麦克流量|高精度流量标定装置

应用背景:高品质电磁流量计的制造离不开高精度的流量标定装置。流量标定装置是计量部门和流量计制造企业进行量值传递、溯源与检定测试工作的标准设备。麦克团队研发建造了一套以高位水塔为稳压源,采用静态质量法与标准表法结合,专用于电磁流量计的标定装置。该装置不确定度优于0.05%的一等流体流量装置级别,通过了陕西省计量院鉴定审核。     

橡胶耐磨双级泵及其在尾矿输送、压滤中的应用

常规离心式渣浆泵,尤其是橡胶泵很难满足小流量、高扬程需求,橡胶耐磨双级泵具有合金泵的高扬程性能、不锈钢泵的耐腐蚀性能、橡胶泵的耐磨性能。介绍了橡胶耐磨双级泵的工作原理、结构性能及应用特点,以及在某黄金矿山尾矿输送和尾矿压滤中的应用。橡胶耐磨双级泵应用于尾矿输送的基建投资小、操作简单、运行成本低;应用于尾矿压滤实现了进料泵的大流量低扬程、小流量高扬程性能,滤饼水分18%～20%,经济效益显著。     

烟道流量计量标准装置

为了解决我国烟道流量计的量值溯源问题,中国计量科学研究院建立了烟道流量计量标准装置。装置使用可溯源至标准转盘的激光多普勒测速仪作为原级标准器,采用激光多普勒流速剖面扫描和超声流量计波动修正的方式测量标准流量,经校准的8声道超声流量计为工作级标准表,具备了908~104840m3/h的测量能力,扩展不确定度为0.62%(k=2),可对最大口径为1m的流量计进行校准。装置下游测试段包括圆形管段和矩形管段,能够开展烟道流量计测量性能的研究。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

液体流量对加油机示值误差的影响及解决方法

随着国民经济的发展,汽车已成为我们日常生活中不可或缺的必备品,这也为加油站的出现打下了坚实的市场基础。加油站在近几年发展非常迅速,其数量呈几何倍数在增长,无疑表明我国石油事业正处于发展的关键时期,同时也引发了许多新的问题,加油机计量误差便是一种常见现象。本文从加油机计量检定工作原理入手,简单阐述了液体流量对加油机示值误差的影响,并提出了有关解决方法。     

椭圆误差对滑动轴承转子系统运行特性的影响

建立了轴颈存在椭圆误差的滑动轴承转子系统动力学模型,通过求解雷诺方程计算出油膜力和轴承的承载能力,着重分析了椭圆误差对滑动轴承转子系统的能量损失、承载力系数以及端泄流量的影响,并根据稳定性临界转速得到椭圆误差对滑动轴承转子系统的能量损失、承载力系数以及端泄流量的影响曲线。研究结果表明:当偏心率小于0.2时,椭圆误差对滑动轴承转子系统的能量损失影响明显,当偏心率大于0.2时,椭圆误差对系统能量损失影响较小;随偏心率的增加,承载能力系数增加,椭圆误差越大,增加速率越小;同一系统中偏心率增加,轴承端泄流量增加,当偏心率大于0.6时,随椭圆误差的增加,系统端泄流量增加速率呈增大趋势。     

大连地区小流域设计洪水过程线误差分析

大连地区的小型水库,采用小流域设计洪水过程线辽宁概化法来研究,而根据主峰过程线形状系数γ区分的概化过程线法和三角形过程线这两种方法之间存在着区别与联系。在γ0.05时,随着γ的增加,由三角形过程线法计算出来的最大流量存在误差,且有增大趋势,因此不能用三角形过程线法代替概化过程线法。     

摇摆运动下多环路主冷却剂系统自然循环流量的稳定性分析

海洋核动力平台因其突出的安全性已成为当今核能领域热点研究问题之一，但在海洋等非惯性条件下会使一回路系统的热工特性发生变化。针对此问题，本文对几种典型的一回路系统在摇摆条件下的自然循环流量波动特性进行计算分析。分别建立典型的双环路、三环路、四环路的一回路系统模型布置方案，并同时考虑摇摆中心的位置，根据流体动量守恒方程，得到不同状态下一回路系统内的流量变化规律。对于单堆双环路系统，摇摆中心在船上/中/下部位置时，环路流量波动幅度分别为13.2%/11.2%/9.5%，堆芯流量波动幅度分别为0.9%/0.8%/0.6%；对于单堆三环路系统，摇摆中心在船下部时，环路流量和堆芯流量波动幅度分别为9.2%和0.8%；对于单堆四环路系统，摇摆中心在船下部时，布置方案1和方案2的环路流量波动幅度分别为9.5%和9.2%，堆芯流量波动幅度分别为0.9%和0.7%。计算结果表明：采用单堆双环路的设计布置方案是最有利于系统稳定性的。     

基于机器视觉的运煤车车号识别技术研究

在铁路运煤装车过程中为了快速、准确地识别车号,提出一种基于机器视觉的运煤车车号识别技术。将连通区域提取与投影分割法结合,实现车号的粗定位、细分割,并对图像中的断裂字符进行二次分割,构建了基于BP神经网络的分类模型进行车号识别,提升了煤炭装车的效率和精度。