摘要：采用CO_(2)气体保护焊对16 mm厚Q420qD钢进行部分熔透角接焊,对平焊、立焊和仰焊的焊接工艺进行优化设计,并分析了焊接接头的显微组织和力学性能。结果表明:在13.25~19.77 kJ/cm的焊接热输入条件下,接头焊缝和热影响区组织稳定。焊缝显微组织主要为先共析铁素体和针状铁素体,粗晶区为贝氏体、针状铁素体和珠光体的混合组织,细晶区铁素体和珠光体组织均匀分布。不同位置焊接接头的硬度变化规律为:热影响区>焊缝>母材。焊接接头的屈服强度(558~669 MPa)明显高于母材(464 MPa),拉伸断裂位置均发生在热影响区;焊缝和热影响区在-20℃的冲击功≥69 J,表现出良好的冲击韧性。

摘要：通过对2008年8月12日丹东地区220 kV输电线路大面积雷击跳闸故障现场调研、实测有关数据、故障线路历年雷击数据统计、省调故障记录分析,并结合雷电定位系统和小波测距,调取原始设计资料,验算耐雷水平等工作,确定典型雷击线路故障分析方法。

摘要：应用端帮采煤机开采工艺回收端帮压覆滞留煤资源时,支撑煤柱合理宽度的确定是影响其安全、高效推广应用的一个关键性要素,尤其是考虑爆破振动效应对支撑煤柱稳定性的影响。以平朔安太堡露天矿南端帮为工程背景,采用现场测振试验、理论分析、数值计算研究边坡三角载荷和爆破振动作用下端帮开采支撑煤柱稳定性及其参数设计方法。基于极限平衡理论和尖点突变理论,运用Mohr-Coulomb屈服准则,分析了煤柱弹塑性区分布规律;建立了受采高、采宽、上覆岩层载荷应力、煤柱黏聚力与内摩擦角等因素影响下的煤柱极限强度函数表达式;建立了不同安全储备系数条件下煤柱最大允许塑性屈服区宽度及煤柱留设宽度计算式。建立了支撑煤柱三维简谐振动响应模型,研究了单响药量、高程差、爆心水平距等爆破参数对煤柱瞬时最大动应力响应影响规律,揭示了爆破动载效应对支撑煤柱塑性区宽度和稳定性的影响机制,提出了爆破动载作用下支撑煤柱参数设计方法。研究结果表明:爆破振动对支撑煤柱稳定性影响较大,爆破动载作用下煤柱瞬时最大动应力响应与单响药量呈正相关关系、与高程差和水平距离呈负相关关系。随煤柱瞬时最大动应力响应增加,煤柱塑性区宽度呈正比例增大,煤柱安全系数以近似线性规律衰减。确定动−静载下煤柱留设宽度为5 m,经工程实践,验证了其合理性。

摘要：现有目标检测算法在复杂大场景下多目标检测的精度和实时性难以平衡,为此,受深度神经网络卷积核形态启发,模仿了人眼视觉机理,改进了基于深度学习的目标检测框架,即单向多框检测器(SSD),提出了多目标检测框架——自适应感知SSD,将其专用于复杂大交通场景多目标检测。设计了由多形态、彩色Gabor构成的特征卷积核库,训练筛选最优特征提取卷积核组替换原有网络的低级卷积核组,从而提高检测精度;将单图像检测框架与卷积长短期记忆网络结合,通过瓶颈-长短期记忆层提炼传播帧间的特征映射,实现网络帧级信息的时序关联,降低计算成本,从而实现对视频中受强干扰影响目标的追踪识别;同时加入自适应阈值策略,降低漏警率和虚警率。实验结果表明,相比于其他基于深度学习的目标检测框架,各类目标识别的平均准确率提高了9%～16%,平均准确率均值提高了14%～21%,多目标检测率提高了21%～36%,检测帧率达到32frame·s-1,实现了算法精度与实时性的平衡,取得较好的检测识别效果。

