超滤-纳滤组合工艺对东太湖原水的处理效果

随着工业化进程的不断加快,东太湖水质日趋恶化,给常规处理增加了很大的处理难度。针对水源污染问题和给水深度处理的需要,开展了超滤-纳滤双膜组合工艺处理东太湖原水的中试研究,考察双膜工艺对出水水质的提升效果。结果表明,超滤-纳滤双膜工艺对水质常规指标具有较好的去除效果,CODMn和TOC的去除率分别为91.7%和90%;对荧光类物质的去除主要表现在对芳香族蛋白质、类富里酸物质、溶解性微生物代谢产物的去除;此外,双膜组合工艺对小分子二甲基异莰醇(2-MIB)和土臭素(GSM)的去除率分别为70%和77%,表明该工艺对水中主要致嗅物质具有良好的去除能力。     

基于智能仓储的AGV道路识别系统

针对AGV在执行路径过程中出现位置错误或偏离道路的情况,课题组提出了一套利用激光雷达探测反光板的道路识别方案。介绍了基于智能仓储拓扑图的反光板布设方式;设计了基于数学几何知识的AGV动态识别位置信息的方案;设计了在不同地图属性条件下基于限幅或PID调节的道路修正的方案,防止AGV行进过程中偏离理想道路。应用结果表明:本设计具有较快的位置信息获取速度和错误位置信息处理能力;运行过程中能够较稳定地行走在规划路径中心位置,在阳光等干扰因素存在条件下依然可以保持优良的鲁棒性。该研究使用反光板能大幅提高激光雷达位置计算速度,在车身存在机械误差条件下,通过修正算法能够保证小车稳定行驶在道路的理想位置。     

基于深度一维残差卷积自编码网络的齿轮箱故障诊断

一维振动信号常常被用于齿轮箱的监测与故障诊断中,使得能及时地对齿轮箱维护以减少损失。因此,从一维振动信号中提取出关键故障特征决定了故障诊断模型的准确性与可靠性。典型的深度神经网络(deep neural network, DNN),如卷积神经网络已经在故障诊断中表现出良好的性能并得到了广泛的应用,但其监督式训练方式往往需要大量的标签数据而限制了其可应用性。因此,提出一种新的深度神经网络模型,一维残差卷积自编码器(1-dimension residual convolutional auto-encoder,1DRCAE),成功应用于振动信号的无监督学习及故障特征提取,显著提高了齿轮箱的故障诊断率。首先,提出了一维卷积层与自编码器的有效集成方法,形成了深度一维卷积自编码器;其次,引入残差学习机制训练一维卷积自编码器,实现对一维振动信号有效地特征提取;最后,基于编码器提取的特征,使用少量标签数据进行分类微调实现齿轮箱故障模式识别。通过齿轮箱试验台采集的传感器数据进行实验验证表明,这种无监督学习方法具有良好的去噪能力和故障特征提取能力,其特征提取效果好于典型的深度神经网络,如深度置信网络(Deepbeliefnetwork,DBN)和堆叠自编码网络(Stackedauto-encoders,SAE),同时故障诊断效果也优于一维卷积神经网络(1-dimension convolutional neural network, 1DCNN)。     

加强交通强国内涵建设,推进交通服务的质量变革

一、新时代建设交通强国的内涵:质量是核心 上海交通在技术方面的领先目前基本上已经实现,高铁、洋山港自动化港口这些技术已经处于领先地位.但要建设人民满意的交通,还应加强内涵建设:注重交通服务的品质与质量的要求,放眼世界,推进质量变革、效率变革,在更大范畴的涵义内体现中国特色.其中,质量是核心,"四梁八柱"中"四梁"的核心就是推进质量变革、效率变革和动力变革,着力服务人民、服务大局,强调服务的概念,要让人民满意.     

基于六西格玛设计方法的发动机异响优化研究

针对某车型发动机异响的实例,应用六西格玛设计,建立系统参数模型,使用L9正交列表进行分析,选取最优方案,以最小化的工程改动,满足外部客户和内部客户需求。     

基于图像处理的混凝土粗骨料长宽比检测方法研究

介绍了一种基于图像处理的混凝土粗骨料长宽比检测方法,对粗骨料长宽比的统计规律进行了分析,从而为混凝土细观模型的计算机仿真提供了必要的参数。     

从公共空间到公共领域——一个城市研究中的跨学科二元体系及其向度

存量经济模式下城市公共空间的重要作用日益凸显。建筑学及相关城市研究在面对更加具体的城市问题时,需要关注人的社会性特征及其对城市生活的需求,厘清公共空间本体的存在意义与工作目标。在更广义的城市治理转型中,公共领域中的利益相关者具有基石作用,需借助社区规划师的协同机制与社区营造的操作途径实现需求导向的新型合作治理。