一、智能传感器·网络传感器·信息传感器（论文文献综述）
张金[1]（2021）在《基于FPGA的多环境参数在线监测系统的研发》文中提出近些年,我国工业化发展飞速提升,但是工业化生产中伴随着诸多问题,其中一项就是环境污染问题。因此,研发一款智能高效的大气在线监测设备是至关重要的。为了适应如今多参数监测、信息便捷共享且测量数据精度高的需求,本文基于FPGA的并行数据处理能力和云平台的广泛应用,设计出一款针对多环境参数检测的系统,进而实现了多种环境参数的实时监测。本文主要研究内容包括以下几点:（1）环境在线监测技术的研究:分析当前的环境监测手段,结合渭化厂NO2浓度监测项目,设计了一种多监测参数、多分布节点的监测方案,该系统可远程实时监测环境中的温湿度和NO2气体、颗粒物等浓度信息;并对此方案的适用性、实时性和可扩展性等展开了论述。（2）开发以FPGA为核心的软硬件平台:首先设计监测节点电路,基于FPGA的并行数据处理能力将其作为主控,其它硬件模块包括供电单元、传感器阵列、无线通讯模块和电机驱动电路等;接着在硬件设计基础上完成FPGA软件逻辑设计,包含系统同步时钟、指令解析、传感器控制、信号通道切换、数据缓存处理和数据上传等模块的开发,最终实现采集部分各功能模块的驱动开发,从而实现多路数据信息的采集。（3）对监测终端采集的数据进行转发:研究ESP8266无线通讯模块的组网通信原理及其数据转发功能,利用终端采集设备与无线通信模块相结合,进而实现环境数据的实时转发;研究TCP、EDP等通信协议,并基于TCP协议完成了 OneNET云平台数据解析Lua脚本的开发;通过Lua脚本将传感器终端上传的数据转换成JSON格式存储在OneNET云平台上。（4）实现终端数据流的可视化:对OneNET云平台产品设备的接入方法进行分析,深入研究了平台的设备管理,历史数据查询、触发器阈值报警和API开发等功能;通过创建云平台的虚拟产品和设备,将其与终端设备数据流进行绑定,进而实现了终端设备与云平台的通信;最后设计数据流UI展示界面,实现数据合理且直观的展示。将系统监测终端与云端联调可看出系统运行正常,能够对监测节点的数据实现在线监测。结果表明:系统具有高利用率、微型化、物联网等特点,可广泛用于环境监测领域。
孔宁宁[2]（2021）在《安全阀智能上料车自动行走系统研究》文中指出安全阀作为一种防超压保护装置,是承压类设备必不可少的安全附件,每年至少需要校检一次。由于很多安全阀校验站场地有限,不少校验站都设在办公用房内,无法装备行车等吊装设备,重量不大的安全阀尚可手工搬运,但是当校验重量较大的大口径安全阀时就会面临很大的困难。因此,用智能化的机械设备来高效完成安全阀校验过程中的搬运与上料是本课题所追求的目标,也是众多特检机构工作人员的期待。本课题针对特检院的需求设计了一款安全阀上料车,以上料车的自动行走系统为重点研究对象,从总体方案设计、行走稳定性分析与仿真、轨迹跟踪控制三个方面做出了研究。论文的主要内容包括:首先,根据安全阀上料车的功能需求和技术指标,确定上料车使用磁导引作为导引方式,站点识别方式为RFID标签识别,采用双轮差速驱动的四轮布局方式。使用Solid Works软件设计了上料车的整体机械结构,对对中机构、行走底盘、行走驱动机构进行了重点设计,同时运用有限元分析软件ANSYS对关键承重部件-行走底盘进行了强度和刚度分析。设计了上料车的控制系统,对控制系统主要模块的实现方式进行了原理分析。其次,基于安全阀上料车的整体结构,充分考虑车体存在质心偏移这一结构特点,建立了上料车的运动学模型,探究了上料车位姿与驱动轮速度、半径之间的关系。在分析动力学特性的基础上,分别建立了行走系统的驱动平衡方程和原地转向动力学模型。采用ADAMS软件对上料车行走过程进行虚拟样机仿真,分析了电机驱动力对上料车行走稳定性的影响,以及不同的轮地静摩擦系数、转向角加速度、整车偏心距对原地转向误差的影响程度,仿真结果证明了理论分析的正确性,根据理论分析与仿真结果,优化了上料车的结构参数和运动参数。然后,针对优化后的安全阀上料车,对上料车的轨迹跟踪控制进行了研究。建立了上料车质心偏移下的位姿误差微分方程,运用两种方法分别设计了上料车的轨迹跟踪控制器。在分析系统稳定性的基础上,通过构造李雅普诺夫标量函数,设计了基于李雅普诺夫函数的控制器,在滑模控制理论的基础上,设计了滑模控制器。针对两种控制器,使用Matlab软件对直线轨迹和曲线轨迹分别进行了仿真,最终通过对比分析证明了基于李雅普诺夫函数设计的控制器具有显着的优越性。最后,制造了安全阀上料车的物理样机,基于前文理论分析与软件模拟仿真结果,分别进行了原地转向误差试验和轨迹跟踪控制试验,在实际环境中测试了上料车的性能,检验了部分理论分析与仿真结果的可靠性,探究了上料车在实际行走过程中可能出现的问题。
张丽佳[3]（2021）在《基于概率模型与深度学习的室内定位方法研究》文中研究说明在人工智能、5G技术高度发展的今天,室内定位技术越来越成为人们生活、工业生产、智慧城市建设、安防领域的刚需,起着举足轻重的作用。当下各类室内定位技术百花齐放,例如,基于无线通信、惯导、激光雷达、视觉等的室内定位技术。但室内定位并没有像室外定位技术一样形成统一化、标准化。传统的基于纯惯导定位系统可不依赖部署设备实现自主定位,但惯性器件的固有漂移导致定位结果存在有累积误差。地图匹配数据融合算法通过地图上的边界约束,在保证自主定位的基础上修正累积误差,然而传统粒子滤波算法的地图匹配定位技术,在定位精度、地图利用上仍存有不足。因此论文针对上述问题对基于地图匹配的室内定位方法进行研究,结合地图与惯导数据构建室内自主定位框架。其主要的研究工作如下:（1）论文从地图表示方法出发,将地图数据抽象为可通行点的集合,并提取其在各个方向的邻点,构成具有地图上下文信息的点序列。（2）论文针对地图数据的智能提取算法展开讨论。论文以自然语言处理领域中语言模型为启发,探究语言模型中词嵌入方法在地图数据上的应用,构建基于动态词嵌入模型的地图数据智能提取算法,将地图可通行点表示为含有上下文距离和方向信息的实数向量。（3）论文结合粒子滤波算法、动态词嵌入和变分自编码器模型,构建基于概率模型和深度学习的室内定位算法。该算法用粒子群模拟行人的运动分布;利用动态词嵌入模型学习地图特征,并将地图信息嵌入至粒子状态中;使用变分自编码器学习粒子群的分布特征,结合粒子群的历史轨迹,改善定位效果。论文利用真实场景地图训练动态词嵌入模型,证明了动态词嵌入模型对于地图数据处理的有效性;在3个真实场景下设置真值标签实验地,共采集有效真值轨迹610条用于训练变分自编码器,验证了基于粒子滤波、动态词嵌入模型和变分自编码器的定位算法对于定位精度提升的可行性。
Editorial Department of China Journal of Highway and Transport;[4]（2021）在《中国桥梁工程学术研究综述·2021》文中研究指明为了促进中国桥梁工程学科的发展,系统梳理了近年来国内外桥梁工程领域（包括结构设计、建造技术、运维保障、防灾减灾等）的学术研究现状、热点前沿、存在问题、具体对策及发展前景。首先总结了桥梁工程学科在新材料与结构体系、工业化与智能建造、抗灾变能力、智能化与信息化等方面取得的最新进展;然后分别对上述桥梁工程领域各方面的内容进行了系统梳理:桥梁结构设计方面重点探讨了钢桥及组合结构桥梁、高性能材料与结构、深水桥梁基础的研究现状;桥梁建造新技术方面综述了钢结构桥梁施工新技术、预制装配技术以及桥梁快速建造技术;桥梁运维方面总结了桥梁检测、监测与评估加固的最新研究;桥梁防灾减灾方面突出了抗震减震、抗风、抗火、抗撞和抗水的研究新进展;同时对桥梁工程领域各方向面临的关键问题、主要挑战及未来发展趋势进行了展望,以期对桥梁工程学科的学术研究和工程实践提供新的视角和基础资料。（北京工业大学韩强老师提供初稿）
