-
题名面向服务的智能建筑软件框架研究
- 1
-
-
作者
张天凡
陈惜墨
-
机构
湖北工程学院数学与统计学院
浙江安防职业技术学院智能建筑学院
-
出处
《现代电子技术》
北大核心
2024年第16期110-116,共7页
-
基金
浙江安防职业技术学院基金资助重点项目(AF2024Z01)
教育部人文社会科学研究项目(22YJZH242)
-
文摘
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。
-
关键词
智能建筑
面向服务的架构(SOA)
建筑软件
Zachman框架
mach框架
微服务架构
-
Keywords
intelligent building
service oriented architecture(SOA)
building software
Zachman framework
mach framework
microservice architecture
-
分类号
TN911-34
[电子电信—通信与信息系统]
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名基于ZIF-8的双错位光纤二氧化碳传感器
- 2
-
-
作者
成立
张莉
沈常宇
-
机构
中国计量大学理学院
中国计量大学光学与电子科技学院
-
出处
《中国计量大学学报》
2023年第3期437-441,共5页
-
文摘
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。
-
关键词
光纤二氧化碳传感器
金属有机框架
ZIF-8
马赫-曾德干涉
-
Keywords
optical fiber carbon dioxide sensor
metal organic framework
ZIF-8
mach-Zehnder interference
-
分类号
TN253
[电子电信—物理电子学]
-
-
题名基于稠密级联卷积神经网络的水下图像增强
被引量:4
- 3
-
-
作者
陈清江
解亚丽
-
机构
西安建筑科技大学理学院
-
出处
《激光与光电子学进展》
CSCD
北大核心
2022年第22期227-236,共10页
-
基金
国家自然科学基金(61403298)
陕西省自然科学基金(2015JM1024)
陕西省教育厅专项科研计划项目(2013JK0586)。
-
文摘
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。
-
关键词
机器视觉
水下图像
卷积神经网络
编码解码框架
计算机视觉
稠密块
-
Keywords
maching vision
underwater image
convolutional neural network
coding and decoding framework
computer vision
dense block
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-