视频监控在广域网中的实现

文章提出了广域网中视频监控系统的设计方案。该系统采用先进的视频监控技术,充分利用IP网络的传输功能,将监控系统与IP网络有效融合,实现了监控的网络化和数字化。建成后的广域网视频监控系统以实时监控录像为主,系统不仅结构上具备扩展能力,业务上也具备综合应用能力,包括图像传输、远程监控、数字图像数据远程集中存储、远程实时点播回放等。     

谈汽轮机阀门控制

1 前言 现代发电厂组中汽轮机均采用数字电液控制系统即DEH进行控制,各进汽阀门是由电信号控制、高压油动机驱动。其中进汽阀门的管理显然是DEH系统的重要功能,汽轮机从开始的启动冲转到同期再到并网带负荷,都是通过控制汽轮机的阀门开度来实现,为了使管理程序更为准确更为科学,我们就迫切需要很好地了解阀门控制过程当中指令的形成变换过程,     

川中安岳气田震旦系灯影组四段台缘—台内区储层差异及控制因素

川中安岳气田震旦系灯影组四段储层受桐湾II幕表生岩溶作用改造与丘滩相联合控制,岩性复杂、纵横向非均质性强,且在台缘和台内区单井产能差异较大（前者明显优于后者）。为实现川中安岳气田震旦系灯影组四段台缘带高效开发、台内区储量规模升级、优质储层地震精细预测等目标,通过实钻井岩心及薄片观察,结合分析化验、地震及测录井等资料,分析了台缘—台内区储层共性及差异性表现,并探讨了其控制因素。结果表明：台缘区与台内区储集岩石类型、储集空间、储集类型基本一致,但台缘—台内区储层内部溶蚀孔洞发育程度以及物性均呈减弱趋势,优质储层发育程度、品质及发育位置不同,储层组合类型存在差异。影响储层差异大的主要因素包括有利丘滩复合体发育程度和桐湾II幕表生岩溶作用强度;根据储层发育特征及分布规律研究以及高产井地震反射模式分析,优选优质储层发育区块进行勘探,获得了良好生产应用效果,实现了安岳气田台缘带的储量规模探明和高效开发,提高了台内区优质储层钻遇率和单井产量,实现了储量规模升级。     

MTO积炭催化剂在O2/CO2气氛中的再生动力学

为了开发一种既能满足甲醇/二甲醚制烯烃(DMTO)积炭催化剂再生要求,又可以富集再生尾气中CO_2技术,在热重分析仪上采用等温和非等温方法对工业流化床反应器中积炭催化剂进行O_2/CO_2气氛中的再生动力学研究。结果表明,积炭DMTO催化剂O_2/CO_2气氛中再生反应速率对催化剂积炭含量表现为一级反应。两种方法下得到的空气再生活化能有所不同,等温方法得到再生活化能约为70 kJ/mol,而非等温方法得到再生活化能约为80 kJ/mol。所得动力学对于O_2/CO_2气氛下燃烧再生器的设计和操作优化有重要的意义。     

大停电背景下考虑系统暂态安全的动态风电穿透功率极限计算

动态风电穿透功率极限(DWPPL)代表黑启动过程中系统在不同恢复时段对风电的接纳能力,其成功求解可以指导风电在系统恢复过程中的有序接入,进而使系统依靠风电启动功率小、启动速度快的优势,加快系统恢复进程。为了更加准确地求解DWPPL,建立计及系统暂态安全约束的DWPPL非线性整数规划模型,该模型采用二元表的方式统一描述了各暂态安全约束;提出基于纵横交叉优化算法和PSD-BPA仿真的DWPPL求解方法。针对含风电的IEEE 39节点系统中某具体黑启动方案,求解了各时段的DWPPL并验证了算法的优越性;在PSD-BPA上仿真验证了所求DWPPL的正确性和考虑系统暂态安全的必要性。     

基于控规的城市新中心组团道路网规划——以福建省泉州市东海组团为例

基于控规的道路网规划不仅需要落实城市总体规划、城市分区规划和城市综合交通规划等上位规划的要求,更需要响应控规的成果与要求,因此规划方法与流程有别于一般道路网规划。泉州市东海组团道路网规划在继承既有控规道路网格局的基础上,通过进行道路网容量与用地开发强度的适应性评估,将组团道路网纳入全市道路网范畴进行系统的规划与调整,兼顾全市道路网系统与新中心骨架道路网的构建,辅以内部次干路、支路网的整合优化,形成功能清晰、结构合理的道路网,以满足组团对交通机动性与可达性的双重需求。     

高耐磨堆焊药芯焊丝的研制

介绍Ｃｒ－Ｍｎ－Ｂ合金系的高耐磨堆焊药芯焊丝的试验过程。根据药芯焊剂的构成和堆焊层化学成分以及测定其表面,层面硬度和金相组织来分析得到高耐磨,抗裂纹性能堆焊层的可能性。所研制的焊丝具有高强度,高耐磨抗性好的优良性强。     

光散射粒度测量中Mie理论的高精度算法

本文在以往计算Ｍｉｅ散射计算的基础上提出一种新的算法。本算法区别于传统的递推算法,精度高、计算范围广。文中推导了该算法的公式,分析了递推公式的不稳定性和应用上的局限性,并指出了本算法的优势。最后给出了部分计算结果并与已发布数据进行了比较。本算法适用的颗粒当量直径为１ｅ５￣１ｅ＋５,折射率虚部０￣１ｅ＋５。     

基于渐进式双重对齐的无源无监督领域自适应方法

无源领域自适应的核心任务是利用无标签的目标域数据,将预训练好的源模型迁移到目标领域。基于深度聚类的方法需要在自监督学习过程中挖掘辅助信息来正则化特征分布对齐,而辅助信息中噪声常常误导该对齐过程;基于伪源域的对抗学习方法进行概率分布对齐,对所构建伪源域质量十分敏感。针对现有方法存在的不足,本文提出了一种基于渐进式双重对齐的无源无监督领域自适应方法,在进行深度聚类的同时,进行域对齐,缓解深度聚类中伪标签的噪声。首先,通过超近邻增强样本生成高质量伪源域,以克服源域不可见的问题;其次,利用对抗学习,实现两个域的概率分布初对齐;最后,引入深度特征相似,进一步强化对齐效果。在两个公开数据集上的实验结果表明了其有效性。