周翔宇[5]（2020）在《面向自主船舶的危险分析方法研究》文中研究指明继蒸汽技术革命、电力技术革命、计算机及信息技术革命之后,以人工智能、物联网、云计算、虚拟现实、量子信息技术等为代表的第四次工业革命正在改变世界。信息和通信技术的进步、信息分析能力的提高为各行各业创造了革命性的发展机会,在航运业中,以更为安全、高效、绿色的方式运载货物和乘客的自主船舶正受到前所未有的关注,并已成为航运业未来的发展方向。作为航运业数字化转型和新技术革新的代表,相较于仅由人工控制的常规船舶,自主船舶将在总体设计结构、系统交互方式、动力驱动来源等方面发生颠覆性的变化,同时,随着船岸间、船舶各子系统间的互联互通,自主船舶将成为现代航运生态体系中的传感器中枢和数据生成器。在此背景下,为避免由于自主船舶的引入对当前海上交通状况可能造成的负面影响,并确保自主船舶的预期安全水平至少不低于常规船舶的现有安全水平,不仅需要关注包括航行安全、货物安全在内的传统安全,还需要考虑以网络安全为代表的非传统安全。因此,针对自主船舶的安全性开展理论研究是十分必要且具有重要意义的。本文围绕自主船舶的安全性,以危险分析方法为研究对象,在明确自主船舶运行特点的基础上,提出了一种适用于自主船舶的安全性协同分析方法。以远程控制船舶为例,使用所提出的方法对其进行了危险分析,并利用模型检测工具UPPAAL验证了危险分析结果的正确性。本文的主要研究工作及成果如下。（1）自主船舶的定义及自主水平分级方法研究。从自主船舶的历史沿革和发展历程入手,在明确自主船舶的定义及其中英文表述的基础上,分析了现有自主水平分级标准存在的局限性,并提出了一种基于航海实践的自主水平分级方法。研究结果表明,划分自主水平的关键在于能否独立于人的干预完成相应的任务或实现相应的功能,而非取决于船舶自动化水平和/或决策地点。以2艘搭载自主航行技术的测试船舶为例,相较于现有自主水平分级标准,所提出的自主水平分级方法有效避免了由于单一功能的自主实现导致船舶整体自主水平认定不准确的弊端,得出的分级结果更符合客观事实。（2）危险分析方法的适用性研究。为筛选出一种或多种能够捕获自主船舶运行特点的危险分析方法,面向自主船舶提出了一种基于系统工程的适用性评估方法。该方法依据制定的适用性评估程序,生成了以功能方式描述的系统级安全需求和与自主船舶设计目标相联系的评估准则。适用性评估过程面向29种广泛使用的危险分析方法展开,结果表明,系统理论过程分析（System-Theoretic Process Analysis,STPA）方法满足了所有的评估准则,其能够更好地理解系统行为、识别危险,并揭示危险致因因素,是目前适用于自主船舶的、最具潜力和发展前途的危险分析方法之一。（3）面向自主船舶的安全性协同分析方法研究。在明确自主船舶运行特点的基础上,考虑到日益增加的网络威胁对自主船舶系统安全性的负面影响,提出了一种基于STPA 的安全性协同分析方法,即 STPA-SynSS（STPA-based analysis methodology that Synthesizes Safety and Security）。该方法在STPA的基础上提出了 6项改进,并提供了一个识别危险并揭示危险致因因素的综合过程,有效实现了对潜在危险的持续跟踪和闭环管理。以远程控制船舶的避碰场景为例,使用所提出的方法对该场景进行了详细的危险分析,并生成了具体的危险控制策略。危险分析结果的对比分析表明,相较于STPA,STPA-SynSS能够识别出更多的不安全控制行为和损失场景,同时,能够生成更具针对性的危险控制策略,证明了该方法的有效性和先进性。（4）考虑退化组件的自主船舶安全性建模研究。使用STPA-SynSS生成损失场景时,需要考虑因组件性能退化导致的不安全控制行为。为表征自主船舶的系统安全性状态随时间退化的特性,将系统安全性分析由“二态假设”扩展为多状态。根据STPA-SynSS实例分析中构建的控制结构,对远程控制船舶的安全性进行建模,构建了服从指数分布的安全性函数和描述系统达到安全性极限状态的时间分布函数。该模型可用于指导设计人员将更有针对性的安全性设计纳入到系统中,并面向退化组件建立相应的保护机制,以避免危险从潜在状态向可能导致损失的现实事故状态转移。（5）自主船舶的形式化建模与危险分析结果验证研究。为克服危险分析结果的正确性和完整性无法得到验证的限制,创新性地将形式化方法引入危险分析过程,提出了一种基于时间自动机的STPA-SynSS扩展流程。在构建时间自动机网络模型的基础上,通过利用模型检测工具UPPAAL对系统模型的有穷状态空间进行穷尽搜索,以检验语义模型与其性质规约间的满足关系,从而验证系统建模的活性和危险分析结果的正确性。验证结果表明,远程控制船舶时间自动机网络模型无死锁且运行正确,STPA-SynSS识别的不安全控制行为均会发生,即验证了 STPA-SynSS危险分析结果的正确性,同时,证明了所提出的STPA-SynSS扩展流程的有效性。本文的研究结论为识别、控制自主船舶的潜在危险奠定了较为坚实的理论基础,在一定程度上满足了航运业对于明确并提高自主船舶安全性的迫切需求。同时,可为自主船舶的安全性设计提供参考,有力保障自主船舶的安全运营。
吴刚[6]（2020）在《基于捷联惯导的采煤机运行姿态高精度感知理论与技术研究》文中认为智能化开采是我国煤炭工业发展的需求和必然方向,基于三维空间尺度的采煤机运行姿态是实现智能化开采的必需性基础信息。采煤机运行姿态的精确感知不仅能为探知、预测智能化工作面的生产状态提供途径,而且能为采煤机自主调高、记忆割煤等智能控制过程提供基础信息。已有工作初步实现了采煤机的定位定姿,但感知精度尚还欠缺,实时精确的采煤机运行姿态信息缺失长期阻碍了国内外综采工作面智能化发展。本文即针对此问题,引入捷联惯导技术,结合实验测试、误差补偿算法优化及单轴旋转调制等方法,以采煤机“惯性测量组件误差补偿——系统误差补偿算法——单轴旋转调制”为研究主线,围绕惯性导航应用于采煤机运行姿态高精度感知时的元件级、系统级与捷联惯导级三个层面进行深入研究,以期提高采煤机运行姿态的感知精度,为综采工作面的生产状态预测及采煤机智能化控制提供理论基础与技术参考。本文从捷联惯导基本原理出发,构建了采煤机运行姿态的实时解算算法,建立了能够求解SINS系统状态最优估计卡尔曼滤波方程组。针对捷联惯导系统长航时的积累误差难以得到有效修正的缺陷,明确了捷联惯导系统主要误差项包括:惯性敏感器误差、初始对准误差及安装误差,并对主要误差项进行了逐一补偿。针对采煤机的强振动坏境对捷联惯导系统精度的影响,建立了采煤机振动力学模型,仿真获取了采煤机整机的振动响应特征,有效抑制了采煤机振动引起的圆锥误差与划船误差。在无法进一步提升惯性敏感器精度的条件下,提出了旋转调制误差自补偿技术,建立了实际转位机构的旋转模型,揭示了不同单轴旋转调制方案误差传播特性。基于不同单轴旋转调制方案的仿真结果,优选了最佳的旋转调制方案,推导了四位置转停时间与转位机构角加速度和调制角速度有关的表达式,理论证明了该方案可以完全消除陀螺仪零偏漂移的影响。设计了单轴旋转误差调制实验方案,研究设定了最佳的旋转调制参数,验证了单轴旋转调制能够有效提高惯导系统的姿态感知精度。研究了采煤机运行姿态感知的现场应用情况,误差补偿后的定位误差为补偿前的17%,航向角误差为补偿前的75%,采煤机运行姿态感知精度得到了显着提高。本文提供了较为全面的提高井下采煤机运行姿态感知精度的理论与方法,不仅有助于充实综采工作面智能化感知的研究成果,而且可为综采工作面的生产状态预测及井下开采设备智能化控制提供理论参考与技术借鉴,最终为综采工作面智能化的发展做出贡献。该论文有图115幅,表15个,参考文献128篇。
代伊豪[7]（2020）在《基于聚合物基柔性传感器智能感知模拟仿真系统的研究》文中研究说明结合信息化时代5G、云计算、柔性感知等领域的快速发展,提出了一种智能感知系统,可用于驾驶员位姿检测进而对汽车内部进行智能调节。设计了生产中使用的基于云计算的柔性智能感知控制系统架构图,随后结合研究需要设计了一种智能感知系统,包括嵌入式系统软硬件、计算机软件、数据处理算法、展示界面,并对智能感知系统的原理、调节等进行了理论分析。1.设计了嵌入式采集系统对柔性传感器压力数据进行实时采集,并使用总线技术将嵌入式系统与计算机集成化为一体的电子系统,使得数据的采集、过滤、存储等操作自动化程度大幅提升。2.征集志愿者并采集数据,进行座椅压力分布-位姿信息的算法分析,针对压力数据特点设计了三种滤波算法,并使用交叉验证以及kNN算法分别计算了在不同人体体征上的误差值,发现其误差值较为稳定,其最小值为:体重误差12.37%,身高误差2.97%,坐姿眼位误差3.43%。结合训练数据特点讨论了其合理性,并选择了合适的K值及滤波算法进行智能感知系统的设计。3.设计了展示界面,可对压力曲线实时显示,并展示计算得到的位姿信息。紧密结合展示需要,详细介绍了展示界面设计的软件架构,采用Web技术完成展示界面设计。并讨论了软件工程中的进程间通信、异步数据传输等问题的解决方法。最后启动展示界面,并展示了其使用效果。4.对于研究工作的创新与不足之处进行分析,并结合当前技术发展情况进行展望,便于后续研究的开展。
