为研究钢丝绳在提升重物时的应力分布规律及其在此工况下的疲劳寿命。首先在Solid Works中建立了某种起重机所采用的6×36+WS结构右交互捻圆股钢丝绳的三维实体模型,然后将其导入ABAQUS中,建立有限元模型,进行有限元分析,得到钢丝绳在千分之二轴向变形时的应力分布规律。最后联合FE-SAFE对钢丝绳进行疲劳分析,得出其疲劳分布情况。结果表明:钢丝绳应力呈空间螺旋状分布,股芯钢丝与内侧钢丝接触处Von-Mises等效应力最大,且此处疲劳寿命值最小,若能提高股芯钢丝性能,将显著提高钢丝绳寿命。

通过apple watch设备测量的人体的心率数据，文档共包含4878行数据，可用于研究人的心率问题，在疲劳的生理研究中可充当生理数据进行研究

matlab疲劳驾驶检测。通过定位眼睛，进而统计睁眼，闭眼的比例，判别是否疲劳，方法是perclos。也可以二次开发为通过眼睛，嘴巴两个特征参数的综合判定。

通过Python第三方库dlib训练好的深度残差网络人脸识别模型进行是否疲劳的判定

基于lbp算法的特征提取 表情识别和疲劳监测系统 matlab

基于matab眼睛开度的疲劳监测系统设计 gui

基于GUI的设计 眼睛开度 眼睛定位 疲劳监测系统

FEA_Nozzle 压力容器管口有限元分析软件

上位机采用QT设计，算法框架模型采用百度飞浆EasyDL。 资料包里包含了上位机源码、可执行文件，模型训练，数据集标注，测试效果，模型发布的教程文档，代码设计思路等。 这是基于百度飞浆EasyDL框架完成司机疲劳驾驶检测，只需要少量的图片就可以训练出精度较高的模型，通过QT编写界面，软件从摄像头里读取实时图像数据进行识别。 识别到模型后，会进行计数，在界面上显示出来。比如：带安全带、未带口罩、疲劳驾驶。疲劳驾驶是通过打哈欠的方式标注模型，识别驾驶员是否张大嘴打哈欠。 代码部分思路： （1）通过QT的UI设计工具，设计出好看的界面，设置背景图，控件的布局，QT里UI文件是.ui为后缀。 （2）软件界面上有开启摄像头的按钮，打开摄像头之后，会实时读取摄像头的图像数据，然后调用EasyDL的模型进行识别。 （3）识别到对应标注的模型之后，可以进行语音提示，并且在界面进行计数显示。

人工智人-家居设计-材料疲劳可靠性分析智能仿真方法的研究.pdf