民国时期开封市饮水问题及对策研究(1927—1937)

民国时期,开封市的饮水问题突出,主要表现为饮水资源缺乏、水质不洁、民众饮水卫生意识淡薄等,这对开封市民的身体健康和日常生活产生不利影响。为了有效解决这些问题,开封市政府采取了一系列的应对措施,主要包括完善饮水法规、开凿新式水井、整理渠道引水入城、改良井水水质、筹办自来水业和开展饮水卫生宣传教育等。这在一定程度上增加了饮水资源,净化了水质,初步改良了开封市的饮水问题。但限于资金和当时的社会条件,这些措施取得的成效是有限的。

面向空间机械臂的视触融合目标识别系统

为了解决由于视觉传感器视角单一、光线条件复杂导致的空间机械臂作业中相似目标识别较差的问题,提出一种基于CNN-GRU的视触融合目标识别系统。系统由机械臂、灵巧手和视觉传感器构成,实现了对目标物视觉和触觉信息的自主采样,并通过CNN-GRU网络提取视觉信息的空间特征和触觉信息的时序特征,有效利用多模态信息,提高目标识别的准确率。实验结果表明:在14种物品分类实验中准确率为97.8%,对比单一视觉CNN-V和触觉GRU-T网络分别提升16.3%和15.8%;同时,CNN-GRU在准确率和预测速度上明显优于传统最邻近算法和支持向量机算法。

基于CNN-GRU的遥操作机器人操作者识别与自适应速度控制方法

传统空间遥操作系统中从端机械臂的运动速度完全取决于操作者的操作速度。为了提高空间遥操作系统的安全性,提出了一种基于操作者操作速度识别的自适应速度控制方法。结合深度学习的理论,提出了一种基于卷积神经网络(CNN)和门控循环单元(GRU)神经网络的融合模型来对操作者的速度进行识别分类。选取了九位受试者构建操作者速度样本库,将操作者的操作速度分为3类,最终识别准确率达到92.71%;并且在此基础上使用串级PID实现从端机械臂的自适应速度控制。实验表明:该模型对新操作者也可以准确识别,同时该模型准确性优于卷积神经网络和循环神经网络(RNN)的融合模型,实时性优于卷积神经网络和长短期记忆(LSTM)神经网络的融合模型;基于该模型的自适应速度控制可以在保证从端机械臂运动轨迹不变的前提下,降低机械臂的末端线速度,有助于提高空间遥操作系统的安全性。