摘要：为了提高超高层建筑施工的安全性和监管的效率,设计并实现了一种智能监管系统,能够对施工中的风险因素进行预警分析。从环境、设备、人员三大风险因素出发,结合超高层建筑施工的特点,选取了具有代表性的监管指标,设计并实现了一个实时在线监管系统。该系统通过由单片机、网络摄像机构成的数据采集端实时采集施工现场数据,提交到数据处理与分析端进行处理,然后通过数据展示与预警端实时监控,实现对施工安全的监管。在施工现场对系统进行了测试,并结合现场施工情况,验证了其数据有效性和监管有效性。实验结果表明,该系统能够实时采集和分析超高层建筑施工期间的各类数据,对异常监管指标发出预警,从而有效地提升了超高层建筑施工安全性和监管效率。

摘要：针对目前有限元计算所得的混凝土防渗墙应力常与工程实测结果出入较大问题,以狮子坪水电站土石坝为例,利用平面有限元法分析应力变形,采用敏感性分析方法研究了土体邓肯-张E-ν模型参数对防渗墙应力影响的敏感性,并分析了覆盖层、高塑性土、残渣单元及接触面Goodman单元四种材料16个参数对防渗墙应力的影响。结果表明,覆盖层地基的参数对防渗墙的应力影响较大,接触面参数的影响不容忽视,其他因素均对防渗墙应力整体影响较小。

摘要：整体爬升钢平台是超高层建筑施工使用的关键装置。由于其超高空作业以及作业过程中"搁置—爬升"两种状态反复切换的特点,存在发生重大安全事故的风险。开展整体爬升钢平台施工过程的安全监理是监理方履行监理职责的重要内容之一。将物联网技术应用于建筑施工监理中,基于对钢平台施工过程及其施工环境的实时监测,开展了整体爬升钢平台施工安全监理物联网系统的功能设计、架构设计、软硬件设计。应用在上海市徐汇区某在建超高层建筑施工钢平台施工安全监理表明,该设计方案具有可行性和有效性,可以满足超高层建筑施工钢平台安全监理的需要。

摘要：近年来,卷积神经网络(convolutional neural networks,CNN)因其优异的检测与识别能力,在心电图(electrocardiogram,ECG)信号的诊断研究中备受瞩目。然而,CNN模型因参数规模和算力需求较大,难以用于资源受限的可穿戴嵌入式设备。虽然使用剪枝技术可压缩网络规模,但稀疏化剪枝后权重的不规则分布使修剪后的网络模型依然存在无法高效处理非零数据的问题。为此,设计了一种高效的稀疏化卷积心律失常分类加速器。首先,采用多批次划分的稀疏压缩数据流方法提高计算效率;其次,设计了稀疏感知的计算阵列(processing element,PE)完成卷积运算,解决剪枝带来的负载不平衡问题。在现场可编程门阵列(field programmable gate array,FPGA)平台上的仿真结果显示,所设计的稀疏化卷积加速器在200 MHz时钟频率下的吞吐率为53.84GOP·s^(-1)、平均功耗为0.263 W、能效比为204.72 GOP·W^(-1)、五分类准确率达98%,相较于以往的稀疏化加速器,最高可以实现2.0~2.4倍的加速、4.5~6.1倍的能效比提升,适用于可穿戴的ECG分类设备。