建筑机电系统在节能减排中的关键作用与技术应用

文章深入分析了建筑机电系统节能减排的意义,剖析了建筑机电系统节能减排的现状与存在问题,从电压等级设计、清洁能源使用、照明系统、给排水系统、空调暖通系统等方面研究了具体的节能减排措施,助力建筑机电工程节能减排,在保障建筑室内居住环境舒适度与便捷度的情况下,提高系统运行效率,降低运行成本与运行能耗。

探讨如何引导建筑工程监理与施工技术的相互促进

为了探讨如何引导建筑工程监理与施工技术的相互促进,以提高工程质量、安全性和效率,文章首先对两者在行业发展和施工进度方面的促进作用进行了分析,之后提出了当前建筑工程监理工作存在的问题,最后提出了具体的促进策略,包括工艺管理、进度管理、强化验收等,研究表明,采取科学的方式,紧密结合建筑工程监理与施工技术,可以提高工程质量和效率,降低风险,并能推动建筑工程监理与施工技术的协同发展,这对于建筑行业的可持续发展和城市建设具有重要意义。

融合累积分布函数和通道注意力机制的DeepLabV3+图像分割算法

为了解决DeepLabV3+在语义分割时未充分利用主干的低级特征,以及大倍数上采样造成有效特征缺失的问题,提出一种累积分布通道注意力DeepLabV3+(CDCA-DLV3+)模型。首先,基于累积分布函数和通道注意力提出了累积分布通道注意力(CDCA);然后,利用CDCA获取主干部分有效的低级特征;最后,采用特征金字塔网络(FPN)进行特征融合和逐步上采样,从而避免大倍数上采样所造成的特征损失。CDCA-DLV3+模型在Pascal VOC2012验证集与Cityscapes数据集上的平均交并比(mIoU)分别为80.09%和80.11%,相较于DeepLabV3+模型分别提升1.24和1.02个百分点。实验结果表明,所提模型分割结果更加精确。

基于增强多尺度特征解码器的图像语义分割

针对语义分割模型SegFormer在进行图像分割时存在多尺度语义信息利用不充分、细节特征丢失等问题,提出了一种改进的轻量级的语义分割算法,并设计了一个新的解码器来增强多尺度特征表示.采用新提出的瓶颈空间金字塔池化模块(BoSPP)以获得丰富且准确的多尺度信息,所提出模型采用拉普拉斯金字塔来获得编码阶段更精确的高分辨率细节特征,并将其应用于解码阶段来解决细节特征丢失的问题;最后对特征进行逐步融合,以避免上采样率过大导致细节损失,极大地保留丰富的细节特征进而增强最终的语义分割效果.ADE20K数据集的实验结果表明,使用改进后的解码器进行语义分割,在精度和运算量方面都有所改善.以使用MiT-B0编码器的实验为例,其mIoU指标相比原网络提升了1.36%,浮点运算量仅为原网络的51%.实验结果表明,改进后的模型在不增加大量计算成本的情况下提升了模型的分割精度,且浮点运算量更少,改进后的语义分割模型优于原模型,在增强多尺度特征和图像边界细节特征方面有更好的分割效果.

基于交叉注意力Transformer的人体姿态估计方法

现有用于人体姿态估计的深度卷积网络方法大多采用堆叠Transformer编码器技术,未充分考虑低分辨率全局语义信息,存在模型学习困难、推理成本高等问题。提出基于交叉注意力的Transformer多尺度表征学习方法。利用深度卷积网络获取不同分辨率特征图,将特征图转变为多尺度视觉标记,并且预估关键点在标记空间中的分布提高模型的收敛速度。为增强低分辨率全局语义的可识别性,提出多尺度交叉注意力模块,该模块通过对不同分辨率特征标记之间的多次交互,以及对关键点标记采取移动关键点策略,实现减少关键点标记冗余和交叉融合操作次数,交叉注意力融合模块从特征标记中抽取的不同尺度特征信息形成关键点标记,有助于降低上采样融合的不准确性。在多项基准数据集上的实验结果表明,与当前最先进的TokenPose方法相比,该方法能有效促进Transformer编码器对关键点之间关联关系的学习,在不降低性能的前提下计算代价下降11.8%。