摘要：胡文虎是现代华侨史和华文报业史上的一位重要人物,一生创办过近20家共20余种报纸。对于他为什么热衷于办报,学界的看法一直是众说纷纭,迄无定论。本文从胡氏的客家文化秉赋及其产业经营的整体战略出发对此加以探讨,认为胡文虎之所以热衷于办报,一方面是受其客家文化心理的强烈驱动,另一方面也是基于其优化产业经营的战略性思考。正是由于两者所形成的巨大合力,最终让只有小学文化程度的胡文虎成为名震遐迩的"中文报业巨子"。

摘要：针对现有基于大数据和深度学习的目标检测框架对于高分辨率复杂大场景中低分辨率小目标识别效果较差、多目标检测的精度和实时性难以平衡的问题,改进了基于深度学习的目标检测框架SSD(single shot multibox detector),提出一种改进的多目标检测框架DRZ-SSD,将其专用于复杂大交通场景多目标检测。检测以从粗到细的策略进行,分别训练一个低分辨率粗略检测器和一个高分辨率精细检测器,对高分辨率图像进行下采样获得低分辨率版本,设计了一种基于增强学习的动态区域放大网络框架(DRZN);动态放大低分辨率弱小目标区域至高分辨率再使用精细检测器进行检测识别,剩余图像区域使用粗略检测器进行检测,对弱小目标的检测与识别精度以及运算效率的提高效果明显;采用模糊阈值法调整自适应阈值策略在避免适应数据集的同时提高了模型的决策能力,显著降低了检测漏警率和虚警率。实验表明,改进后的DRZ-SSD在应对弱小目标、多目标、杂乱背景、遮挡等检测难度较大的情况时均能获得较好的效果。通过在指定数据集上的测试,相比于其他基于深度学习的目标检测框架,各类目标识别的平均准确率提高了4%~15%,平均准确率均值提高了约9%~16%,多目标检测率提高了13%~34%,检测识别速率达到38 fps,实现了算法精度与运行速率的平衡。

摘要：针对现有基于大数据和深度学习的目标检测框架难以实现在低功耗移动和嵌入式设备上实时进行视频目标检测的问题,改进了基于深度学习的目标检测框架SSD,提出一种改进的多目标检测框架LSTM-SSD,将其专用于交通场景视频多目标检测。将单图像检测框架与递归神经网络-LSTM网络相结合,形成交织循环卷积结构,通过采用一种Bottleneck-LSTM层提炼传播帧间的特征映射实现了网络帧级信息的时序关联,极大降低了网络计算成本;将时间感知信息与改进的动态卡尔曼滤波算法结合起来,实现了对视频中受光照变化、大面积遮挡等强干扰影响目标的追踪识别。实验表明,改进后的LSTM-SSD在应对多目标、杂乱背景、光照变化、模糊、大面积遮挡等检测难度较大的情况时,均能获得较好的效果,相比于其他基于深度学习的目标检测框架,各类目标识别的平均准确率提高了5%~16%,平均准确率均值提高了约4%~10%,多目标检测率提高了4%~19%,检测帧率达到43 fps,基本满足实时性的要求。其实现了算法精度与运行速率的平衡,取得了较好的检测识别效果。

摘要：为实现无人装备在野外环境下对非结构化道路进行自动、普适和精准的识别与导向,提出了一种基于图推模型与智能寻优的野外场景道路导向算法。首先将图像分割为同质超像素块,对超像素块的多特征进行融合,构造训练集;改进传统拉普拉斯支持向量机算法,结合超像素块位置信息动态选取道路区域超像素种子块,训练超像素块的多类别分类回归器和相邻超像素的一致性回归器;结合两种回归器的回归值构造马尔可夫随机场的能量函数,再利用标准图割算法迭代求取最小化能量函数,实现初始道路推理分割;结合道路初分割结果,依据人对道路的直观感知,设定约束条件构造目标函数,利用差分免疫克隆进化算法智能寻优提取道路的导向线。在南京珠山采集的数据和DARPA Grand Challenge数据库上进行检测,并与经典算法的道路导向效果进行定性和定量比较,结果表明该算法在野外环境下对非结构化道路的导向线提取精度总体达91.79%以上,相比于经典算法,检测精准度分别提升48.1%和35.5%,算法处理效率分别提升98.6%和97.8%,在检测的实时性与精准度问题上实现了平衡,具有较强的应用前景。