某大型电子厂房的职业安全研究

随着人们生活水平的提高,安全意识逐步增强,职业安全问题日益受到关注,国内外有关职业安全的研究也在逐步深入,尤其是职业伤害。因此,本文以某大型电子厂房为例,详细分析了其生产厂房、动力设施区、化学品库所存在的职业病危害因素,对这些危害因素有针对性地提出了一系列的职业安全措施,从而保证了职工的职业健康安全。     

一种基于MRF的多层遗传递减视频对象分割算法

提出一种视频对象分割方法,将时域信息、空域信息和图像颜色特征有效地结合起来,采用MRF遗传递减式分类来提取视频对象.利用视频帧的颜色特征,在初始分割中采用时空域分水岭方法,建立一个时空域毗连图(ST-RAG);基于时空域毗连图建立马尔可夫随机场(MRF)模型,在分割过程中采用遗传递减式方法对区域进行合理分类,利用形态学进行后处理,分割出感兴趣的视频对象.实验结果表明所获取的分割方法具有灵活性,且精度高.     

新型铁路站房中玻璃幕墙的实践及发展

研究目的：通过对曾经主持的几个铁路站房立面设计的总结与回顾，探讨了铁路站房玻璃幕墙的一些特点，大空间幕墙的支撑形式，面板的选择，并展望了玻璃幕墙在新型铁路站房中的应用及发展的新趋势。研究结论：钢桁架和索杆桁架是解决大空间大跨度幕墙受力的一种较好的方法，LOW—E玻璃的设计和应用是玻璃幕墙减低太阳辐射的非常有效的途径，现代建筑的玻璃幕墙中越来越多地采用了光伏发电和双层气循环等新型幕墙技术。     

改进的亚像素级快速角点检测算法

针对采用手工选择特征点能够保证特征点的均匀分布,但是自动化程度低而且耗时的问题,提出一种自动获取亚像素角点的新算法.该方法采用一种由粗到精的多层次检测策略,先采用SUSAN算法对角点粗定位,在此基础上用Forstner算子对角点精确定位.实验证明：文中的算法不仅保证SUSAN算法的灵活性和Forstner算子的亚像素级精度,而且速度快,并且对噪声具有鲁棒性.特征点的选择过程无须人工干预,完全自动化.算法克服了手工选择特征点耗时及自动化程度低的问题,而且能提取某些特殊性质的角点,具有自动自适应检测性能和较强的实用性.     

浅谈长江运砂船建造轮机检验要点

文章针对长江运砂船建造中出现的轮机方面的问题,在认真研究了现行法规、规范、规程和相关规定要求的基础上并通过实证研究,分析、归纳形成长江运沙船轮机检验要点。旨在为船厂质检人员、轮机验船师现场检验提供参考,确保长江运砂船建造质量,减少＂问题船＂投入长江运输。     

城市高架道路的中日设计规范比较

对中日两国在城市高架道路方面的设计规范进行比较,分析日本在用地条件极端困难的情况下建设城市高架道路所采取的各种有别于公路桥梁的方法,探寻在规划设计方面趋利避害的方法。提出保证桥上建筑限界、增加路缘带宽度、压缩护栏结构尺寸等思路,并对桥梁最大纵坡和匝道最小宽度等问题进行探讨。     

浅析坡地地铁高架车站的基础设计

结合实际工程案例,研究坡地地铁高架车站的基础结构设计方案,以减少前期场坪及临时边坡的处理费用。依据建筑及铁路行业规范,利用Midas有限元软件建立2层地铁高架车站的三维数值模型,分析设防烈度为7度、抗震等级为一级的地铁高架车站基础设计。分析结果表明:既有坡地采用坡率1∶1.25的多级放坡浆砌片石刷坡处理,边坡稳定性满足规范要求。车站基础采用柱与桩直接连接的吊脚结构基础,嵌固端取为桩顶,保证其上部结构具有一定的安全储备。桩基则依据边界条件进行分段受力验算,加强其强度及延性设计,并保证足够的嵌固深度穿透滑裂面,可满足工程安全要求,减少前期场地及边坡的处理费用,降低施工风险,缩短施工工期。     

大直径盾构隧道穿越建筑物群变形分析与控制措施北大核心CSCD

大直径盾构隧道掘进施工对土体造成扰动,导致地表产生沉降或隆起,继而严重威胁上部建筑物群的结构安全。文章依托某大直径盾构隧道穿越老旧小区密集建筑物群工程,首先利用二维有限元软件计算关键断面房屋的沉降变形,再对比三维有限元软件的计算结果,分析两种计算方法的适用范围;然后基于三维模型探究了不同初期荷载释放率对盾构穿越引起的地表和房屋变形的影响,最后利用Peck公式计算的理论地表沉降数据,梳理初期荷载释放率、地表沉降、地层损失率三者的内部联系并提出了控制变形的相关措施。研究结果表明,初期荷载释放率越小,地表及房屋沉降也越小,对应的地层损失也越小;对于控制地表变形,减小荷载释放率等同于减小地层损失率;初期荷载释放率、地表沉降、地层损失率这三者减小的量值呈线性关系。     

公路党建工作信息化建设探索与研究

文章总结了广西公路党建信息化建设取得的阶段性成果,结合实际分析了广西公路部门党建工作信息化建设过程中尚存在的问题,并提出了相应的解决措施。     

A context aware system for driving style evaluation by an ensemble learning on smartphone sensors data

There are many systems to evaluate driving style based on smartphone sensors without enough awareness from the context. To cover this gap, we propose a new system namely CADSE system to consider the effects of traffic levels and car types on driving evaluation. CADSE system includes three subsystems to calibrate smartphone, to classify the maneuvers, and to evaluate driving styles. For each maneuver, the smartphone sensors data are gathered in three successive time intervals referred as pre-maneuver, in-maneuver, and post-maneuver times. Then, we extract some important mathematical and experimental features from these data. Afterwards, we propose an ensemble learning method on these features to classify the maneuvers. This ensemble method includes decision tree, support vector machine, multi-layer perceptron, and k-nearest neighbors. Finally, we develop a rule-based fuzzy inference system to integrate the outputs of these algorithms and to recognize dangerous and safe maneuvers. CADSE saves this result in driver’s profile to consider more for dangerous driving recognition. The experimental results show that accuracy, precision, recall, and F-measure of CADSE system are greater than 94%, 92%, 92%, and 93%, respectively that prove the system efficiency.