摘要：为了研究UHPC永久模板RC无腹筋组合梁的抗剪性能,以UHPC永久模板的厚度和界面条件为试验参数,分别开展了UHPC材料力学性能与UHPC永久模板RC无腹筋组合梁四点加载试验。由于组合梁的抗剪性能与UHPC的基本力学性能密切相关,因此首先对UHPC的抗拉与抗压性能进行了试验研究。UHPC的力学性能试验结果表明,UHPC在单轴单调荷载作用下具有一定程度的应变硬化特征,其拉伸极限强度为4.87MPa,极限拉应变为0.6%。在材料试验结果的基础上,通过考虑UHPC永久模板厚度与界面方式这2种试验参数,分别设计了1根RC参照梁,1根UHPC参照梁,以及2种UHPC/RC界面类型(光滑与均布剪力键)、3种永久模板厚度(15,20,25mm)、共计6根U形UHPC永久模板RC无腹筋组合梁。在对这8根梁分别进行四点加载破坏试验的基础上,分析了UHPC永久模板不同厚度与界面类型对组合梁抗剪承载力的影响。结果表明:组合梁的抗剪承载力及其变形能力较相同尺寸及配筋的RC无腹筋梁至少提高了103.7%和117.7%;且无论何种界面类型下,抗剪承载力随着UHPC永久模板厚度的增加而增加;界面为均布剪力键的UHPC永久模板较光滑界面能提供更高的抗剪承载力与变形能力。最终,基于修正桁架模型理论,分析了UHPC永久模板与RC无腹筋梁的抗剪承载力及其抗剪构成,提出了UHPC永久模板RC无腹筋组合梁的抗剪承载力计算公式,且公式计算值与试验值吻合较好。

摘要：目的视频行为识别和理解是智能监控、人机交互和虚拟现实等诸多应用中的一项基础技术,由于视频时空结构的复杂性,以及视频内容的多样性,当前行为识别仍面临如何高效提取视频的时域表示、如何高效提取视频特征并在时间轴上建模的难点问题。针对这些难点,提出了一种多特征融合的行为识别模型。方法首先,提取视频中高频信息和低频信息,采用本文提出的两帧融合算法和三帧融合算法压缩原始数据,保留原始视频绝大多数信息,增强原始数据集,更好地表达原始行为信息。其次,设计双路特征提取网络,一路将融合数据正向输入网络提取细节特征,另一路将融合数据逆向输入网络提取整体特征,接着将两路特征加权融合,每一路特征提取网络均使用通用视频描述符——3D ConvNets(3D convolutional neural networks)结构。然后,采用BiConvLSTM(bidirectional convolutional long short-term memory network)网络对融合特征进一步提取局部信息并在时间轴上建模,解决视频序列中某些行为间隔相对较长的问题。最后,利用Softmax最大化似然函数分类行为动作。结果为了验证本文算法的有效性,在公开的行为识别数据集UCF101和HMDB51上,采用5折交叉验证的方式进行整体测试与分析,然后针对每类行为动作进行比较统计。结果表明,本文算法在两个验证集上的平均准确率分别为96.47%和80.03%。结论通过与目前主流行为识别模型比较,本文提出的多特征模型获得了最高的识别精度,具有通用、紧凑、简单和高效的特点。

摘要：本文在物联网的基础上,提出了农业物联网体系结构模型,并对每层所研究的重点问题进行了分析,为农业物联网的通用架构设计奠定了一定的基础。在此基础上,重点描述了农业物联网在农业生产不同领域方面的应用,最后结合当前信息化产业的发展及软硬件功能,对农业物联网的发展进行展望。