双层底分段建造过程的方案选优

介绍了双层底分段的七种建造方案，对建造流程进行了分析，并以韩国大宇的一个实际双层底分段的建造为例，用建造时间，建造工时以及其他若干评判准则比较了不同方法的优劣，找出最优的建造方案。     

城市轨道交通工程BIM总体管理模式研究

基于BIM和城市轨道交通工程建设特点，提出城市轨道交通工程BIM实施的总体管理模式。论述了城市轨道交通工程BIM总体管理模式的发展历程、特点及工作内容，包括目标设定、工作原则、组织与管理、BIM模型构建及交付标准制定、BIM数据集成与管理平台建设、BIM应用与成果管理和数字化交付管理等。实践证明，建设管理方主导+BIM总体管理模式适应于当前的城市轨道交通BIM建设和管理，并可为数字轨道交通生态链体系建设奠定基础。     

论铁路智能网的建设方略

就智能网的发展及特点论述了铁路智能网的建设策略。认为铁路智能网的建设应该迅速完成从叠加网到目标网的演变过程,并在此基础上大力发展铁路智能网的VPN业务,利用铁路公网的资源解决铁路专用通信的网络建设,以节省建设和维护费用,并充分发挥智能网的优势。     

高层建筑供暖系统的探讨

介绍高层建筑供暖系统的几种直接连接方式———传统 的分层式供暖系统、双水箱分层式供暖系统、高层建筑无水箱 直连供暖系统,探讨高层给水工程中无负压管网自动增压给水 设备在高层建筑供暖系统中的应用,分析比较各系统的系统设 置、优势及其弊病。     

基于激光摄像技术的钢轨波磨检测方法研究

目前常用的钢轨波磨检测方法有弦测法和惯性基准法,弦测法传递函数不恒定,惯性基准法受车速影响大。针对钢轨波磨检测方法的缺点,提出了一种基于激光摄像技术的波磨检测方法,通过多传感器并行工作对钢轨轮廓进行高频率采样,通过FPGA(现场可编程门阵列)对传感器获得的光条图像进行ROI(Region Of Interest)提取,将图像的ROI传送至上位机提取轮廓数据,进而完成钢轨的波磨信息提取。论证了通过多传感器并行工作提高钢轨轮廓的采样频率的可行性,在Xilinx SP605开发板上实现了光条图像ROI的实时提取。试验表明,ROI提取能够有效减小通信的数据量。     

基于霍夫变换的全景图中建筑物识别方法

提出了一种能够自动识别全景图中建筑物轮廓的方法.首先利用Canny算子获得边缘图像,使用霍夫变换算法提取出边缘图像中的直线.然后检测各条直线之间的位置关系,由于全景图尺寸较大,采用了局部化原理来进行检测.再根据直线之间的位置关系生成直线关系图.最后遍历直线关系图得到封闭几何图形,从而识别出大规模全景图中的建筑物轮廓,为进一步的全景图中建筑物三维建模提供素材.算法分析和实验结果表明,该方法对于几何形状规则的建筑物能够较好的识别.     

络合萃取—树脂吸附法处理己内酰胺废水的实验研究

利用络合萃取—树脂吸附法对己内酰胺废水进行了处理实验研究,结果表明,对于CODcr58000 mg·L^-1、色度3 500倍的己内酰胺废水,经此方法处理后,CODcr、色度的去除率分别达到99%和100%,对实验中的影响因素进行了分析,同时对该处理方法应该进一步研究的问题进行了说明。     

地铁盾构隧道下穿既有构筑物沉降分析及对策

以国内某盾构隧道下穿既有构筑物为工程依托,运用有限元分析软件Plaxis模拟盾构隧道开挖的全过程．对施工所引起的沉降进行数值模拟分析。研究结果表明：隧道下穿住宅楼时,桩基础会产生较大的不均匀沉降;隧道下穿锅炉房时,左右线开挖后引起的基础沉降都超出了可控范围;隧道在先后下穿住宅楼和锅炉房的施工过程中都存在较大风险。通过研究提出了盾构施工期间技术措施,有效地控制构筑物沉降,以达到相关安全性要求。     

分层CS-LBP和HOG特征融合的人脸识别研究

针对单独的纹理特征只能提取图像的纹理信息而不能得到图像轮廓边缘信息的问题,在人脸识别的特征提取研究中提出了分层CS-LBP和分层HOG特征的融合方法.对图像分别进行多次CS-LBP和HOG特征的提取,得到分层CS-LBP特征提取图像和分层HOG特征提取图像,对分层的特征提取图像再次提取分层CS-LBP和分层HOG特征,并将两种分层特征进行融合,得到更有效的人脸的纹理及边缘轮廓特征.在ORL和GT人脸库上的实验结果验证了所提出的分层特征融合方法的有效性.     

基于雷达测距的车辆识别与跟踪方法

本文中提出了一种基于雷达测距的车辆识别与跟踪方法,以准确地识别道路上的车辆目标。首先对采集到的每帧数据采用自适应距离阈值的方法进行聚类分析。在聚类内部采用端点迭代拟合算法提取线段,在此基础上得出目标的特征向量,并据之识别车辆目标。然后通过计算特征向量的代价函数进行多目标关联,利用卡尔曼滤波器根据关联结果更新目标的状态。最后,以智能车辆BJUT-IV配备LMS291激光雷达在校园道路上对本方法进行验证测试,结果表明,提出的方法能够准确地对多个行驶车辆进行跟踪。