大吨位起重机连创出口纪录中国高端制造海外扬帆

来源 :建设机械技术与管理 | 被引量 : 0次 | 上传用户:kingly1988
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
9月16日上午,一台ZCC32000履带式起重机从中联重科麓谷工业园区发车,启程发往土耳其。这台2000吨级的“巨无霸”起重机再次刷新我国出口海外最大吨位起重机纪录,更是中联重科产品一年内第三次打破纪录,充分彰显了中国制造在全球日渐攀升的品牌影响力和市场竞争力。
其他文献
针对传统冷链物流大数据有效信息提取方法存在信息质量差、提取时间短的问题,提出了CART决策树的冷链物流大数据有效信息提取方法。根据冷链物流大数据有效信息的返回状态,引入偏度概念修正了冷链物流大数据的有效信息;采用滤波器剔除非关联离散的有效信息点,完成冷链物流大数据有效信息的预处理;基于冷链物流大数据中有效信息节点的数目计算,遍历每一个有效信息;通过挖掘的冷链物流大数据有效信息,分析了冷链物流大数据
针对传统Canny简单线性迭代聚类(simple linear iterative clustering, SLIC)算法中弱边缘的边界粘附性以及超像素形状规则的问题,提出了一种改进的基于梯度方向的Canny SLIC图像分割算法。传统的Canny SLIC算法中的边缘检测,使用的滞后阈值法在识别和连接边缘时,容易将梯度幅值小的边缘信息识别成噪声,从而和SLIC算法融合后会丢失目标的部分边缘,所以
目前深度学习模式下的图像超分辨率重建存在对纹理感知不够精确、重建图像不够真实等问题,为了改善重建图像质量,提出一种基于多感受野拉普拉斯生成对抗网络的单幅图像超分辨率算法.首先,利用多感受野特征提取、可分离拉普拉斯滤波和复合残差密集块构建生成网络,使网络提取更全面的图像信息;其次,利用多维软标签对抗网络,可使生成对抗网络更容易训练且重建图像纹理更加丰富;最后,网络预训练采用L1损失函数和VGG低层特
针对目前云计算实时任务调度方法资源利用率低、计算时间长等问题,提出基于资源延迟感知研究云计算实时任务调度方法。分析Map/Reduce编程模型运行机制工作原理,建立云计算实时任务资源调度模型,通过调度层、资源层、分析器和监控器来组成调度框架。根据到达时间、任务长度和截止时间分析主机调度能耗,建立能耗模型。根据建立的能耗模型计算主机活跃能耗与空闲能耗分析主机运行状态,设定调度方案,完成云计算实时任务
现有高阶特征的人脸识别由于对噪声敏感导致鲁棒性差以及特征冗长,为此提出一种基于"梯度脸"的局部高阶主方向模式的人脸识别方法.首先设计梯度脸卷积算子,计算像素的多方向梯度分量和,以构造梯度脸;然后在梯度脸上引入主方向分组策略表征其高阶导数特征,以局部邻域高阶导数方向变化的特征码形成主方向特征图;最后分块统计其直方图特征并级联,并利用多分类支持向量机完成分类识别.在多个公开人脸库中的实验结果表明,该方
动态曲线图是描述客观现象变换规律的常用工具,为实现动态曲线特征点的动态捕捉及精确表达,构造了同时具有插值性、光滑性、紧支撑性和对称性的Shannon-Cosine小波函数.首先利用Shannon小波函数的波动性和连续性,根据积分中值定理,设计了一种参数化的窗函数,通过参数调整,可满足Shannon-Cosine小波对支撑区间和光滑度的自适应控制的要求;其次,分析确定了对曲线进行小波变换时边界效应归
为了降低网格在参数化过程中产生的扭曲,提出一种基于曲率传输求解网格奇点个数和位置的方法.首先,通过求解Yamabe方程获得网格顶点的共形缩放因子,利用共形缩放因子的持续性确定第1部分的奇点,并计算基于该奇点集合的参数化扭曲;然后,根据参数化扭曲确定第2部分的奇点,并优化奇点的位置;最后,顶点曲率集中到奇点上计算出最优传输代价,通过不断地更新奇点位置,使上述最优传输代价达到最小,得到最终奇点分布.经
联邦学习技术是一种新型多机构协同训练模型范式,广泛应用于多领域,其中模型参数隐私保护是一个关键问题.针对CT影像综合性病灶检测任务,提出隐私保护的联邦学习算法.首先部署松散耦合的客户端-服务器架构;其次在各客户端使用改进的RetinaNet检测器,引入上下文卷积和后向注意力机制;最后完成联邦训练.各客户端使用局部更新策略,采用自适应训练周期,局部目标函数中加入了限制项;服务器使用自适应梯度裁剪策略
针对传统局部滤波框架存在边缘模糊的问题,提出利用排序聚类的局部滤波框架.首先,将局部窗口分为4个子窗口,并且将待处理点放置在4个子窗口的交汇处,从策略上实现保持边缘的目的;其次,通过排序提高类内相似度与类间差异,并利用子窗口内像素值之间的相似性,提出一种排序聚类算法,聚类之后,只利用子窗口内与待处理点相似的像素点进行滤波;最后,取4个滤波结果中与待处理点差异最小的作为最终滤波结果,进一步提高算法保
针对微表情运动的局部性问题,提出一种将深度学习的空间注意力机制与微表情光流特征相结合的微表情识别自动方法.首先,采用帧差法识别缺少峰值帧标记的微表情样本的峰值帧;然后,利用TV-L1光流法提取微表情起始帧与峰值帧之间的光流水平、垂直分量图,并根据光流的水平、垂直分量图导出对应的光流应变模式图;将3个光流图以通道叠加的方式连接起来,构成微表情的光流特征图;最后,在Inception模块搭建的卷积神经