王尧伟[8]（2020）在《经验小波变换在桥梁模态参数识别中的最优组合形式研究》文中研究表明经验小波变换是一种新兴的时频域模态参数识别方法,其在机械故障识别、信号特征提取及信号降噪等方向得到了广泛研究,通过现有研究可知,频谱分割精度与小波基类型对经验小波变换方法的精度具有决定性因素。基于现有的经验小波变换研究成果,对其在桥梁模态参数识别领域的应用进行了深入研究,根据实际工程数据的应用效果,选择出最优经验小波变换组合形式。主要内容包括:1.阐述了经验小波变换的原理,对影响其分析精度的关键因素进行了分析,汇总现有的基于频谱分割的经验小波变换改进方法,建立了基于不同频谱分割方法的经验小波变换改进方法比选框架,以含噪信号为研究对象,选择出较优的频谱分割方法。2.介绍了工程中常用的小波基函数,根据特性参数对小波基函数进行了初步比选。基于小波包分解思想,建立了经验小波变换中除Meyer小波基外其他小波基的嵌入方法,并以仿真信号为对象验证了该方法的应用效果。3.基于统计学原理,提出了一种新的奇异值重构阶次确定方法,以不同噪声级别的仿真信号验证了该方法应用效果,在此基础上建立了基于奇异值重构的经验小波变换改进方法,将其与现有的经验小波变换改进方法进行了应用效果的对比,验证了该方法的计算精度,对不同的频谱分割方法与小波基函数进行了组合,建立了基于桥梁模态参数识别的最优经验小波变换组合比选规则。4.以某大跨度悬索桥为研究背景,利用探索性数据分析技术对其健康监测系统采集的加速度响应进行了预处理,以主梁竖向加速度响应为分析对象,对不同经验小波变换组合进行了全年分析数据对比,并基于模态参数识别数量、数值分布范围、重构信号信噪比与均方根误差等指标进行熵权法分析,进而选择出最优经验小波变换组合形式,最后以该桥主梁横向、桥塔纵横向及吊索的实测响应数据验证了该方法计算精度。
殷红[9]（2019）在《工程结构的传感器优化布置及模态分析》文中研究表明近十几年来,我国已经修建了大批的重大工程。随着经济的发展和科技的进步,规模更大的复杂工程结构还将陆续问世。随着工程结构服役役龄的增加及诸多因素的影响,其服役能力逐渐降低。许多大型结构增设健康监测系统,以监测结构的服役安全状况。合理的传感器布置是结构健康监测的前提,最优的传感器布置方案可降低传感器数量,提高响应信息的覆盖率和灵敏度。根据响应可有效识别结构的模态参数。以模态分析结果进行结构有限元模型修正,进而对结构的动力学分析、状态评估、损伤诊断等诸多工程问题提供科学依据。基于以上背景,论文开展以下研究:（1）提出引入Lévy flight和萤火虫行为的鱼群算法（Fish Swarm Algorithm with Lévy Flight and Firefly Behavior,LFFSA）。将萤火虫个体的移动策略引入鱼群的聚群和觅食两种行为模式,并将Lévy flight的搜索策略引入鱼群的寻优路径。此外,采取一种基于动态参数的非线性变视野和变步长的策略限定鱼群的搜索范围,增强步长因子的自适应性。通过9个测试函数对人工鱼群算法（Artificial Fish-Swarm Algorithm,AFSA）、萤火虫算法（Firefly Algorithm,FA）、带有Lévy flight的萤火虫算法（Firefly Algorithm with Lévy flight,LFA）、拥有吸引度定义的鱼群算法（Fish-Swarm Algorithm with Firefly Behavior,FFSA）和Lévy flight和萤火虫行为的鱼群算法（LFFSA）等5种算法的寻优性能进行了收敛精度的与时间复杂度的计算和测试比较。结果表明,提出的LFFSA算法较其他算法有更好的全局搜索能力和寻优精度。（2）分别提出基于松弛序列法和LFFSA算法的传感器优化布置方法。首先将松弛思想融入传感器优化布置的序列优化方法,提出了传感器优化布置的松弛序列法。其次,将提出的LFFSA群智能优化算法应用到传感器优化布置中。两种方法均选取模态保证准则（Modal Assurance Criteria,MAC）矩阵的最大非对角元素为目标函数。最后,以平面桁架结构和三维桥梁结构模型为例,将以上两种方法与传统的积累序列法进行比较研究。结果表明,提出的松弛序列法和LFFSA法两种方法的传感器布置效果均优于传统的累计序列法,且基于LFFSA算法的传感器优化布置方法在取得了最好的传感器布置效果。（3）提出基于变分模态分解（Variational Mode Decomposition,VMD）和随机子空间法（Stochastic Subspace Identification,SSI）相结合的VMD-SSI模态参数识别方法。构建模态重复比率作为模态分解层数K的评价准则,利用SSI法减小了VMD参数识别中的曲线拟合误差,提高了模态参数识别的精度。最后利用统计理论分别检验VMD-SSI法识别的模态频率、模态阻尼和模态振型,验证该方法的有效性。（4）初步研究基于模态参数识别的模型修正方法。采用代理模型方法建立结构参数与模态参数之间的模型,将模型修正的问题就转化为有约束的非线性规划问题,采用布谷鸟智能优化算法进行优化,得到修正后的结构参数,并对结构参数的修正效果进行验证。利用Kriging模型、径向基函数、支持向量机和多项式响应面4种代理模型对一平面桁架结构进行模型修正。桁架结构模型修正实例表明Kriging模型和响应面模型分别具有较高的精度和效率。
王佳俊[10]（2019）在《心墙堆石坝坝面碾压智能监控方法与应用研究》文中认为水利工程建设攸关经济发展与社会民生。自“十三五”水利改革及发展规划制定以来,水利工程建设规模和投资规模逐年扩大,并取得了显着的经济效益和社会效益。心墙堆石坝以其经济性、安全性等显着优点成为首选坝型。随着人工智能、物联网、大数据等先进技术的快速发展,智能建设时代随之到来。心墙堆石坝碾压施工在经历过人工化、机械化、自动化阶段后,正逐渐由数字化阶段向智能化阶段推进。然而,心墙堆石坝数字化碾压在智能建设时代面临着坝面碾压施工信息感知不全面、感知技术与方法缺乏先进性、坝面碾压施工质量分析缺乏深度、坝面碾压施工过程决策与控制智能化水平低等诸多挑战。因此,迫切需要总结已有工程的研究成果和经验,全面开展心墙堆石坝坝面碾压智能监控方法研究,集中攻关亟待解决的关键技术,提升心墙堆石坝坝面碾压施工管理与控制水平。本文就上述问题展开了深入的研究分析,取得了如下的主要成果:（1）提出了心墙堆石坝坝面碾压智能监控基本概念,丰富和发展数字大坝理论。在经历了人工化、机械化、自动化和数字化四个建设阶段后,心墙堆石坝施工管理与控制理论已发展至数字大坝理论,并以此为基础先后出现施工信息模型、智慧大坝、智能监控和大坝智能建设等基本理念。这些理念从碾压施工的感知、分析、控制及监控系统研发等方面为心墙堆石坝碾压施工提供了科学的指导。然而,以这些理念为基础的心墙堆石坝坝面碾压施工还面临着坝面碾压施工信息感知不全面且感知技术与方法缺乏先进性、坝面碾压施工质量分析缺乏深度、坝面碾压施工过程决策与控制智能化水平低等诸多挑战。针对上述问题,首先,详细回顾了心墙堆石坝坝面碾压施工管理的发展历程,深入剖析了数字大坝、施工信息模型、智慧大坝、智能监控和大坝智能建设的基本概念和内涵,并融合“物联网+”、“人工智能+”等多种智能技术理念,紧扣心墙堆石坝坝面碾压施工的工程特点,提出心墙堆石坝坝面碾压智能监控基本概念,同时阐述了心墙堆石坝坝面碾压智能监控的基本特征和主要研究内容;其次,梳理心墙堆石坝坝面碾压施工智能感知、智能分析、智能控制等各环节的技术方法;最后,建立了心墙堆石坝坝面碾压智能监控数学模型,描述了心墙堆石坝坝面碾压智能监控的目标集、信息集、方法集和约束集,提出了心墙堆石坝坝面碾压智能监控的研究框架。（2）针对目前心墙堆石坝坝面碾压施工信息感知不全面且感知技术与方法缺乏先进性的问题,提出了心墙堆石坝坝面碾压施工信息智能感知与集成方法,实现了坝面碾压施工信息的智能感知与集成。目前心墙堆石坝坝面碾压施工尚未建立完善的坝面碾压施工信息感知体系,无法全面透彻感知坝面碾压施工信息,如缺乏对碾轮振动信号噪声的处理与碾轮振动特性参数的感知,缺乏对多类型障碍物的识别,以及缺乏对大坝地形地貌信息的感知与重构等;同时,在坝面碾压施工信息集成方面存在未集成多源异构坝面碾压施工信息、未进行不平衡数据处理等问题。针对上述问题,提出了心墙堆石坝坝面碾压施工信息智能感知与集成的方法。首先,分析了坝面碾压施工信息智能感知与集成的内容与技术,建立了集感知、传送、集成于一体的坝面碾压施工信息智能感知与集成框架;其次,采用加速度传感器感知碾轮的振动信号,并在小波降噪的基础上采用快速傅里叶变换提取碾轮振动特性参数,为坝面碾压施工质量评价提供数据基础与技术支持;再者,提出基于空洞卷积核的Faster-RCNN（Regions with Convolutional Neural Network）模型,在机载工业相机获取的图像信息基础上识别仓面中多类型障碍物,为实现坝面碾压施工安全控制提供理论基础;再者,采用基于无人机倾斜摄影的三维建模技术实现大坝地形地貌信息的感知与重构,为心墙堆石坝坝面碾压施工智能监控系统三维场景的搭建提供技术支持;进而,设计多源异构坝面碾压施工信息集成框架,实现碾压参数、料源参数、碾轮振动特性参数和试坑试验数据的集成,为施工信息分析提供数据基础;最后,提出基于K-Means的下抽样方法,能够在保持子概念个数不变的同时剔除局部密集数据,实现了对不平衡数据的处理,以保证数据分析的可靠性。