呼和浩特1号线某车站深基坑工程,利用COMSOL Multiphysics软件进行二次开发,开展温度场、水分场和应力场耦合模拟,重点研究越冬地铁深基坑地下连续墙的水平位移以及内支撑轴力的变化。通过模拟改变内支撑纵向间距对原支护体系受力变形的影响来对结构进行优化,并对优化方案的适用性进行评价。结果表明：冻胀变形主要集中在0.45H（H为基坑深度）范围内,该范围内基坑围护结构需加强处理;地下连续墙和8m间隔的内支撑支护是较为合理的支护方式。研究成果可对呼和浩特地区修建地铁车站深基坑支护工程提供参考。     

光学遥感影像土地利用分类方法综述

土地是实现经济社会高质量发展的基础性资源,光学遥感影像以时间、空间、光谱等特有的优势为土地利用变化的发现、识别、分析提供了很好的支持,利用光学遥感技术提取土地利用变化信息已经成为重要的研究领域。论文以近年来土地利用分类相关文献为基础,分别从数据源、处理流程、处理精度、计算效率等角度对土地利用分类应用较为广泛的目视解译、监督分类、非监督分类、深度学习等四类方法进行了分析和总结。最后展望了光学遥感影像土地利用分类方法的发展方向     

基于DBN-LSTM的滚动轴承剩余寿命预测模型

针对滚动轴承退化数据的复杂性和传统的寿命预测方法不能充分利用数据的相关性从而导致预测精度不高的问题,提出了一种基于融合深度置信神经网络（deep belief neural , DBN）和长短时记忆神经网络（long-short term memory , LSTM）的剩余寿命预测模型。该模型首先采用带通滤波降噪对滚动轴承振动数据进行去噪,然后依据均方根特征和峭度特征在轴承全寿命周期内的趋势图确定模型的预测起始点;其次利用优化后的4层DBN网络完成深度特征提取并用于LSTM的训练与测试。通过轴承全寿命周期试验证明提出模型的可靠性,并且与传统LSTM、BP(back propagation)神经网络和DBN-BP模型的预测结果进行对比,验证了本文模型的有效性。     

多特征融合的道路场景语义分割算法

为提升道路场景语义分割的性能以及实际应用性,本文将传统的图像处理算法与深度学习技术相结合,提出了一种多特征融合的轻量级道路场景语义分割网络模型。该模型首先利用颜色空间转化、图像均衡化、边缘检测等算法来对图像多种特征信息进行增强;其次,以深度可分离卷积为基本单元搭建高效率特征提取结构,对特征增强后的图像进行信息融合和提取,并结合跳层上采样操作完成初步分割;最后,引入边缘检测支路来对分割图像的目标边界信息进行细化,保障网络高精度分割。通过实验结果表明,所提网络在分割精度、计算效率上得到了较好的平衡,同时,在实际变电站道路场景应用中,该网络也能实现高效语义分割,为巡检机器人提供有效的道路信息。     

狭窄场地二元结构高边坡组合支挡变形与优化分析

以某狭窄场地地下厂房土岩组合高边坡为例,采用条分法和数值分析法对上部桩锚与下部锚喷组合支护结构进行变形及稳定性分析,并对支护体系进行设计优化,最后结合现场实测对优化效果进行评价。结果表明：（1）随着开挖深度增加,桩身侧移、地表沉降和土体位移均逐渐增大,位移主要发生在土层中,桩身最大侧移点逐渐下移,发生在桩身第3排锚索下约2~3 m处。桩顶2 m范围内和公路区域地表沉降较大,近地表和桩身1/3区域土体水平位移较大;（2）数值分析与实测结果较为接近,组合支护体系能够有效控制坡体变形以及桩体侧移;（3）优化后地表沉降最敏感,比优化前增加约56%,土体位移增加约40%,而桩身侧移变化较小;（4）组合结构分界处平台宽度不应小于3~5倍桩径,且不应小于5 m,桩的嵌岩深度应控制在桩长的1/4左右,桩身设置多排锚索可有效控制变形。