基于复振幅调制的半导体激光光束整形方法

为了改善半导体激光光束质量,使其能够满足大距离高精度干涉测量的要求,使用空间光调制器对半导体激光光束进行整形,提出了一种基于复振幅调制算法的光束整形方法。利用该方法可将半导体激光光束整形为准直性好、光强分布均匀的无像散基模高斯光束。通过光束质量分析对整形后的光束进行评估,实验结果显示整形后半导体激光光束在x和y方向的M2因子均趋于1,像散接近于0,验证了该光束整形方法的有效性。将提出的半导体激光光束整形方法应用于大距离干涉测量中,在8m处进行了微米级步进位移测量,与纳米位移工作台相比,所得结果达到了亚波长的测量精度。实验结果表明整形后的光束能够满足大距离高精度干涉测量的要求,验证了提出的半导体激光光束整形方法的可行性。     

基于物联网的智慧电梯大数据分析系统开发

由于目前电梯维护保养质量和发现电梯安全隐患等技术手段不足,电梯故障和事故时有发生。本文对电梯维修保养质量和安全监测技术现状进行分析,根据存在的问题提出电梯运行安全监测物联网管理和大数据分析平台的对策。开发基于物联网的智慧电梯运行安全大数据系统,实现实时监控、及时发现传递故障信息、自动报警和预警、大数据分析等功能,为电梯缩短故障修复和救援时间提供技术支持,极大地提高电梯运行的安全性和可靠性。     

一种结合Transformer和CNN的散斑图复原网络

近年来,深度学习已成功应用于计算成像领域,并取得了显著的成果。目前,实现激光透过散射介质后的图像复原技术成为热门的研究课题,本文提出了一种包含双编码器的深度学习网络模型Trans＿CNN,从散斑图复原目标物图像,该网络融合了来自Transformer编码器和卷积神经网络编码器的信息,并将融合的编码信息传递给解码器获得复原结果,从散斑图中最大程度地学习全局特征和局部特征,从而更好地从散斑图复原出目标图像。实验结果证明Trans＿CNN网络在复原散斑图像方面具有更好的性能和复原图像质量较好。     

老旧电梯安全隐患分析与保障措施

通过对老旧电梯安全评估结果进行统计,发现老旧电梯普遍存在着一定的安全隐患,多数电梯需维修改造。安全隐患首要为设备本体问题、占问题总数的73.43%,其次为使用管理问题、维护保养问题及使用环境问题。本体问题主要集中在曳引系统、轿厢系统和整机性能3个方面,而其中曳引系统问题最多、占总数的41.75%。曳引系统中制动器、曳引轮、紧急操作装置问题最多,是日常维护保养、定期检验关注的重点。根据对安全隐患问题的统计,并分析安全隐患成因,提出今后在保障电梯安全方面所采取的保障措施,有利于对老旧电梯的安全监管,避免安全事故的发生。