（3）针对目前心墙堆石坝坝面碾压施工质量分析深度不够的问题,提出了心墙堆石坝坝面碾压施工质量智能分析方法,实现了坝面碾压施工质量的智能分析。目前心墙堆石坝坝面碾压施工质量分析存在如下问题:首先,未能综合考虑碾压参数、料源参数及碾轮振动特性参数对压实质量的影响;其次,目前常采用的多元线性回归、反向传播神经网络和支持向量回归等算法建立的压实质量评价模型在精度、鲁棒性和泛化能力等方面均有待进一步提升;最后,上述模型均未能够实时地对坝面碾压施工质量进行智能评价,且缺乏坝面碾压施工质量评价模型的更新研究。针对上述问题,提出了心墙堆石坝坝面碾压施工质量智能分析方法。首先,以心墙堆石坝坝面碾压施工信息智能感知数据为基础,综合考虑碾压参数、料源参数、碾轮振动特性参数对坝面碾压施工质量的影响,建立坝面碾压施工质量综合评价数学模型;其次,考虑到模糊逻辑虽然具有较强的鲁棒性、但是模型精度受限于规则库建立的问题,同时支持向量回归虽然具有较强的泛化能力、但是无法逼近L2（R）中的函数从而无法保证拟合精度的问题,从模糊逻辑规则库建立以及支持向量回归在L2（R）函数逼近等方面考虑,结合混沌理论、自适应理论、量子行为等多种智能成分,分别提出基于组合核和智能细菌觅食的模糊逻辑以及基于智能细菌觅食的自定义核支持向量回归两种算法,并在此两种算法基础上建立高精度、高泛化能力和高鲁棒性的压实质量评价模型;通过与常用模型的对比分析,选出精度、泛化能力和鲁棒性最优的模型,并将其嵌入至碾压施工智能监控系统中,从而实现压实质量的智能评价;最后,提出了基于增强概率神经网络和可变窗口技术的概念漂移检测算法,实现了对坝面碾压施工流数据中概念漂移现象的检测,并以出现概念漂移为条件实现了压实质量模型的更新,解决了当前碾压施工质量评价模型何时更新、如何更新的问题。（4）针对目前心墙堆石坝坝面碾压施工过程决策与控制智能化水平低的问题,提出了心墙堆石坝坝面碾压施工智能控制方法,实现坝面碾压施工事前、事中和事后的智能控制。心墙堆石坝坝面碾压施工控制可以分为事前、事中和事后控制。目前,事前控制主要通过碾压试验确定碾压参数的方法实现,但是这种方式未考虑坝面碾压施工质量、施工进度和施工成本的综合影响;事中控制主要依托车载平板系统对超速、不达标碾压遍数和错误振动状态等进行实时报警,但是忽略了对坝面碾压施工质量的评价,缺乏对仓面施工路径规划、仓面内多类型障碍物的目标识别,未能够有效的控制坝面碾压施工质量和安全;事后控制主要通过试坑试验抽检实现,但这种方式存在离散性大,时效性差等缺点。针对上述问题,提出了心墙堆石坝坝面碾压施工过程智能控制方法。首先,建立了心墙堆石坝坝面碾压施工智能控制框架,阐述事前、事中和事后各环节控制的内容与对应的控制方法;其次,提出多目标智能细菌觅食算法,求解以碾压参数为决策变量、以进度和成本为多目标、以碾压质量为主要约束的优化模型;最后,提出了基于AR（Augmented Reality）实景导引的坝面碾压施工智能控制方法,对坝面碾压施工路径规划、压实质量智能评价、障碍物目标识别等虚拟信息与摄像头获取的真实施工场景进行虚实融合,实现了对坝面碾压施工质量不合格、坝面碾压施工安全隐患等问题形象、直观的实时报警,并同时规划了补碾方案,进而实现事中与事后的智能控制。（5）基于心墙堆石坝智能感知、智能分析与智能控制等,研发了心墙堆石坝坝面碾压施工智能监控系统。目前心墙堆石坝数字化碾压施工质量实时监控系统实现了碾压参数的全天候、精细化实时监控。但是该系统以二维界面实现信息的可视化,存在展示直观性差、交互友好性差等不足;同时,该系统基于C/S构架（Client/Server）开发,主要在Windows系统中运行,跨平台使用难度大;而且C/S架构中客户端承载大量逻辑处理功能,因此该系统还存在数据易泄露的安全隐患。针对上述问题,结合坝面碾压施工信息智能感知、坝面碾压施工质量智能分析及坝面碾压施工过程的智能控制等方面的研究成果研发了心墙堆石坝坝面碾压施工三维智能监控系统。该系统采用B/S架构（Browser/Server）替换C/S架构,解决了数字化碾压施工质量实时监控系统跨平台使用难度大的问题,并且B/S架构将逻辑处理功能集成在服务端中,解决了数据易泄露的问题;同时,该系统采用面向对象技术、基于Unity3D（U3D）的虚拟现实技术（Virtual reality,VR）等,在增强现实技术（Augmented reality,AR）与基于无人机倾斜摄影搭建的三维虚实结合场景中,实现坝面碾压施工信息的集成、坝面碾压施工信息的智能分析及坝面碾压施工过程的智能控制等功能,解决了数字化碾压施工质量实时监控系统展示直观性差、交互友好性差等问题。
二、智能传感器·网络传感器·信息传感器（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、智能传感器·网络传感器·信息传感器（论文提纲范文）
（1）基于FPGA的多环境参数在线监测系统的研发（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外环境监测研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文研究内容及组织安排 |
| 1.3.1 论文的主要研究内容 |
| 1.3.2 论文内容的组织安排 |
| 1.4 本文的主要贡献 |
| 2 环境在线监测系统相关技术介绍 |
| 2.1 监测系统的核心控制技术 |
| 2.1.1 FPGA核心控制技术 |
| 2.1.2 FPGA开发语言及开发流程 |
| 2.1.3 FPGA应用于环境监测领域的优势 |
| 2.2 感测技术及环境监测传感器原理 |
| 2.2.1 感测技术 |
| 2.2.2 气体传感器及原理 |
| 2.2.3 颗粒物传感器及原理 |
| 2.2.4 温湿度传感器及原理 |
| 2.3 物联网云平台技术 |
| 2.3.1 OneNET云平台架构 |
| 2.3.2 OneNET云平台技术 |
| 2.4 监测终端与云端的数据通信 |
| 2.4.1 UDP/TCP通信协议 |
| 2.4.2 无线通信技术的比较 |
| 2.5 本章小结 |
| 3 环境监测系统总体方案设计 |
| 3.1 系统需求分析与设计原则 |
| 3.1.1 系统需求分析 |
| 3.1.2 系统设计原则 |
| 3.2 系统总体架构设计 |
| 3.3 系统技术路线 |
| 3.4 本章小结 |
| 4 环境监测系统硬件设计与实现 |
| 4.1 环境监测系统硬件总体结构 |
| 4.2 主控模块硬件电路 |
| 4.2.1 主控芯片选型 |
| 4.2.2 FPGA的最小系统电路 |
| 4.3 传感器阵列电路设计 |
| 4.3.1 六种气体传感器接口电路设计 |
| 4.3.2 激光粉尘传感器接口电路设计 |
| 4.3.3 温湿度传感器接口电路设计 |
| 4.3.4 空气泵模块电路设计 |
| 4.4 RS232通信接口电路设计 |
| 4.5 无线通信模块电路设计 |
| 4.6 PCB设计 |
| 4.7 本章小结 |
| 5 环境监测控制系统软件开发及云平台应用 |
| 5.1 监测控制系统软件开发总体结构 |
| 5.2 监测终端数据采集部分软件设计 |
| 5.2.1 同步时钟模块 |
| 5.2.2 system＿uart＿top信号收发模块 |
| 5.2.3 cmd＿decode信号解析模块 |
| 5.2.4 8路传感器模块 |
| 5.2.5 空气泵模块 |
| 5.2.6 data＿encode数据打包模块 |
| 5.2.7 数据缓存模块 |
| 5.2.8 波特率匹配模块 |
| 5.3 无线通信模块软件设计 |
| 5.3.1 无线通讯指令 |
| 5.3.2 软件设计原理及仿真 |
| 5.4 物联网云平台开发 |
| 5.4.1 OneNET云平台网络通信方式 |
| 5.4.2 云端Lua解析脚本设计 |
| 5.4.3 云平台应用设计 |
| 5.4.4 监测系统数据流显示界面设计 |
| 5.5 本章小结 |
| 6 系统测试 |
| 6.1 无线通信模块功能测试 |
| 6.2 传感器模块功能测试 |
| 6.3 整体功能测试 |
| 6.3.1 测试目的 |
| 6.3.2 硬件搭建 |
