基于AMESim的先导式溢流阀静态性能的仿真和优化

根据先导式溢流阀的原理,对其进行了抽象和简化,并在AMESim HCD库中建立了先导式溢流阀的仿真模型。针对先导式溢流阀传统设计方法中存在的问题,提出了一种先导式溢流阀参数优化的新思路,并通过DB10-2-L5X/35型先导式溢流阀进行了应用验证。     

50吨复吹转炉扩容80吨冶炼工艺研究

在转炉扩容至80吨的条件下,对枪位及造渣等工艺进行了试验研究。确定了最佳枪位,前期为1. 6m,中期为1. 7m。并建议相应扩大氧枪,缩短吹炼时间。     

基于双曲正切函数的修正线性单元

为解决修正线性单元(ReLU)的神经元死亡现象,提出一个新的激活函数——基于双曲正切函数(tanh)的修正线性单元(ThLU)。ThLU函数正半轴来自于ReLU函数的正半轴,负半轴来自于tanh函数的负半轴。为验证ThLU函数的性能,基于VggNet-16神经网络架构,分别在CIFAR-10和CIFAR-100数据集上进行了试验验证。结果表明:基于ThLU函数训练得到的神经网络模型比基于tanh、ReLU、泄露修正线性单元(LReLU)和指数线性单元(ELU)训练得到的神经网络模型具有更高的准确率、更低的损失。     

探讨基层班站在创先大环境下的安全管理

安全生产是我国的一项基本国策,也是企业管理的重要原则之一。对于属于高危行业的电力企业来说,安全生产是基础,更是前提,是一个永远都需要认真去作答的命题,本文就从一个事故案例展开,谈谈在创先的大环境下基层班站该如何做好安全生产管理工作。     

基于Dijkstra算法柔性作业车间调度的研究

对柔性车间单目标调度问题进行了分析,以产品为研究对象,以最大完工时间最小为目标,考虑并行机、加工等待时间对其进行了数学描述和建模。提出了工件加工顺序的决策方法,并改进了Dijkstra算法对其进行求解,通过实验验证了该算法的正确性和有效性,通过与其它文献的比较验证了该算法的优越性。     

电力工程项目验收管理探析

随着我国经济的发展,电力工程建设的速度在不断加快。电力工程的质量直接关系到社会的公共安全,如果电力工程质量不合格,就会留下重大的社会安全隐患,给人们的生产、生活带来极大的不便。主要阐述了电力工程项目验收管理的内容、所要遵循的原则和规范、应把握的重点等。     

散叶密集烘烤技术推广应用效果分析

2010年余庆县大力开展了散叶密集烘烤技术推广应用.其推广应用结果表明采用散叶烘烤,比常规挂竿烘烤省工、节能、提高烟叶烘烤质量的效果明显.     

10kV配电线路防风拉线加固的有限元建模与应力分析

针对10 kV配电线路防风拉线加固策略缺乏理论依据的问题,对双回路配电线路的防风拉线加固策略进行数值研究。为此,建立耐张段的杆-线耦合有限元模型,分析线路杆塔全段安装拉线加固和隔杆安装拉线加固2种策略在不同风速下杆塔的变形、钢筋应力和拉线应力,并将计算结果与杆塔未加固的情况进行对比,讨论不同策略的加固效果。所得结果表明,全段安装拉线可以提高配电线路的整体抗风能力,隔杆安装防风拉线对提升整个耐张段的抗风能力效果有限。实际工程中,对于强台风地区应尽可能采用全段加固策略。     

Edge-guided GAN：边界信息引导的深度图像修复

目的 目前大多数深度图像修复方法可分为两类：色彩图像引导的方法和单个深度图像修复方法。色彩图像引导的方法利用色彩图像真值,或其上一帧、下一帧提供的信息来修复深度图像。若缺少相应信息,这类方法是无效的。单个深度图像修复方法可以修复数据缺失较少的深度图像。但是,无法修复带有孔洞（数据缺失较大）的深度图像。为解决以上问题,本文将生成对抗网络（generative adversarial network,GAN）应用于深度图像修复领域,提出了一种基于GAN的单个深度图像修复方法,即Edge-guided GAN。方法 首先,通过Canny算法获得待修复深度图像的边界图像,并将此两个单通道图像（待修复深度图像和边界图像）合并成一个2通道数据;其次,设计Edge-guided GAN高性能的生成器、判别器和损失函数,将此2通道数据作为生成器的输入,训练生成器,以生成器生成的深度图像（假值）和深度图像真值为判别器的输入,训练判别器;最终得到深度图像修复模型,完成深度图像修复。结果 在Apollo scape数据集上与其他4种常用的GAN、不带边界信息的Edge-guided GAN进行实验分析。在输入尺寸为256×256像素,掩膜尺寸为32×32像素情况下,Edge-guided GAN的峰值信噪比（peak signal-to-noise ratio,PSN）比性能第2的模型提高了15.76%;在掩膜尺寸为64×64像素情况下,Edge-guided GAN的PSNR比性能第2的模型提高了18.64%。结论 Edge-guided GAN以待修复深度图像的边界信息为其修复的约束条件,有效地提取了待修复深度图像特征,大幅度地提高了深度图像修复的精度。     

实时视觉目标跟踪与视频对象分割多任务框架

目的 针对视觉目标跟踪（video object tracking,VOT）和视频对象分割（video object segmentation,VOS）问题,研究人员提出了多个多任务处理框架,但是该类框架的精确度和鲁棒性较差。针对此问题,本文提出一个融合多尺度上下文信息和视频帧间信息的实时视觉目标跟踪与视频对象分割多任务的端到端框架。方法 文中提出的架构使用了由空洞深度可分离卷积组成的更加多尺度的空洞空间金字塔池化模块,以及具备帧间信息的帧间掩模传播模块,使得网络对多尺度目标对象分割能力更强,同时具备更好的鲁棒性。结果 本文方法在视觉目标跟踪VOT-2016和VOT-2018数据集上的期望平均重叠率（expected average overlap,EAO）分别达到了0.462和0.408,分别比SiamMask高了0.029和0.028,达到了最先进的结果,并且表现出更好的鲁棒性。在视频对象分割DAVIS（densely annotated video segmentation）-2016和DAVIS-2017数据集上也取得了有竞争力的结果。其中,在多目标对象分割DAVIS-2017数据集上,本文方法比SiamMask有更好的性能表现,区域相似度的杰卡德系数的平均值J_M和轮廓精确度的F度量的平均值F_M分别达到了56.0和59.0,并且区域和轮廓的衰变值J_D和F_D都比SiamMask中的低,分别为17.9和19.8。同时运行速度为45帧/s,达到了实时的运行速度。结论 文中提出的融合多尺度上下文信息和视频帧间信息的实时视觉目标跟踪与视频对象分割多任务的端到端框架,充分捕捉了多尺度上下文信息并且利用了视频帧间的信息,使得网络对多尺度目标对象分割能力更强的同时具备更好的鲁棒性。