面向服务的智能建筑软件框架研究

建筑管理系统(BMS)、能源管理系统(EMS)、物联网设备、建筑信息模型(BIM)、电网及气象服务等多元信息系统是有效支撑由数据驱动的智能建筑软件高效运行的关键。然而,这些由不同开发商提供的系统之间缺乏统一且明确界定的程序接口与标准,这已成为制约应用程序在模块开发、可扩展性及重用性上进一步发展的主要障碍。为增强云环境下智能建筑系统对需求和技术变化的适应能力,提出一个优化的端到端实现架构。该架构以Zachman框架为基础,通过符合MACH原则的微服务、API和基于云的组件来确保整个系统的高灵活性、可扩展性以及向前兼容能力。为了验证所提优化方法的有效性,以某高校工程实训中心为案例,开发了一套智能建筑应用程序。经过一年多的实际运行,该程序充分展示了传感器数据与BIM模型集成的数字孪生应用、基于事件驱动的实时传感器数据与建模分析等先进功能,不仅证明了所提方法的前瞻性和兼容性,同时也展现了其应对不断变化的需求和挑战的能力。

基于ZIF-8的双错位光纤二氧化碳传感器

目的:提出一种基于ZIF-8的双错位结构光纤二氧化碳体积浓度传感器,通过透射光谱强度的变化分析传感灵敏度。方法:利用3段单模光纤两两错位熔接,使得包层模和纤芯模形成M-Z干涉,并将发生干涉的区域作为传感区域,在其表面涂覆具有吸附气体作用的有机金属框架结构ZIF-8。结果:在二氧化碳体积分数0.03%~1.03%的范围内,该光纤传感器的灵敏度可达8.322 dB/%。结论:这种基于ZIF-8的二氧化碳传感器,具有制作简单、信号解调便捷等优势,对于当前CO 2浓度检测具有重要意义。

基于稠密级联卷积神经网络的水下图像增强

为了解决水下退化图像出现的色彩偏差等问题,提出一种基于稠密级联卷积神经网络的水下图像增强算法。首先将退化的水下图像从传统的红、绿、蓝(RGB)颜色空间转换到色调、饱和度、亮度(HSV)颜色空间,保持色调分量和亮度分量不变,利用级联卷积神经网络对饱和度分量增强。然后在特征提取网络编解码过程中引入了新的稠密块。稠密块将残差连接、跳跃连接和多尺度卷积结合起来,纠正颜色失真。纹理细化网络是利用了6个纹理细化单元对所得到的细化图像进一步提取特征信息。最后将通过级联卷积神经网络进行提取的S通道图与H、V通道图进行合并,得到增强的水下图像。实验结果表明,提出算法增强的水下图像的水下彩色图像质量评价平均可达到0.616875,水下图像质量测量平均可达到5.197000。对比算法表明,提出的水下图像增强算法不仅增强效果良好,且增强的结果更符合人类视觉习惯。