| 6.3.3 OneNET云平台应用测试 |
| 6.3.4 测量误差评估 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及成果 |
| 致谢 |
（2）安全阀智能上料车自动行走系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究动态 |
| 1.2.1 安全阀上料设备 |
| 1.2.2 无人搬运车(AGV)的发展 |
| 1.2.3 虚拟样机仿真技术 |
| 1.2.4 轮式移动机器人轨迹跟踪控制技术 |
| 1.3 课题研究内容 |
| 第二章 安全阀上料车总体方案设计 |
| 2.1 引言 |
| 2.2 安全阀上料车总体设计要求 |
| 2.2.1 工况分析 |
| 2.2.2 功能需求 |
| 2.2.3 主要技术指标 |
| 2.3 行走系统关键技术分析 |
| 2.3.1 导引方式 |
| 2.3.2 站点识别 |
| 2.3.3 驱动方式 |
| 2.4 机械系统设计 |
| 2.4.1 整体结构方案 |
| 2.4.2 对中机构设计 |
| 2.4.3 行走底盘结构设计 |
| 2.4.4 行走底盘有限元分析 |
| 2.4.5 行走驱动机构设计 |
| 2.5 控制系统设计 |
| 2.5.1 上层控制系统设计 |
| 2.5.2 底层控制系统设计 |
| 2.6 本章小结 |
| 第三章 安全阀上料车行走稳定性研究 |
| 3.1 引言 |
| 3.2 安全阀上料车行走稳定性理论分析 |
| 3.2.1 运动学分析 |
| 3.2.2 动力学分析 |
| 3.3 虚拟样机的建立及仿真前处理 |
| 3.3.1 安全阀上料车的虚拟样机 |
| 3.3.2 模型参数设置 |
| 3.3.3 接触力分析 |
| 3.4 安全阀上料车运动仿真及结果分析 |
| 3.4.1 驱动力对行走稳定性的影响 |
| 3.4.2 轮地静摩擦系数对原地转向的影响 |
| 3.4.3 转向角加速度对原地转向的影响 |
| 3.4.4 偏心距对原地转向的影响 |
| 3.5 参数优化取值分析 |
| 3.5.1 偏心距优化 |
| 3.5.2 转向角加速度取值 |
| 3.6 本章小结 |
| 第四章 安全阀上料车轨迹跟踪控制研究 |
| 4.1 引言 |
| 4.2 安全阀上料车轨迹跟踪控制系统的描述 |
| 4.2.1 安全阀上料车轨迹跟踪过程分析 |
| 4.2.2 安全阀上料车轨迹跟踪控制系统建模 |
| 4.3 基于李雅普诺夫直接法的控制器设计 |
| 4.3.1 李雅普诺夫稳定性分析 |
| 4.3.2 轨迹跟踪控制器设计 |
| 4.4 基于滑模变结构的控制器设计 |
| 4.4.1 滑模控制基本原理 |
| 4.4.2 切换函数设计 |
| 4.4.3 滑模控制器设计 |
| 4.5 轨迹跟踪控制器仿真分析 |
| 4.5.1 直线轨迹跟踪 |
| 4.5.2 曲线轨迹跟踪 |
| 4.6 本章小结 |
| 第五章 安全阀上料车物理样机试验 |
| 5.1 引言 |
| 5.2 物理样机制造 |
| 5.2.1 行走底盘制造 |
| 5.2.2 物理样机整体结构 |
| 5.3 硬件系统搭建 |
| 5.4 原地转向误差试验 |
| 5.4.1 偏心距试验 |
| 5.4.2 转向角加速度试验 |
| 5.5 轨迹跟踪控制试验 |
| 5.6 本章小结 |
| 第六章 主要结论与展望 |
| 6.1 主要结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间的学术成果 |
（3）基于概率模型与深度学习的室内定位方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与论文结构安排 |
| 第二章 基于地图匹配的室内定位算法 |
| 2.1 室内定位技术简介 |
| 2.1.1 基于惯性导航系统的室内定位技术 |
| 2.1.2 基于数据融合的室内定位技术 |
| 2.2 地图匹配融合定位算法 |
| 2.2.1 基于粒子滤波的地图融合定位算法 |
| 2.2.2 基于PF-net的地图融合定位算法 |
| 2.2.3 语言模型 |
| 2.3 本章小结 |
| 第三章 基于动态词嵌入的地图数据提取算法研究 |
| 3.1 词嵌入算法研究 |
| 3.1.1 静态词嵌入算法 |
| 3.1.2 动态词嵌入算法 |
| 3.2 地图数据提取算法 |
| 3.2.1 地图数据预处理 |
| 3.2.2 地图数据提取算法设计 |
| 3.3 实验评估方法 |
| 3.3.1 余弦相似度 |
| 3.3.2 轨迹向量 |
| 3.4 实验验证 |
| 3.4.1 实验设置 |
| 3.4.2 实验结果 |
| 3.5 本章小结 |
| 第四章 基于概率模型与深度学习的地图融合定位算法 |
| 4.1 变分自编码器技术研究 |
| 4.2 地图融合定位算法设计 |
| 4.2.1 地图融合定位算法结构 |
| 4.2.2 地图融合定位算法实现细节 |
| 4.3 实验验证 |
| 4.3.1 数据采集 |
| 4.3.2 模型训练 |
| 4.3.3 评估标准 |
| 4.3.4 实验结果 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间取得的研究成果 |
（4）中国桥梁工程学术研究综述·2021（论文提纲范文）
| 0引言（东南大学王景全老师提供初稿） |
| 1 桥梁工程研究新进展（东南大学王景全老师提供初稿） |
| 1.1新材料促进桥梁工程技术革新 |
| 1.2桥梁工业化进程与智能建造技术取得长足发展 |
| 1.3桥梁抗灾变能力显着提高 |
| 1.4桥梁智能化水平大幅提升 |
| 1.5跨海桥梁深水基础不断创新 |
| 2桥梁结构设计 |
| 2.1桥梁作用及分析（同济大学陈艾荣老师、长安大学韩万水老师、河北工程大学刘焕举老师提供初稿） |
| 2.1.1汽车作用 |
| 2.1.2温度作用 |
| 2.1.3浪流作用 |
| 2.1.4分析方法 |
| 2.1.5展望 |
| 2.2钢桥及组合结构桥梁（西南交通大学卫星老师提供初稿） |
| 2.2.1新型桥梁用钢的研发 |
| 2.2.2焊接节点疲劳性能 |
| 2.2.3钢结构桥梁动力行为 |
| 2.2.4复杂环境钢桥服役性能 |
| 2.2.5组合结构桥梁空间力学行为 |
| 2.2.6组合结构桥梁关键构造力学行为 |
| 2.2.7展望 |
| 2.3高性能材料 |
| 2.3.1超高性能混凝土（湖南大学邵旭东老师提供初稿） |
| 2.3.2工程水泥基复合材料（西南交通大学张锐老师提供初稿） |
| 2.3.3纤维增强复合材料（北京工业大学刘越老师提供初稿） |
| 2.3.4智能材料（西南交通大学勾红叶老师提供初稿） |
| 2.3.5展望 |
| 2.4桥梁基础工程（同济大学梁发云老师提供初稿） |
| 2.4.1深水桥梁基础形式 |
| 2.4.2桥梁基础承载性能分析 |
| 2.4.3桥梁基础动力特性分析 |
| 2.4.4深水桥梁基础工程面临的挑战 |
| 3桥梁建造新技术 |
| 3.1钢结构桥梁施工新技术（西南交通大学卫星老师提供初稿） |
| 3.1.1钢结构桥梁工程建设成就 |
| 3.1.2焊接制造新技术 |
| 3.1.3施工新技术 |
| 3.2桥梁快速建造技术（北京工业大学贾俊峰老师提供初稿） |
| 3.2.1预制装配桥梁上部结构关键技术 |
| 3.2.2预制装配桥墩及其抗震性能研究进展 |
| 3.2.2.1灌浆/灌缝固定连接预制桥墩及其抗震性能 |
| 3.2.2.2无黏结预应力连接预制桥墩及其抗震性能 |
| 3.3桥梁建造技术发展态势分析 |
| 4桥梁运维 |
| 4.1监测与评估（浙江大学叶肖伟老师、湖南大学孔烜老师、西南交通大学崔闯老师提供初稿） |
| 4.1.1监测技术 |
| 4.1.2模态识别 |
| 4.1.3模型修正 |
| 4.1.4损伤识别 |
| 4.1.5状态评估 |
| 4.1.6展望 |
| 4.2智能检测（西南交通大学勾红叶老师提供初稿） |
| 4.2.1智能检测技术 |
| 4.2.2智能识别与算法 |
| 4.2.3展望 |
| 4.3桥上行车安全性（中南大学国巍老师提供初稿） |
| 4.3.1风荷载作用下桥上行车安全性 |
| 4.3.1.1车-桥气动参数识别 |
| 4.3.1.2风载作用下桥上行车安全性评估 |
| 4.3.1.3风浪作用下桥上行车安全性 |
| 4.3.1.4风屏障对行车安全性的影响 |