单原子碳基催化剂在氧还原中的应用

随着能源危机和环境问题的日益严重,亟需开发清洁、低廉、可持续的新型能源。质子交换膜燃料电池(PEMFC)凭借着极高的能量转换效率和输出功率被认为是新一代的新型能源。然而,由于氧电极上发生的氧还原反应(ORR)的动力学缓慢,从而限制了PEMFC的大规模应用。过去Pt基材料是PEMFC阴极的主要催化剂,但是由于Pt价格高昂,不适宜大规模使用。单原子碳基催化剂(M-N-C)在酸性ORR中表现出出色的性能,本文综述了最近几年M-N-C在酸性ORR中的应用和挑战。

新形势下加强电力企业后备 管理人才队伍建设的思考

优良的后备管理人才队伍能够促进企业提升核心竞争力,帮助企业取得无往而不胜的可持续发展的效果。后备管 理人才队伍的建设也日益受到电力企业的重视,本文以此为切入点,论述新形势下电力企业加强后备管理人才建设的重要性 以及相应策略。

基于邻域粗糙集和海洋捕食者算法的特征选择方法

针对粗糙集模型中特征选择方法存在计算开销大、不能直接处理连续数据,以及海洋捕食者算法(MPA)处理优化问题仍存在收敛速度慢、易陷入局部最优等问题,提出了基于邻域粗糙集(NRS)和海洋捕食者算法的特征选择方法.首先,使用基于Tent混沌映射的反向学习和高斯扰动策略对原算法改进得到IMPA,再构建一种传输机制形成一种二进制算法;然后,基于邻域依赖度和特征子集长度构造适应度函数,使用IMPA不断迭代搜索出最优特征子集,设计一种元启发式特征选择算法.最后,在9个基准测试函数上评估IMPA的优化性能以及在UCI数据集上评估特征选择算法的分类能力.实验结果表明,在9个基准测试函数上IMPA的平均值、标准差明显优于粒子群优化算法(PSO)和樽海鞘算法(SSA);在UCI数据集上,同基于粗糙集的优化特征选择算法、基于邻域粗糙集的优化特征选择算法相比,所提的特征选择方法在KNN分类器下的分类精度平均值分别提高了10.28~14.13个百分点、2.71~12.11个百分点,在CART分类器下的分类精度平均值分别提高了9.41~13.24个百分点、2.90~12.31个百分点.

高炉烧穿事故应急救援预案

高炉的安全生产直接影响整个企业的经济效益 ,为保障高炉生产顺行和员工生命安全 ,本着防控结合的原则 ,对高炉工序存在的危险源进行辨识。根据重大危险源的潜在事故和事故后果进行分析来编制事故应急救援预案 ,明确了各级人员在事故预防和发生后的应急行动 ,以保护人身安全为第一目的 ,同时兼顾设备和环境保护 ,尽可能减少事故造成的损失程度。

快速尺度自适应核相关滤波目标跟踪算法

针对大多数跟踪算法无法解决尺度变化问题和现有尺度解决方案存在冗余、固定的问题,提出一种基于核相关滤波框架的由粗到细快速和新颖地解决尺度估计的方法,考虑到仅利用响应图峰值进行比较存在不稳定性,以检测响应图与期望输出图的欧氏距离作为峰值的可靠程度,以两者的乘积作为最终比较结果;该方法首先使用3个尺度因子确定目标尺度变化方向,然后在尺度变化方向求解最优尺度;在OTB-100的26个带有尺度变化属性的基准序列上进行实验,并与现有其他先进跟踪算法进行定量和定性比较。结果表明:提出的方法能够很好地解决尺度变化问题;与核相关滤波相比,所提出算法的平均距离精度提高了18.8%,曲线下面积提高了19.6%,跟踪速度是稳健视觉跟踪的精确尺度估计的2.5倍,是特征整合尺度自适应核相关滤波跟踪算法的6倍。

基于概率模型的自适应融合互补学习跟踪算法

在互补学习实时跟踪算法(Staple)中,方向梯度直方图(HOG)特征与颜色直方图采用的融合系数均为固定值0.3,在不同特征下相融时易造成目标丢失的问题。基于此,提出一种基于目标概率模型的自适应融合互补学习实时跟踪算法(amStaple),该算法使用分段函数得出自适应融合系数。分别在OTB-2013与OTB-100基准视频集上对所提算法进行实验测试,最终的实验结果显示,本文算法极大地提升了跟踪器性能,与Staple相比,在两个基准数据集上其精度分别高出6.52%与3.32%,成功率分别高出4.89%与3.11%。本文算法较为简单,且在与同时期优秀算法的定性与定量比较中表现较优。为解决本文提出的算法在基准视频部分属性上表现欠佳的问题,在本文算法的基础上增加判定条件,提出了amStaple1算法。