摘要：由于金属氧化物避雷器(MOA)的温度是各种参数影响的结果,故准确地判别MOA是否工作在热稳定状态,是避雷器在线监测的重要内容。分析了声表面波(SAW)温度传感器的测温原理,利用无线无源SAW温度传感器设计了MOA比例单元温度测量的应用方案,通过实验室比例单元热特性的研究,验证了SAW技术应用在避雷器无线无源测温系统中的可行性,对实现MOA在线监测有重要意义。

摘要：无间隙金属氧化物避雷器(MOA)的在线监测是保证电力系统可靠运行的重要措施,实时获取MOA的在线状态,成为避雷器在线监测的热点。本文在介绍避雷器常用测温方式的基础上,分析声表面波(SAW)温度传感器的测温原理并由此分析了SAW器件应用于避雷器在线监测的可行性,本文利用无线无源SAW温度传感器设计了MOA比例单元温度测量的应用方案,通过比例单元动作负载试验的热特性试验,验证了SAW技术应用于避雷器在线监测的正确性,改进了以往测试方式,提高了测量精度,对应用于MOA在线监测有重要的参考价值。

摘要：土木工程造价管理是工程建设中的一个重要环节,其贯穿于整个工程建设的始终,具体体现在对土木工程建设前期建设可行性方案的研究,投资方案的考核、工程设计方案的合理性检验、建设竣工前施工费用的控制、管理和监督等。投资方只有充分利用自身在建设项目建设及投资控制中的主导地位,以主动控制为前提,以设计阶段控制为重点,对项目投资进行全过程的控制,才能更有效地节约建设资金。但投资方要实现对建设投资的有效控制,除了自身因素外,还与现行工程建设管理体制及项目建设各阶段的价格形成机制等外部因素有关,因此投资方还要加强对现行工程建设法律法规的研究,积极探索在社会主义市场经济条件下有效控制工程建设投资的新方法。

摘要：为了提高YOLO识别较小目标的能力,解决其在特征提取过程中的信息丢失问题,提出改进的YOLO特征提取算法.将目标检测方法 DPM与R-FCN融入到YOLO中,设计一种改进的神经网络结构,包含一个全连接层以及先池化再卷积的特征提取模式以减少特征信息的丢失.然后,设计基于RPN的滑动窗口合并算法,进而形成基于改进YOLO的特征提取算法.搭建服务机器人情境检测平台,给出服务机器人情境检测的总体工作流程.设计家居环境下的六类情境,建立训练数据集、验证数据集和4类测试数据集.测试分析训练步骤与预测概率估计值、学习率与识别准确性之间的关系,找出了适合所提出算法的训练步骤与学习率的经验值.测试结果表明:所提出的算法隐私情境检测准确率为94.48%,有较强的识别鲁棒性.最后,与YOLO算法的比较结果表明,本文算法在识别准确率方面优于YOLO算法.