| 4.3.2地震作用下行车安全性 |
| 4.3.2.1地震-车-桥耦合振动模型 |
| 4.3.2.2地震动激励特性的影响 |
| 4.3.2.3地震下桥上行车安全性评估 |
| 4.3.2.4车-桥耦合系统地震预警阈值研究 |
| 4.3.3长期服役条件下桥上行车安全性 |
| 4.3.4冲击系数与振动控制研究 |
| 4.3.4.1车辆冲击系数 |
| 4.3.4.2车-桥耦合振动控制方法 |
| 4.3.5研究展望 |
| 4.4加固与性能提升（西南交通大学勾红叶老师提供初稿） |
| 4.4.1增大截面加固法 |
| 4.4.2粘贴钢板加固法 |
| 4.4.3体外预应力筋加固法 |
| 4.4.4纤维增强复合材料加固法 |
| 4.4.5组合加固法 |
| 4.4.6新型混凝土材料的应用 |
| 4.4.7其他加固方法 |
| 4.4.8发展展望 |
| 5桥梁防灾减灾 |
| 5.1抗震减震（北京工业大学贾俊峰老师、中南大学国巍老师提供初稿） |
| 5.1.1公路桥梁抗震研究新进展 |
| 5.1.2铁路桥梁抗震性能研究新进展 |
| 5.1.3桥梁抗震发展态势分析 |
| 5.2抗风（东南大学张文明老师、哈尔滨工业大学陈文礼老师提供初稿） |
| 5.2.1桥梁风环境 |
| 5.2.2静风稳定性 |
| 5.2.3桥梁颤振 |
| 5.2.4桥梁驰振 |
| 5.2.5桥梁抖振 |
| 5.2.6主梁涡振 |
| 5.2.7拉索风致振动 |
| 5.2.8展望 |
| 5.3抗火（长安大学张岗老师、贺拴海老师、宋超杰等提供初稿） |
| 5.3.1材料高温性能 |
| 5.3.2仿真与测试 |
| 5.3.3截面升温 |
| 5.3.4结构响应 |
| 5.3.5工程应用 |
| 5.3.6展望 |
| 5.4抗撞击及防护（湖南大学樊伟老师、谢瑞洪、王泓翔提供初稿） |
| 5.4.1车撞桥梁结构研究现状 |
| 5.4.2船撞桥梁结构研究进展 |
| 5.4.3落石冲击桥梁结构研究现状 |
| 5.4.4研究展望 |
| 5.5抗水（东南大学熊文老师提供初稿） |
| 5.5.1桥梁冲刷 |
| 5.5.2桥梁水毁 |
| 5.5.2.1失效模式 |
| 5.5.2.2分析方法 |
| 5.5.3监测与识别 |
| 5.5.4结论与展望 |
| 5.6智能防灾减灾（西南交通大学勾红叶老师、哈尔滨工业大学鲍跃全老师提供初稿） |
| 6结语（西南交通大学张清华老师提供初稿） |
| 策划与实施 |
（5）面向自主船舶的危险分析方法研究（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究的必要性及意义 |
| 1.3 国内外相关研究现状及进展 |
| 1.3.1 自主船舶的安全性研究 |
| 1.3.2 危险分析方法的发展与演变 |
| 1.3.3 系统理论过程分析的应用 |
| 1.4 自主船舶安全性研究中存在的问题及解决思路 |
| 1.5 主要研究内容与结构框架 |
| 1.5.1 主要研究内容 |
| 1.5.2 结构框架 |
| 1.6 本章小结 |
| 2 自主船舶的定义及其自主水平的界定 |
| 2.1 自主船舶的历史沿革 |
| 2.2 自主船舶的发展历程 |
| 2.3 自主船舶的定义与自主化演变 |
| 2.3.1 自主船舶的定义 |
| 2.3.2 船舶自主化的演变 |
| 2.4 自主水平分级标准 |
| 2.4.1 LR自主水平分级标准 |
| 2.4.2 NFAS自主水平分级标准 |
| 2.4.3 DMA自主水平分级标准 |
| 2.4.4 MASRWG自主水平分级标准 |
| 2.4.5 BV自主水平分级标准 |
| 2.4.6 IMO自主水平分级标准 |
| 2.5 自主水平分级标准的划分依据 |
| 2.6 基于航海实践的自主水平分级方法 |
| 2.7 实例分析 |
| 2.7.1 “Folgefonn”号渡轮自主水平分级 |
| 2.7.2 “Falco”号渡轮自主水平分级 |
| 2.8 本章小结 |
| 3 面向自主船舶的危险分析方法适用性评估 |
| 3.1 危险分析方法的选取与概述 |
| 3.1.1 基于事件链的危险分析方法 |
| 3.1.2 基于能量转移的危险分析方法 |
| 3.1.3 基于状态迁移的危险分析方法 |
| 3.1.4 基于系统理论的危险分析方法 |
| 3.1.5 其他危险分析方法 |
| 3.2 基于系统工程的适用性评估方法 |
| 3.2.1 文献综述的数据准备 |
| 3.2.2 危险分析方法的筛选 |
| 3.2.3 评估程序的确定 |
| 3.2.4 评估准则的生成 |
| 3.3 适用性评估过程 |
| 3.3.1 聚类分析 |
| 3.3.2 适用性评估结果 |
| 3.4 适用性评估结果分析 |
| 3.4.1 存在局限性的危险分析方法 |
| 3.4.2 STPA的适用性分析 |
| 3.5 本章小结 |
| 4 面向自主船舶的危险分析与安全性建模 |
| 4.1 自主船舶的系统安全描述 |
| 4.1.1 自主船舶的运行特点 |
| 4.1.2 自主船舶面临的系统风险 |
| 4.2 危险分析的基本原理 |
| 4.2.1 危险及其相关术语的定义 |
| 4.2.2 危险的转化 |
| 4.2.3 危险分析过程 |
| 4.3 基于STPA的安全性协同分析方法 |
| 4.3.1 STPA及其扩展方法的局限性 |
| 4.3.2 STPA-SynSS的提出 |
| 4.4 考虑退化组件的自主船舶安全性建模 |
| 4.5 实例分析 |
| 4.5.1 基于STPA-SynSS的远程控制船舶危险分析 |
| 4.5.2 考虑退化组件的远程控制船舶安全性建模 |
| 4.6 STPA-SynSS与STPA危险分析结果的对比分析 |
| 4.7 本章小结 |
| 5 面向自主船舶的形式化建模与危险分析结果验证 |
| 5.1 形式化方法概述 |
| 5.2 基于时间自动机的模型检测方法 |
| 5.2.1 模型检测的基本原理 |
| 5.2.2 时间自动机理论 |
| 5.2.3 时间自动机网络 |
| 5.2.4 模型检测工具UPPAAL概述 |
| 5.3 基于时间自动机的STPA-SynSS扩展流程 |
| 5.4 远程控制船舶时间自动机网络模型的构建 |
| 5.5 STPA-SynSS危险分析结果的验证 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间的科研成果 |
| 致谢 |
（6）基于捷联惯导的采煤机运行姿态高精度感知理论与技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容与方案 |
| 2 基于捷联惯导的采煤机运行姿态感知理论 |
| 2.1 采煤机运动与姿态特征 |
| 2.2 捷联式惯性导航原理 |
| 2.3 采煤机运行姿态解算算法 |
| 2.4 捷联惯导系统初始对准 |
| 2.5 捷联惯导的卡尔曼滤波算法 |
| 2.6 本章小结 |
| 3 采煤机捷联惯导惯性敏感器误差分析与补偿 |
| 3.1 捷联惯导误差来源分析 |
| 3.2 惯性敏感器性能测试系统 |
| 3.3 陀螺仪零偏误差补偿 |
| 3.4 加速度计零偏误差补偿 |
| 3.5 随机漂移误差模型 |
| 3.6 本章小结 |
| 4 采煤机捷联惯导初始对准与安装误差分析与补偿 |
| 4.1 采煤机捷联惯导初始对准误差补偿 |
| 4.2 采煤机捷联惯导安装误差补偿 |
| 4.3 采煤机捷联惯导振动误差补偿 |
| 4.4 本章小结 |
| 5 捷联惯导单轴旋转误差调制机制研究 |
| 5.1 旋转调制技术原理 |
| 5.2 单轴连续旋转调制方案 |
| 5.3 单轴连续正反旋转调制方案 |
| 5.4 四位置转停调制方案 |
| 5.5 最佳旋转调制方案的确定 |
| 5.6 本章小结 |
| 6 捷联惯导单轴旋转误差调制实验 |
| 6.1 实验方案设计与参数设定 |
| 6.2 单轴旋转误差调制实验 |
| 6.3 单轴旋转误差调制效果分析 |
| 6.4 采煤机运行姿态感知现场应用研究 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 附录 |
| 作者简历 |
| 学位论文数据集 |
（7）基于聚合物基柔性传感器智能感知模拟仿真系统的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 智能汽车研究现状 |
