长距离供热管线穿越行洪区的设计方案探讨

随着城市建设规模的不断发展,为满足不断增长的城市供热需求并全面落实国家生态保护、清洁供暖、可持续发展等政策,减少城市环境治理的压力,城市供热热源逐步远离城市,形成许多以长距离供暖和大规模供热为特征的长距离供热管线.由于热源和城市的位置关系,长距离供热管线往往会穿越复杂的障碍区域.以富拉尔基发电厂向齐齐哈尔市长距离供热管网项目穿越行洪区段管网作为案例,从管线穿越障碍区域设计、防洪设计及施工便道设计三个方面对供热管网穿越行洪区时的难点进行分析总结.     

多晶硅锭中硬质点分析及控制研究

以多晶硅锭中硬质点为研究对象,通过实验研究和数值模拟的方法,对多晶硅锭中硬质点进行形貌和成分分析,并提出改善控制方法。研究结果表明硅锭中部的硬质点较细小,主要由SiC组成;硅锭头部的硬质点较粗大,主要由SiC和Si3N4组成,还有少量O的存在。进一步研究发现多晶硅定向凝固铸锭炉的热场结构对于多晶硅锭硬质点形成有直接影响,通过改进热场结构,优化晶体生长界面,显著减少了铸锭中硬质点的数量。     

面部运动单元检测研究综述

面部运动单元检测旨在让计算机从给定的人脸图像或视频中自动检测需要关注的运动单元目标。经过二十多年的研究，尤其是近年来越来越多的面部运动单元数据库的建立和深度学习的兴起，面部运动单元检测技术发展迅速。首先，阐述了面部运动单元的基本概念，介绍了已有的常用面部运动单元检测数据库，概括了包括预处理、特征提取、分类器学习等步骤在内的传统检测方法；然后针对区域学习、面部运动单元关联学习、弱监督学习等几个关键研究方向进行了系统性的回顾梳理与分析；最后讨论了目前面部运动单元检测研究存在的不足以及未来潜在的发展方向。     

基于多传感器的井下区域自动防灭火技术

为了提高煤矿设备运转安全性,对井下区域自动防灭火技术进行了研究。采用火焰和烟雾双重探测技术实时采集布控区火焰和烟雾信息,并传递至PLC控制器,控制器驱动防爆电磁阀打开,向布控区喷撒灭火剂,从而熄灭爆炸火焰。通过加油硐室现场工业试验,验证了区域灭火技术的合理性和可靠性,有效灭火范围不小于6 m2,可确保井下硐室及重要机电设备安全。     

一种快速解压的无损压缩算法

随着信息技术的不断发展,大量数据给存储和传输都带来了巨大的挑战。数据压缩能够有效减少数据量,方便数据的处理和传输。无损压缩是一种利用数据的冗余特点进行压缩的压缩方法,解压时可以完全还原数据而不会有任何失真。在研究LZO算法的快速解压原理基础上,设计了一种新的压缩算法。该算法通过减少压缩数据中压缩块的数量,降低了解压程序的执行开销。测试结果表明,新算法可实现比LZO算法更快的解压速度。     

积分中值屈服准则解析厚板轧制椭圆速度场

为解决非线性Mises比塑性功率积分困难以及由此导致的轧制功率解析式难以获得的问题,本文通过建立并利用线性比塑性功率表达式对提出的椭圆速度场进行能量分析,得到了轧制力能参数的解析解.文中通过对变角度屈服函数求积分中值,构建了一个新的屈服准则,它是主应力分量的线性组合,在π平面上的轨迹是逼近Mises圆的等边非等角的十二边形,其基于Lode参数表达式的理论结果也与实验数据吻合较好.同时,根据厚板轧制时金属流动速度从入口到出口逐渐增大的特点,提出了水平速度分量满足椭圆方程的速度场,该速度场满足运动许可条件.通过相应的轧制能量分析,获得了基于线性屈服准则的内部变形功率以及基于应变矢量内积法上的摩擦功率与剪切功率.在此之上,通过泛函的极值变分导出了轧制力矩、轧制力以及应力状态系数的解析解,并与现场实测数据进行了对比,结果表明利用本文提出的屈服准则与速度场所建立的轧制力矩与轧制力模型与实测值吻合较好,其中轧制力误差小于5.3%,轧制力矩误差在6%左右.     

南美洲某铜矿排土场边坡稳定性研究#br#

为保证排土场安全生产，以南美某铜矿排土场边坡为例，应用极限平衡法模拟现状排土场边坡在降雨入渗前后以及地震工况下安全系数、渗流场变化规律，结果表明，在降雨入渗之前，排土场安全系数高于规范值，边坡处于稳定状态；降雨入渗之后，边坡体积含水率增加，土体发生软化，强度参数降低，边坡沿软弱层面发生滑动破坏，造成边坡失稳；在地震工况下，安全系数下降明显。在其基础上，利用MIDAS软件建立排土场边坡三维数值模型，并利用有限元法进行数值模拟，结果表明，排土场最易发生屈服的区域为坡角基底处，其物理力学指标较低，底部土体先发生屈服破坏，之后带动上部台阶边坡发生破坏，排土场破坏模式主要以深层滑动为主。2种计算方法结果得出边坡破坏模式不同，边坡发生破坏的趋势相近，体现了2种计算方法的合理性。     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。