不同耦合剂在煤样声波测试中的对比分析研究

在煤样声波测试中,不同的耦合剂对测试结果具有重要影响。选取煤层气富集的山西省沁水盆地某矿3号煤层进行煤样采集并制备出标准煤样。使用不同的耦合剂测定了标准铝样的纵波速度并与其标准速度进行对比分析,测试结果表明,利用不同耦合剂对铝样进行声波测试时,数据的稳定性和精度有一定的差异。鉴于水的挥发特性,又研究了水对煤岩的耦合效果随挥发时间变化的实验,结果表明水的耦合会随水的挥发而降低。综合3组数据的声波波幅,发现在不同耦合剂耦合状态下声波能量的衰减也有一定的差异。     

基于吸收式制冷和除湿溶液再生的复合冷源系统

结合吸收式热泵和溶液除湿技术特征,提出了基于吸收式制冷和除湿溶液再生的复合冷源系统。以中央空调常规冷源系统为比较基准,分析了新型复合冷源系统的年供冷性能系数、供冷成本和减排效益。案例分析结果表明,当输冷距离为5 km,废热价格为20元/GJ时,新型复合冷源系统的年供冷性能系数达23.9,供冷成本为115.6元/GJ。与常规冷源系统相比,新型复合冷源系统年供冷性能系数提高了175%,供冷成本降低了33%,年电耗量降低了77%,可实现深度利用工业废热,大幅降低电网夏季负荷压力。新型复合冷源技术为高效供冷和工业废热深度利用提供新思路。     

基于Fisher判别分析的烤烟感官质量与工业应用价值的关系研究

采用Fisher判别法对烤烟感官质量与其使用价值进行判别分析,结果表明:不同评吸指标所起的作用是不同的,香气质、杂气、余味、刺激性和浓度指标是影响工业可用性判定结果的主要因素,而劲头和香气量影响很小;采用Fisher判别模型进行判定,具有较高的判别正确率(＞68％),其结果与实践经验基本吻合.     

基于斜生栅藻培养的城市生活废水资源化利用研究

为降低微藻培养成本,实现城市生活废水的资源化利用,研究了补加不同质量浓度的Na NO3、K2HPO4·3H2O、Mg SO4·7H2O、Fe Cl3·6H2O、Na2CO3营养盐情形下,斜生栅藻(Scenedesmus obliquas)的生长和油脂积累特性。结果表明:城市生活废水中自身含有的磷、碳基本满足微藻正常的生长和油脂代谢,同时在低氮和高铁环境下更有利于微藻油脂的积累。此外,在补加Na NO3质量浓度2.25 g/L、K2HPO4·3H2O质量浓度40 mg/L、Mg SO4·7H2O质量浓度56.25 mg/L、Fe Cl3·6H2O质量浓度9 mg/L、Na2CO3质量浓度15 mg/L的条件下,斜生栅藻生长状况良好,生物量可达3.04 g/L,是废水原液条件下的2.8倍。利用城市生活废水来培养富油的微藻,可以实现废水的资源化利用与微藻的低成本培养,对工业化生产具有重要意义。     

改进的DeepLabV3+指针式仪表图像分割算法

针对现有的仪表自动化读数算法占用空间大、推理速度较慢以及不能有效分割图像中密集细小目标的问题,提出改进的DeepLabV3+指针式仪表分割算法。首先以轻量化的MobileNetV2来构建网络主干达到降低参数量和推理权重、提高检测速度的目的。其次通过分块并归策略设计CSP-ASPP结构,在保证网络性能的同时降低参数量。之后使用改进后的SKFF模块通过自注意力机制以非线性方式融合多尺度特征,将原网络解码器中的二尺度特征融合变为四尺度特征融合。最后使用交叉熵损失联合加权的Dice损失作为网络的总损失函数,解决仪表分割中各类别像素分布不均的问题。最后通过实验证明,改进后的DeepLabV3+算法在仪表分割数据集上的平均交并比(mIoU)和平均像素准确率(mPA)达到了89.3%和94.8%,相对原网络分别提高了0.7%、0.6%,参数量和推理权重却仅有原网络的约7%,同时在GPU和CPU上的推理速度分别达到91和16 fps,解决了嵌入式设备部署困难的问题,达到了实时检测的要求,提高了仪表自动化读数的效率。     

浅析高校特困生心理问题及教育对策

高校特困生问题日益突出，国家、社会、学校在物质方面给予特困生极大的帮助和爱护，但是在思想、心理教育方面还存在着盲点。本文着重揭示了特困生的负面心态及其特点，并在思想教育和心理辅导上探讨了解决的方法，使特困生问题达到“标本兼治”，从而使特困生在物质、心理上双脱贫。     

改进DCGAN数据增强的番茄叶子病害图像识别

针对番茄叶子病害图像难以采集的问题，提出一种基于生成对抗网络的番茄叶子病害图像增强方法——Residual Network and Wasserstein Attached Spectral Normalization DCGAN(RWS＿DCGAN)。带有谱归一化的残差网络结构构建了新型的生成器模型和判别器模型，引入带有梯度惩罚项的Wasserstein距离。通过实验表明，改进的生成对抗网络RWS＿DCGAN相较于常规增强方法和DCGAN增强方法，能生成病害明显的番茄叶子病害图像，扩充样本数据集，进而能提升分类网络的识别准确率。