| 1.2.2 柔性传感器研究现状 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.3.4 创新点 |
| 第二章 智能感知系统原理及整体方案研究 |
| 2.1 智能感知系统整体方案研究 |
| 2.1.1 基于云计算的汽车智能感知控制系统 |
| 2.1.2 智能感知系统方案设计 |
| 2.1.3 智能感知系统计算流程研究 |
| 2.2 汽车智能感知控制系统后视镜调节分析 |
| 2.3 智能感知系统统计学原理研究 |
| 2.4 本章小结 |
| 第三章 智能感知系统数据采集系统设计 |
| 3.1 聚合物基柔性传感器原理分析 |
| 3.2 嵌入式系统总体方案 |
| 3.3 嵌入式系统硬件设计 |
| 3.4 嵌入式系统软件设计 |
| 3.5 嵌入式-计算机通信系统设计 |
| 3.6 本章小结 |
| 第四章 智能感知系统数据处理方法研究 |
| 4.1 聚合物基柔性传感器压力数据采集 |
| 4.1.1 传感器压力数据采集过程 |
| 4.1.2 传感器压力数据分析 |
| 4.1.3 聚合物基柔性传感器感知原理分析 |
| 4.2 基于K阶临近算法的压力数据处理 |
| 4.2.1 压力曲线特征分析 |
| 4.2.2 K阶临近算法的数据处理 |
| 4.2.3 数据预处理 |
| 4.2.4 算法参数调节 |
| 4.2.5 算法结果分析 |
| 4.3 本章小结 |
| 第五章 智能感知系统展示界面设计 |
| 5.1 展示界面整体方案研究 |
| 5.1.1 展示界面技术选型 |
| 5.1.2 展示界面方案设计 |
| 5.2 展示界面数据采集及处理程序设计 |
| 5.2.1 传感器数据采集程序设计 |
| 5.2.2 后端分流及计算程序设计 |
| 5.3 展示界面web程序设计 |
| 5.3.1 展示界面web技术方案对比 |
| 5.3.2 展示界面web前后端交互架构设计 |
| 5.3.2.1 展示界面web后端请求处理架构设计 |
| 5.3.2.2 展示界面web后端多线程实现异步数据推送 |
| 5.3.3 展示界面启动流程 |
| 5.3.4 展示界面效果 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录一 |
| 1.A 志愿者体征数据 |
| 1.B 作图及计算相关系数代码 |
| 附录二 |
| 附录三 |
| 附录四 |
| 4.A 压力曲线取最后一点的数据 |
| 4.B 压力曲线均值滤波处理的数据 |
| 4.C 压力曲线中值滤波处理的数据 |
| 附录五 |
| 附录六 |
| 6.A 传感器数据采集程序设计(Write.py) |
| 6.B 传感器数据采集程序设计(SensorApp.py) |
| 6.C 展示界面URL处理程序实现(WebApp.py) |
| 6.D 展示界面传感器数据推送程序设计(LinuxWebsocketInductionHandler.py) |
| 6.E 展示界面人体体征数据推送程序设计(LinuxWebsocketReasoningHandler.py) |
| 致谢 |
| 作者和导师简介 |
| 附件 |
（8）经验小波变换在桥梁模态参数识别中的最优组合形式研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究意义 |
| 1.2 时频域模态参数识别的国内外研究现状 |
| 1.2.1 WT |
| 1.2.2 HHT |
| 1.2.3 EWT |
| 1.3 目前研究存在的问题 |
| 1.3.1 WT |
| 1.3.2 HHT |
| 1.3.3 EWT |
| 1.4 本文研究内容与章节安排 |
| 1.4.1 研究内容 |
| 1.4.2 章节安排 |
| 第2章 现有EWT改进频谱分割方法精度分析 |
| 2.1 频谱分割方法概述 |
| 2.2 EWT介绍 |
| 2.2.1 WT原理 |
| 2.2.2 EWT原理 |
| 2.3 既有EWT频谱分割方法与现有EWT频谱分割改进方法 |
| 2.3.1 既有EWT频谱分割方法 |
| 2.3.2 现有EWT频谱分割改进方法 |
| 2.4 现有EWT频谱分割改进算法的比选方法研究 |
| 2.4.1 比选流程研究 |
| 2.4.2 IMF分量筛分指标 |
| 2.4.3 重构信号评价指标 |
| 2.5 基于仿真信号的频谱分割方法对比 |
| 2.5.1 构造仿真信号 |
| 2.5.2 现有EWT改进方法分割效果 |
| 2.5.3 对比结果分析 |
| 2.6 本章小结 |
| 第3章 小波基函数比选及EWT嵌入方法研究 |
| 3.1 小波基函数概述 |
| 3.2 基于特性参数的小波基比选分析 |
| 3.2.1 常用小波基函数性质 |
| 3.2.2 最优小波基比选方法研究 |
| 3.2.3 对比结果分析 |
| 3.3 小波基在EWT中的嵌入方式研究 |
| 3.3.1 小波包理论 |
| 3.3.2 基于小波包理论的EWT小波基嵌入方法 |
| 3.3.3 EWT新小波基滤波器验证 |
| 3.4 本章小结 |
| 第4章 基于SVD重构的改进EWT方法研究 |
| 4.1 概述 |
| 4.2 基于SVD的改进EWT方法 |
| 4.2.1 SVD应用概况 |
| 4.2.2 基于统计学的重构阶次确定方法 |
| 4.2.3 基于SVD重构的新EWT方法 |
| 4.3 仿真信号分析 |
| 4.3.1 分割效果验证 |
| 4.3.2 重构信号指标分析及对比 |
| 4.4 最优EWT组合分析方法 |
| 4.4.1 EWT组合形式 |
| 4.4.2 比选方法确定 |
| 4.5 本章小结 |
| 第5章 基于桥梁模态参数识别的最优EWT组合研究 |
| 5.1 概述 |
| 5.2 工程背景 |
| 5.3 桥梁数据预处理 |
| 5.4 主梁竖向模态参数识别 |
| 5.4.1 EWT组合1-3识别 |
| 5.4.2 EWT组合4-6识别 |
| 5.4.3 EWT组合7-9识别 |
| 5.4.4 SSI-COV与 AFDD识别 |
| 5.4.5 最优EWT方法对比 |
| 5.5 主梁横向模态参数识别 |
| 5.5.1 最优EWT识别 |
| 5.5.2 SSI-COV与 AFDD识别 |
| 5.5.3 识别结果对比 |
| 5.6 桥塔纵向模态参数识别 |
| 5.6.1 最优EWT识别 |
| 5.6.2 SSI-COV与 AFDD识别 |
| 5.6.3 识别结果对比 |
| 5.7 桥塔横向模态参数识别 |
| 5.7.1 最优EWT识别 |
| 5.7.2 SSI-COV与 AFDD识别 |
| 5.7.3 识别结果对比 |
| 5.8 吊索模态参数识别 |
| 5.8.1 最优EWT识别 |
| 5.8.2 SSI-COV与 AFDD识别 |
| 5.8.3 识别结果对比 |
| 5.9 本章小结 |
| 结论与展望 |
| 本文主要结论 |
| 展望与讨论 |
| 致谢 |
| 参考文献 |
（9）工程结构的传感器优化布置及模态分析（论文提纲范文）
| 摘要 |
| Abstract |
| 缩写与全称对照表 |
| 主要符号表 |
| 1 绪论 |
| 1.1 选题背景和意义 |
| 1.2 几种智能优化算法研究现状 |
| 1.2.1 人工鱼群算法 |
| 1.2.2 萤火虫算法 |
| 1.2.3 布谷鸟算法 |
| 1.3 传感器优化布置的研究现状 |
| 1.3.1 优化准则 |
| 1.3.2 优化算法 |
| 1.4 结构模态参数识别方法研究现状 |
| 1.5 模型修正方法研究现状 |
| 1.5.1 矩阵型模型修正 |
| 1.5.2 参数型模型修正 |
| 1.6 现有研究存在的问题 |
| 1.7 课题来源 |
| 1.8 主要研究内容及创新点 |
| 1.8.1 主要研究内容 |
| 1.8.2 主要创新点 |
| 2 模态试验传感器优化布置方法研究 |
| 2.1 传感器优化布置的准则 |
| 2.2 松弛序列法 |
| 2.2.1 积累序列法 |
| 2.2.2 传感器优化布置的松弛序列法 |
| 2.2.3 算例分析 |
| 2.3 LFFSA法 |
| 2.3.1 鱼群算法及其改进 |
| 2.3.2 LFFSA的数值仿真试验 |
| 2.3.3 传感器优化布置的LFFSA法 |
| 2.4 结构传感器优化布置试验分析 |
| 2.4.1 平面桁架结构的传感器优化布置 |
| 2.4.2 三维钢桁梁结构的传感器优化布置 |
