逆流空气隙平板膜吸收式热泵传热传质研究

提出了一种逆流平板膜吸收式热泵并用于流体加热。制冷剂(水)和吸收剂(盐溶液)以逆流的形式流动并被半透膜及半透膜之间的空气隙隔开。潜热和混合热被释放到溶液侧,使低温热量转换为可用的高温热量。为了研究膜式热泵内耦合的传热和传质,选择相邻的两个流道、两块膜及膜间的空气隙作为研究对象,搭建实验装置并进行膜吸收式热泵的传热传质实验,获得溶液的进出口温度和质量分数,以及水的进出口温度。研究了溶液流量和水流量对溶液温升的影响,最终发现溶液温升随着溶液流量的增大而降低,随着水流量的增大而增大。     

一种市场化的生态产品价值实现机制:自然资本协议实践及启示

自然资本、生态产品及生态产品价值，构成了存量、流量和价值三者相互依存的关系。自然资本协议是借用金融制度的一套新的工具体系，能够通过企业这种市场细胞，将存量的自然资本所转化的生态产品价值进行量化评估。本文介绍了自然资本联盟发布的自然资本协议相关内容，该协议通过企业活动的 “影响”和“依赖”两个核心概念去评估价值，规定了一套评估框架，包括四个逻辑阶段和九个步骤。四个逻辑阶段包括：架构阶段，以确定进行自然资本评估的原因；范畴阶段，定义评估中应包含的内容，度量和估值阶段，用于指导如何衡量和评估自然资本；应用阶段，帮助解释结果并确定下一步。评估方法包括多种定性、定量和货币方法。该市场化手段评估生态产品价值，以企业为最小单元，为评估找到价值之锚，可改变被动治理环境的局面，有助于形成正面激励措施，创造经济增长新动力。生态产品价值一但实现，可确立以政府为主导，市场为主体，中介机构积极参与推进体系。并借助产权交易、投融资机制创新，推进生态文明建设。对我国自然资源管理部门，自然资本评估也可促进自然资产管理，并引导、考核市场主体和管理主体。     

基于深度学习的眼底血管图像分割研究进展

眼底血管图像分割对青光眼、糖尿病视网膜病变等多种眼部疾病有较好的辅助诊断作用, 目前深度学习因其强大的抽象特征发现能力, 有望满足人们从眼底血管图像中提取特征信息进行图像自动分割的需求, 成为眼底血管图像分割领域的研究热点. 为更好把握该领域的研究进展, 本文对相关数据集和评价指标整理归纳, 对深度学习在眼底血管图像分割中的应用进行详细阐述, 重点梳理各类分割方法的基本思想、网络结构及改进之处, 分析现有眼底血管图像分割方法存在的局限性及面临的挑战, 并对该领域未来的研究方向做出展望.     

基于DSPTMS320F2812的交流传动系统控制器

介绍了以TI公司TMS320F12812型DSP(Digital Signal Processor)芯片为基础的用于运动控制系统的控制器结构。说明了基于该芯片设计控制器硬件框架以及采用C语言进行软件编程时应注意的问题。在硬件上要注意TMS320F2812的电源系统与A／D模块部分的特殊性：在软件设计上采用C语言编程,可充分利用这种芯片的高速运算能力和丰富的片内外资源,有利于软件的模块化,便于维护和移植。部分实验结果验证了该设计的可行性。     

基于非均匀采样的相关系数最大化曲线排齐方法*

在函数型数据分析中,为提高曲线排齐效率,提出如下2种非均匀采样方法对函数曲线进行排齐:基于斜率的非均匀采样(SBNS)和基于弧长的非均匀采样(ALBNS).SBNS按照函数曲线的斜率大小采样,ALBNS在函数曲线的弧长上采样.这两种方法都不是在时间轴上均匀采样,而是根据曲线的形状特征进行采样,因此可在一定程度上克服均匀采样方法由于采样点数量和位置分配不当而产生的缺陷,提高曲线排齐效果.在模拟数据和真实数据上的实验表明,两种方法在时间效率和效果上均优于均匀采样方法.     

钢制筒仓在燃煤注汽锅炉储煤系统中的应用

本文结合风城油田燃煤注汽站输煤系统运行状况,分析了储煤筒仓系统应用中需要注意的问题,并作出了具体的预防及应对措施。     

互补S矩阵在DMD光谱仪中噪声改善的研究

提出一种对数字微镜进行互补S矩阵编码调制的新方案,经理论分析,互补S矩阵本身具有的优良性质,可将噪声改善度较S矩阵提高约2倍。通过对光谱信号建模,详细推导分析了互补S矩阵应用中的噪声改善理论,证明方案实现的过程中具有削减杂散光和暗电流噪声的作用。最后将其应用于DMD光谱仪中进行实验验证,结果表明:63阶互补S矩阵编码方案较同阶S矩阵编码方案,信噪比提高了1.69倍,与理论分析吻合。     

联合高压压汞和恒速压汞实验表征致密砂岩孔喉特征

文中利用铸体薄片、扫描电镜、高压压汞和恒速压汞技术,定量研究了四川盆地下志留统小河坝组致密砂岩储层的孔喉结构特征.通过联合高压压汞和恒速压汞实验,有效表征了小河坝组砂岩的总孔喉大小,其中孔隙半径为50～260μm,喉道半径为0.004～50.000 μm.总体而言,致密砂岩渗透率(K)主要受控于小部分(小于40％)较粗...     

基于MFF-GAN的图像集视觉总结

现有图像集视觉总结方法主要使用浅层视觉特征,或者直接应用已训练的卷积神经网络模型提取图像深层特征,选取的图像不具代表性。为此,分析并研究图像集视觉总结的图像特征表示方法,提出多特征图融合生成对抗网络(MFF-GAN)模型。该模型中的判别器通过多特征图融合的方式提取图像特征,使提取的特征能表示图像细节和高层语义信息,并在多特征图融合层后添加自编码网络对特征进行降维,避免特征维度灾难问题。NUS-WIDE数据集上的实验结果验证了M FF-GAN模型的有效性,并表明其能有效提升图像集视觉总结多样性。