基坑支护实例及其事故分析

基坑开挖是高层建筑施工的技术关键之一。基坑开挖包括土方挖掘、运输、基坑支护及降水等,本文从我公司近年的施工项目中总结基坑支护经验。     

燃煤工业锅炉SNCR脱硝系统热平衡分析

燃煤工业锅炉使用SNCR脱硝系统能有效降低烟气中NO的排放,但脱硝系统的引入对锅炉能源利用效率会产生一定的影响。主要表现在脱硝系统发生化学反应产生反应热,还原剂溶液喷射到炉膛内吸热汽化,还原反应产物以及溶液中物质汽化后导致排烟烟气容积发生改变。这些因素将影响锅炉的有效利用热量以及排烟损失,最终使锅炉的热效率下降。从热平衡的角度,利用热力学方法建立相应的计算模型,并针对典型燃煤链条工业锅炉进行定量计算。计算结果表明使用10%尿素溶液时作为SNCR还原剂时,会导致锅炉热效率降低0.652 8%;使用10%氨水时,导致锅炉热效率降低0.135 5%。从锅炉热效率角度分析,燃煤工业锅炉推荐使用氨水溶液更为有利。     

等离子堆焊技术在电站阀门中的应用

在介绍等离子粉末堆焊技术的原理及特点的基础上,阐述其与其它堆焊方式对比的优越性。通过堆焊Co基合金的方式显著提高了阀门密封面耐磨损、耐腐蚀性能及高温性能,延长了使用寿命,节省贵重材料,并降低了产品成本。     

轮胎生产工艺节能技术改造效益分析

对半钢子午线轮胎生产企业实施的炼胶隔离剂热风加温系统节能技术改造、动力循环水系统节能技术改造、硫化工序外排废蒸汽余热回收3个项目的技术原理和节能效益进行分析。3个项目分别采用额定功率小的活塞式压缩机代替功率大的螺杆式空气压缩机、矢量控制型变频器进行负荷调节及由溴化锂制冷机组替代4台电制冷机组等措施,每年可分别节约标准煤505.2,637.2和1 694.8t,节能效果显著;单位产品(每吨轮胎)综合能耗由2010年的428kg标准煤下降到2013年的376kg标准煤,达到了半钢子午线轮胎单位产品能耗先进值。     

体育与陶艺

体育，自古以来就是竞技和艺术的完美结合。体育运动的精彩瞬间是美的享受，也是艺术的享受。体育题材也越来越受到艺术家的青睐。随着现代陶艺的不断推广，这就为体育陶艺的大发展提供了更为广阔的天地。     

火箭导弹发射装置快速瞄准过程动力学分析

为满足火箭导弹快速瞄准的要求,必须准确评价快速瞄准过程对发射装置产生的影响,以保证结构的可靠性。文中将ADAMS和ABAQUS软件相结合,完成了发射装置快速瞄准过程的仿真分析。运用AD-AMS分析比较了不同驱动方式下,发射装置关键部件所受的载荷。根据得到的载荷数据,运用ABAQUS对其进行有限元分析,获取应力分布云图,对发射装置关键结构进行了改进,保证发射装置结构可靠性。     

深圳电信软交换应用与实践

作为中国电信软交换试点城市,深圳电信参加软交换技术的试验和应用已有三年多的时间.本文从软交换组网、承载网、业务应用、运维支撑等方面分析深圳软交换应用情况,总结经验,以期作为借鉴.     

水下机器人嵌入式控制系统设计和运动控制仿真

水下机器人的控制系统要求体积小、功耗低、性能可靠。本文设计了基于ARM9处理器的水下机器人嵌入式控制系统。该系统基于AT91RM200处理器,扩展了与传感器系统的通信接口和与推进器系统的电路接口。建立了水下机器人的运动模型,进行了横倾角和深度协调控制的仿真。     

深度聚类注意力机制下的显著对象检测

目的 为了得到精确的显著对象分割结果,基于深度学习的方法大多引入注意力机制进行特征加权,以抑制噪声和冗余信息,但是对注意力机制的建模过程粗糙,并将所有特征均等处理,无法显式学习不同通道以及不同空间区域的全局重要性。为此,本文提出一种基于深度聚类注意力机制（deep cluster attention,DCA）的显著对象检测算法DCANet （DCA network）,以更好地建模特征级别的像素上下文关联。方法 DCA显式地将特征图分别在通道和空间上进行区域划分,即将特征聚类分为前景敏感区和背景敏感区。然后在类内执行一般性的逐像素注意力加权,并在类间进一步执行语义级注意力加权。DCA的思想清晰易懂,参数量少,可以便捷地部署到任意显著性检测网络中。结果 在6个数据集上与19种方法的对比实验验证了DCA对得到精细显著对象分割掩码的有效性。在各项评价指标上,部署DCA之后的模型效果都得到了提升。在ECSSD （extended cornplex scene saliency dataset）数据集上,DCANet的性能比第2名在F值上提升了0.9%;在DUT-OMRON （Dalian University of Technology and OMRON Corporation）数据集中,DCANet的性能比第2名在F值上提升了0.5%,平均绝对误差（mean absolute error,MAE）降低了3.2%;在HKU-IS数据集上,DCANet的性能比第2名在F值上提升了0.3%, MAE降低了2.8%;在PASCAL （pattern analysis,statistical modeling and computational learning）-S （subset）数据集上,DCANet的性能则比第2名在F值上提升了0.8%,MAE降低了4.2%。结论 本文提出的深度聚类注意力机制通过细粒度的通道划分和空间区域划分,有效地增强了前景敏感类的全局显著得分。与现有的注意力机制相比,DCA思想清晰、效果明显、部署简单,同时也为一般性的注意力机制研究提供了新的可行的研究方向。