| 2.5 本章小结 |
| 3 基于优化变分模态分解的模态参数识别 |
| 3.1 模态参数识别概述 |
| 3.1.1 数学模型 |
| 3.1.2 模态参数识别方法概述 |
| 3.2 变分模态分解方法 |
| 3.2.1 VMD模态响应识别 |
| 3.2.2 VMD的模态参数识别算法 |
| 3.3 随机子空间方法 |
| 3.3.1 状态空间模型的建立 |
| 3.3.2 数据驱动的随机子空间法 |
| 3.4 改进VMD-SSI模态识别 |
| 3.4.1 模型定阶问题 |
| 3.4.2 模态重复比率准则 |
| 3.4.3 模态参数识别 |
| 3.5 本章小结 |
| 4 试验模态参数识别及算法性能检验 |
| 4.1 模态参数识别的仿真算例 |
| 4.1.1 仿真函数 |
| 4.1.2 分解层数K的优选 |
| 4.1.3 模态参数识别性能比较 |
| 4.2 简支梁模型结构参数识别 |
| 4.2.1 理论模态分析 |
| 4.2.2 试验模态分析 |
| 4.3 模态参数识别结果的统计检验 |
| 4.3.1 模态频率的逐对比较法检验 |
| 4.3.2 模态阻尼的p值法t检验 |
| 4.3.3 模态振型的bootstrap-t法估计 |
| 4.4 本章小结 |
| 5 基于模态参数的模型修正 |
| 5.1 动力学模型修正过程 |
| 5.2 动力学有限元模型验证 |
| 5.3 修正参数选择 |
| 5.4 代理模型的建立 |
| 5.4.1 方差分析 |
| 5.4.2 试验设计方法 |
| 5.4.3 代理模型的构建方法 |
| 5.5 代理模型有效性评价 |
| 5.6 基于布谷鸟优化算法的模型参数修正 |
| 5.6.1 平面桁架结构的模型修正 |
| 5.6.2 布谷鸟算法 |
| 5.6.3 修正结果及有效性检验 |
| 5.7 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（10）心墙堆石坝坝面碾压智能监控方法与应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 坝面碾压施工信息感知研究现状 |
| 1.2.2 坝面碾压施工信息分析研究现状 |
| 1.2.3 坝面碾压施工反馈控制研究现状 |
| 1.2.4 坝面碾压施工监控系统研究现状 |
| 1.3 已有研究的局限性 |
| 1.4 研究内容与论文框架 |
| 1.4.1 主要研究内容 |
| 1.4.2 论文框架 |
| 第2章 心墙堆石坝坝面碾压智能监控基本概念与数学模型 |
| 2.1 心墙堆石坝坝面碾压智能监控基本概念提出 |
| 2.1.1 心墙堆石坝坝面碾压智能监控提出背景 |
| 2.1.2 心墙堆石坝坝面碾压智能监控基本概念 |
| 2.1.3 心墙堆石坝坝面碾压智能监控主要研究内容 |
| 2.2 心墙堆石坝坝面碾压智能监控方法概述 |
| 2.2.1 坝面碾压施工信息智能感知与集成方法概述 |
| 2.2.2 坝面碾压施工信息智能分析方法概述 |
| 2.2.3 坝面碾压施工过程智能控制方法概述 |
| 2.3 心墙堆石坝坝面碾压智能监控数学模型 |
| 2.3.1 目标函数 |
| 2.3.2 信息集 |
| 2.3.3 方法集 |
| 2.3.4 约束集 |
| 2.4 本章小结 |
| 第3章 心墙堆石坝坝面碾压施工信息智能感知与集成研究 |
| 3.1 心墙堆石坝坝面碾压施工信息智能感知与集成体系 |
| 3.1.1 坝面碾压施工信息智能感知与集成内容 |
| 3.1.2 坝面碾压施工信息智能感知与集成技术 |
| 3.1.3 坝面碾压施工信息智能感知与集成框架 |
| 3.2 基于加速度传感器的振动特性参数感知 |
| 3.2.1 碾轮振动过程概述 |
| 3.2.2 振动信号小波降噪处理 |
| 3.2.3 振动信号的快速傅里叶分析 |
| 3.3 基于空洞卷积核的FASTER-RCNN目标识别 |
| 3.3.1 卷积神经网络 |
| 3.3.2 基于空洞卷积核的Faster-RCNN |
| 3.4 基于无人机倾斜摄影的三维建模技术 |
| 3.4.1 基于无人机倾斜摄影的三维建模原理 |
| 3.4.2 基于无人机倾斜摄影的三维建模流程 |
| 3.5 坝面碾压施工信息集成 |
| 3.5.1 多源异构坝面碾压施工信息集成框架 |
| 3.5.2 基于K-Means下抽样技术处理不平衡数据 |
| 3.6 工程案例分析 |
| 3.6.1 碾轮振动信号感知 |
| 3.6.2 坝面碾压施工过程中多类型障碍物识别 |
| 3.6.3 基于无人机倾斜摄影的三维模型建立 |
| 3.6.4 坝面碾压施工信息集成 |
| 3.7 本章小结 |
| 第4章 心墙堆石坝坝面碾压施工质量智能分析研究 |
| 4.1 坝面碾压施工质量智能分析数学模型 |
| 4.2 坝面碾压施工质量智能评价模型 |
| 4.2.1 基于CK-SBFA-FL的坝面碾压施工质量智能评价模型 |
| 4.2.2 基于SBFA-CKSVR的坝面碾压施工质量智能评价模型 |
| 4.2.3 模型性能评价方法 |
| 4.3 坝面碾压施工质量评价模型更新研究 |
| 4.3.1 EPNN算法与VWT技术 |
| 4.3.2 基于EPNN与 VWT的概念漂移检测方法 |
| 4.3.3 模型更新方法 |
| 4.4 工程案例分析 |
| 4.4.1 坝面碾压施工质量智能评价模型案例研究 |
| 4.4.2 模型更新案例研究 |
| 4.5 本章小结 |
| 第5章 心墙堆石坝坝面碾压施工智能控制方法研究 |
| 5.1 心墙堆石坝坝面碾压施工智能控制体系 |
| 5.1.1 坝面碾压施工智能控制目标 |
| 5.1.2 坝面碾压施工智能控制环节 |
| 5.1.3 坝面碾压施工智能控制方法 |
| 5.1.4 坝面碾压施工智能控制框架 |
| 5.2 碾压参数智能优化控制方法 |
| 5.2.1 碾压参数多目标优化模型 |
| 5.2.2 多目标智能细菌觅食算法SMOBFA |
| 5.2.3 SMOBFA算法实现与验证 |
| 5.3 基于AR实景导引的坝面碾压施工智能控制方法 |
| 5.3.1 基于AR实景导引的技术构架 |
| 5.3.2 基于牛耕法的坝面碾压施工路径规划方法 |
| 5.3.3 基于AR实景导引的事中控制方法 |
| 5.3.4 基于AR实景导引的事后控制方法 |
| 5.4 工程案例分析 |
| 5.4.1 碾压参数智能优化控制分析 |
| 5.4.2 基于AR实景导引的坝面碾压施工智能控制分析 |
| 5.5 本章小结 |
| 第6章 心墙堆石坝坝面碾压施工三维智能监控系统 |
| 6.1 心墙堆石坝坝面碾压施工三维智能监控系统建设 |
| 6.1.1 系统结构 |
| 6.1.2 系统建设技术 |
| 6.2 心墙堆石坝坝面碾压施工三维智能监控系统功能实现 |
| 6.2.1 坝面碾压施工信息感知与集成模块 |
| 6.2.2 坝面碾压施工信息智能分析模块 |
| 6.2.3 坝面碾压施工过程智能控制模块 |
| 6.3 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
四、智能传感器·网络传感器·信息传感器（论文参考文献）
- [1]基于FPGA的多环境参数在线监测系统的研发[D]. 张金. 西安工业大学, 2021(02)
- [2]安全阀智能上料车自动行走系统研究[D]. 孔宁宁. 江南大学, 2021(01)
- [3]基于概率模型与深度学习的室内定位方法研究[D]. 张丽佳. 电子科技大学, 2021(01)
- [4]中国桥梁工程学术研究综述·2021[J]. Editorial Department of China Journal of Highway and Transport;. 中国公路学报, 2021(02)
- [5]面向自主船舶的危险分析方法研究[D]. 周翔宇. 大连海事大学, 2020(04)
- [6]基于捷联惯导的采煤机运行姿态高精度感知理论与技术研究[D]. 吴刚. 中国矿业大学, 2020(07)
- [7]基于聚合物基柔性传感器智能感知模拟仿真系统的研究[D]. 代伊豪. 北京化工大学, 2020(02)
- [8]经验小波变换在桥梁模态参数识别中的最优组合形式研究[D]. 王尧伟. 西南交通大学, 2020
- [9]工程结构的传感器优化布置及模态分析[D]. 殷红. 兰州交通大学, 2019
- [10]心墙堆石坝坝面碾压智能监控方法与应用研究[D]. 王佳俊. 天津大学, 2019(06)