摘要：为研究泵站框架柱在火灾发生时,高温对柱变形行为的影响,文章通过设置多组对比试验分析了组合柱耐火性能和轴向变形影响因素。结果表明:柱的长细比、骨料类型等因素对组合柱的奈火性能有较大影响。为提高钢-混凝土组合柱的耐火性能,设计时应降低结构柱的长细比,增强骨料强度。研究结果为水利工程设计提供参考。

摘要：阐述自动化立体仓库的特点、基本结构、PLC控制系统设计、仓库管理系统与监控系统。探讨系统软件设计,介绍Step7软件、WinCC监控系统的特点和应用,并对设计方案做总体分析。

摘要：本文重点对表贴式矿用光纤布拉格光栅(FBG)传感器应力传感特性进行了分析研究,针对表贴式FBG传感器应力传感特性受基体剪切模量进行系统性的分析,建立表贴式FBG应变三层结构理论分析模型,推导表贴式FBG的应变传递数学表达式,从基体的剪切模量角度分析矿用FBG传感器应力传感特性。通过试验分析总结,得出铜基体材料应变和波长线性关系最佳,可达99.89%,表贴式FBG基体剪切模量越大,应力与波长线性度越好,为矿用FBG传感器结构设计和灵敏度优化提供理论研究基础。

摘要：随着全球共享汽车行业的不断发展,中国有望在2025年成为全球最大的共享汽车市场,但车辆内部环境清洁问题成为制约共享汽车行业发展的重要因素。该研究针对共享汽车卫生问题,提出了基于YOLOv7的监控平台。通过目标检测技术实时监测车内环境,结合物联网和手机应用程序提高清洁效率。训练模型采用多种数据增强技术,并在实验中验证其有效性。硬件设计方面,利用ESP32-CAM实现了摄像头控制和数据上传功能。实验结果表明,该平台能够有效监测车内垃圾情况,并为共享汽车公司提供清洁维护参考,为行业发展提供技术支持。

摘要：基于杠杆—摆锤结构与力学分析方法,利用差动补偿法消除温度对光纤布拉格光栅(FBG)波长漂移量的影响,建立波长与倾角传感的数学模型,分析矿用FBG倾角传感器传感特性。通过矿用FBG倾角传感器平台标定静态实验分析总结,铜基体表贴FGB传感器精度为1.526%、灵敏度为952.95 pm/(°)、重复性为1.2687%、迟滞性为0.2998%,结果表明:FBG倾角传感性能与实际倾角测量结果具有较好的一致性,为矿用FBG倾角传感器的应用提供理论技术支撑。

摘要：为了研究提升钢筋绑扎施工作业效率的方法,减少作业人员劳动强度,本文提出利用虚拟设计法从解决目前人工绑扎效率低,以及采用手持式绑扎机绑丝残留部分高出钢筋表面的问题,以定形绑丝为核心,融入手工绑扎作业流程的要点并考虑钢筋节点的特殊性,配套研究了一种基于定形绑丝的新型平面钢筋网绑扎技术及设备,制定了工艺原理及功能模块,建立三维模型,对每个零部件的功能及各零部件之间的空间位置关系、配合关系进行了分析和模拟。确定了绑扎设备的走行系统、定位系统、绑扎系统及控制系统。研究表明,采用定形绑丝的绑扎技术,在减少材料使用量及提高绑扎效率方面均有显著的提升,同时消除了手持式绑扎机作业时绑丝残留部分过高影响混凝土浇筑质量的隐患。

摘要：针对面膜堆石坝主体防渗材料常用的几个品种土工膜力学性能,展开了土工膜单向拉伸、液胀、耐局部划痕损伤和适应颗粒垫层变形能力的试验性研究。试验分析成果表明:1.0 mm厚的膜材中PVC-HX膜的杨氏模量、应力应变线弹性区间和适应变形能力方面具有一定优越性;划痕长度、方向和深度占膜厚比值相同的条件下,TPO膜耐局部划痕损伤能力较强,PVC-HX膜仍展现良好的耐损伤极限强度和极限延伸率,能够满足膜防渗结构力学性能要求;厚度大于0.8mm的HDPE/PE膜刚度偏大,适应变形和耐局部划痕损伤能力偏低,不适用于高水头压力下多孔隙介质垫层的膜防渗结构。试验成果分析表明膜厚大于1.0mm的PVC-HX膜和TPO膜在高面膜堆石坝膜防渗结构中应用具有潜在优势,工程设计厚度不大于0.8 mm的土工膜可优先选择HDPE/PE膜。

摘要：为提高无人机遥操抓取的稳定性,需设计和验证无人机空中遥操控制算法.建立空中遥操机械臂整体动力学模型,基于Virtual Robot Experimentation Platform (V-REP)软件的二次开发,实现对机器人系统的动力学精确描述和可视化仿真.在此基础上,提出基于质心采集和运动学逆解的无人机增稳-抓取算法,开发多功能仿真实验平台.研究结果表明:所建立的仿真实验平台为无人机的遥操抓取提供了新的解决方案.

摘要：随着我国社会发展的不断进步,现阶段节能环保的意识在社会发展中的作用在不断的提升,在这样的背景下,如何在民用住宅的设计中体现节能的思想,并且在实际的施工中得到有效地运用,才能有效的体现节能意识,体现节能思想,实现整个建筑以及群众生活的可持续发展。

摘要：为了使艺术设计更为普及,文章提出了基于手势识别的人工智能生成艺术设计。通过采集用户的手势识别结果,结合用户需要的生成艺术效果,在Media Pipe机器学习框架下,首先对Open CV捕获的图像进行检测,其次精确提取手部状态信息,再次调用Auto Py和Py Auto GUI,生成手部姿势和指令动作之间的映射,最后结合Processing和***设计并实现一个基于手势识别的交互式艺术平台,有效实现了用户和作品之间双向、实时的艺术交互。