java代码-12 杨建儒

java代码-12 杨建儒

js代码-test banlu

js代码-test banlu

js代码-vue 依赖收集 1

js代码-vue 依赖收集 1

c代码-出错代码3：算法的标志位记得初始化

c代码-出错代码3：算法的标志位记得初始化

煤矿井下碎软煤层顺层钻完孔技术研究进展-论文

我国碎软煤层赋存层位多、分布广，普遍存在构造应力复杂、瓦斯压力高、煤体力学强度低、渗透性差等特点，钻进时易塌孔、喷孔、孔壁失稳，导致钻进困难、孔内事故频发、成孔深度浅、钻孔堵塞、存在抽采盲区等问题。随着煤炭开采深度的不断增加，碎软煤层瓦斯抽采钻完孔就更加困难。因此，碎软煤层高效、深孔、精准钻进技术以及增透、增产、护孔的完孔技术一直是碎软煤层瓦斯治理的重大技术需求和研究热点。从护孔、排渣、轨迹控制、完孔等成孔的关键技术难题方面，总结了碎软煤层顺层钻完孔技术研究现状和应用情况，分析了目前碎软煤层钻进技术存在的问题，提出了改进完善建议，分析了内控导向式旋转定向钻进技术，多孔介质充填式筛管、折叠膨胀管完孔技术等碎软煤层钻完孔技术新进展，为进一步完善现有碎软煤层钻完孔技术提供了思路。

我国露天煤矿智能化发展现状及重点问题分析-论文

为了推动我国露天煤矿的安全、高效、经济、绿色与可持续发展，依据国内外露天矿山智能化发展现状，从露天矿山自动化装备及系统的大范围应用、信息化数据链的集成、数据处理和决策、生产设计智能化与矿山工程设计-施工的一体化管控五个方面研究了当前露天矿山智能化发展趋势，并指出了当前我国露天煤矿智能化规划工作中面临的重点问题，即：露天矿山智能化的概念与内涵较为模糊、智能化改造涉及的规划内容、实施途径等尚未体系化、专业学科交叉中存在知识壁垒、缺乏合理的“投入-产出”评价标准、缺乏各规划内容优先级的决策依据。为解决上述存在的关键问题，分别从露天矿山智能化知识图谱的构建研究、矿山合理智慧程度评价体系的构建研究、规划内容优先级的决策方法研究等三个方面提出了解决关键问题的建议。

煤矿井下超深孔定向钻进扭摆减阻技术-论文

针对煤矿井下超深孔定向钻进存在的钻具托压造成的定向钻进效率低、孔深受限等问题,借鉴石油钻井中的扭摆钻进技术,分析了扭摆钻进工艺原理及对煤矿井下定向钻进的适应性及操作可行性,描述了其具体操作流程,并在保德矿五盘区进行了现场试验。试验结果表明:扭摆钻进减阻技术适用于煤矿井下超深孔定向钻进,适用范围为超深孔定向钻进2 000～3 000m之间,实钻过程中减阻效果明显,孔底工具面变化幅度较小,主要受螺杆马达反扭矩影响。 

leetcode正方形坐标-firstblog:第一个博客

leetcode正方形坐标 双指针--LeetCode第十一题 双指针法能快速遍历数组，得到简化代码，且在提高代码效率有很大裨益，下面我们以leetcode上的第11题为例来讲解该方法。 题目： 给你 n 个非负整数 a1，a2，...，an，每个数代表坐标中的一个点 (i, ai) 。在坐标内画 n 条垂直线，垂直线 i 的两个端点分别为 (i, ai) 和 (i, 0)。找出其中的两条线，使得它们与 x 轴共同构成的容器可以容纳最多的水。 说明：你不能倾斜容器，且 n 的值至少为 2。 （来源：力扣（LeetCode）链接： 暴力法的原理： 通过计算柱子中由任意两个互异且固定的柱子构成的容器的体积（我把线认为是柱子），并进行比较，得到最优解，用两次for循环来排除已参与构成容器的柱子，直到只剩下一根柱子。 双指针法原理： 同样利用暴力法的原理--排除柱子，不同的是通过巧妙的遍历快速排除柱子，并且也遍历了所有能够构成容器的柱子组合。 比较两端柱子的高低并选择低柱子，那么低柱子与其他任何的柱子之间形成的容器体积最大的就是由该柱子与最末尾的那个柱子构成的，这样既得到了该柱子与其他任意一个

颜色分类leetcode-spencer_human_attribute_recognition:在欧盟FP7项目SPENCER背景下开发的R

颜色分类leetcode 基于曲面细分的 RGB-D 点云分类器，用于实时全身人体属性识别 介绍 该存储库包含论文中描述的分类方法的基于 ROS 的 C++/Python 实现 使用曲面细分增强方法在 RGB-D 中进行实时全身人体属性分类作者： Timm Linder 和 Kai O. Arras IEEE/RSJ 国际智能机器人和系统会议 (IROS)，德国汉堡，2015 年。 如果您在研究中使用此代码，请引用我们的论文。 本文描述的基于深度的曲面细分学习方法是自上而下的人物检测分类器的扩展，最初描述于 使用自下而上自上而下检测器在 3D 中跟踪人员作者：Luciano Spinello、Matthias Luber、Kai O. Arras IEEE 机器人与自动化国际会议 (ICRA'11)，中国上海，2011。 这种对原始代码的完全重新实现，除其他优化外，还增加了进一步的细分比例和纵横比、不同颜色空间中的新几何范围和颜色特征、低质量训练样本的过滤，并支持使用 ROS/Rviz 进行可视化. 它使用来自 OpenCV 机器学习模块的 Adaboost 实现。 使用点云库 (PC

易语言-易语言取鼠标所在窗口句柄

易语言-易语言取鼠标所在窗口句柄源码