利用深度学习的施工人员安全隐患行为诊断控制方法

为了对建筑施工现场存在安全隐患的行为进行诊断控制,提出通过深度学习的方式对建筑施工现场工人的不安全行为进行识别;第一,要对人体骨骼运动模型进行提取,将提取得到的信息作为人体姿态以及运动发生变化的新模态信息,并针对以人体姿态为依据实现骨架信息提取这一过程进行简单介绍,再进一步提出CNN-LSTM模型,该模型能够对空间特征提取性能进行优化;过利用BN-Inception作为CNN-LSTM行为识别模型所需要的空间特征提取器,对所有视频帧中包含的空间结构信息进行提取过程的训练;再通过借助长短时记忆网络(LSTM)针对完整视频中的所有帧进行时序信息的建模,最终通过模型所得出的结果即为LSTM在最终时刻的预测输出;通过相关研究能够证明,利用CNN-LSTM模型获取的信息准确率能够达到88.67%,能够对单模态行为识别模型在识别过程中的准确率进行优化。

核燃料组件骨架垂直度及长度差测量方法

骨架是核燃料组件的重要组成部分,其外形尺寸直接决定了核燃料组件的最终外形尺寸偏差。本文根据核燃料组件垂直度、长度差技术要求及其测量原理,在骨架测量时,采用相同的采点和计算方法,利用三坐标测量机开发三坐标骨架测量程序。用该程序测量同一个骨架的垂直度和长度差,重复6次,对其测量的准确性、稳定性进行分析和确认。实验结果表明,新的骨架测量方法测量数据稳定可靠,为骨架外形尺寸与核燃料组件最终外形尺寸对比打下了基础,在现有工艺条件下,有助于指导骨架生产,控制骨架外形尺寸偏差,从而减小核燃料组件垂直度和长度差。