土压计安装系统及钢板桩侧向土压力状态判别的方法

    公开(公告)号:CN106917421A

    公开(公告)日:2017-07-04

    申请号:CN201710128192.8

    申请日:2017-03-06

    IPC分类号: E02D33/00

    CPC分类号: E02D33/00

    摘要: 本发明公开了一种土压计安装系统,及使用土压计安装系统进行钢板桩侧向土压力状态判别的方法,钢板桩上竖直排布有若干圆孔,所述圆孔的背土面一侧与土压计保护罩的开口相连接,所述土压计保护罩为空心圆柱形壳体,其内径与圆孔直径相同且略大于土压计的外径,底部的所述土压计保护罩与排土靴相连,所述排土靴为尖头朝下的锥形壳体,相邻的所述土压计保护罩之间通过导线保护罩相连通。本发明所提供的钢板桩侧向土压力状态判别方法及土压计安装系统,装置牢靠,传感器成活率高,不受埋设深度限制,不受地质条件限制,适用性广,数据可靠性高。

    提高矩形顶管工后纵向整体刚度的预埋组件及用法

    公开(公告)号:CN106838463B

    公开(公告)日:2018-11-06

    申请号:CN201710127911.4

    申请日:2017-03-06

    IPC分类号: F16L1/036

    摘要: 本发明公开了一种提高矩形顶管工后纵向整体刚度的预埋组件,包括压浆管,每个所述压浆管通过连接管与预应力孔道相连,所述预应力孔道在矩形顶管管壁中沿长度方向埋设的管道,所述预应力孔道一端为小定位榫头,另一端为大定位榫头,所述小定位榫头伸出矩形顶管的管节端40mm以上,所述大定位榫头末端与矩形顶管的管节端平齐,所述大定位榫头的内径略大于小定位榫头的外径,所述压浆管与外壁连通的管道内安装有可拆卸的注浆管套管,所述注浆管套管可将压浆管的外壁开口密封,保留压浆管的内壁开口与连接管之间的通路。本发明能显著提高施工后管节整体纵向刚度,装置构造简单,施工可操作性强。

    提高矩形顶管工后纵向整体刚度的预埋组件及用法

    公开(公告)号:CN106838463A

    公开(公告)日:2017-06-13

    申请号:CN201710127911.4

    申请日:2017-03-06

    IPC分类号: F16L1/036

    CPC分类号: F16L1/036

    摘要: 本发明公开了一种提高矩形顶管工后纵向整体刚度的预埋组件,包括压浆管,每个所述压浆管通过连接管与预应力孔道相连,所述预应力孔道在矩形顶管管壁中沿长度方向埋设的管道,所述预应力孔道一端为小定位榫头,另一端为大定位榫头,所述小定位榫头伸出矩形顶管的管节端40mm以上,所述大定位榫头末端与矩形顶管的管节端平齐,所述大定位榫头的内径略大于小定位榫头的外径,所述压浆管与外壁连通的管道内安装有可拆卸的注浆管套管,所述注浆管套管可将压浆管的外壁开口密封,保留压浆管的内壁开口与连接管之间的通路。本发明能显著提高施工后管节整体纵向刚度,装置构造简单,施工可操作性强。

    一种基于双流非局部时空卷积神经网络的人体行为识别方法

    公开(公告)号:CN114898461A

    公开(公告)日:2022-08-12

    申请号:CN202210460726.8

    申请日:2022-04-28

    申请人: 河海大学

    摘要: 本发明公开了一种基于双流非局部时空卷积神经网络的人体行为识别方法,包括:获取包含人体行为的待检测视频;对待检测视频按帧提取生成RGB图像序列,并将RGB图像序列输入训练后的空间流卷积神经网络NST‑CNN获取空间流人体行为类型预测;将待检测视频输入训练后的PWC‑Net网络生成光流图像序列,并将光流图像序列输入训练后的时间流卷积神经网络NST‑CNN获取时间流人体行为类型预测;根据空间流和时间流人体行为类型预测进行均值融合获取最终的人体行为类型预测;本发明能够准确的识别人体行为类型。

    一种视频人体行为识别方法、系统、装置及存储介质

    公开(公告)号:CN117351388A

    公开(公告)日:2024-01-05

    申请号:CN202311237639.7

    申请日:2023-09-22

    申请人: 河海大学

    摘要: 本发明公开了一种视频人体行为识别方法、系统、装置及存储介质,对人体行为视频数据集中的每一个样本,先提取获得其RGB图像帧序列,并进行预处理;将每个训练集样本对应的预处理后的RGB图像帧序列输入经过预训练的空间流行为识别子模块、时间流行为识别子模块和时空流行为识别子模块,分别由其特征提取网络提取空间、时间、时空维度特征,获得预测结果,使用多模块融合算法将预测结果进行融合,获得多流网络的人体行为类型识别结果。本发明不需要手工设计特征,将深度卷积神经网络和Transformer模型结合,能够有效改善模型的序列建模能力和有效提高人体行为识别精准度,并且具有良好的泛化性能。