稳产国Ⅵ柴油并兼产喷气燃料技术方案的工业应用

介绍了浙江石油化工有限公司新建的3 Mt/a柴油加氢精制装置，其配套使用中国石化石油化工科学研究院有限公司开发的催化剂级配技术，并实施了可根据原料供应及市场产品需求情况灵活调整切换的2种生产技术方案。1 a的安稳生产运行结果表明:该装置以直馏柴油为主原料，通过分馏塔的馏分切割及其侧线抽出，实现了稳产国Ⅵ柴油并兼产喷气燃料技术方案的工业化应用；在实施以兼产喷气燃料为主的生产技术方案时，通过调整常一线柴油的掺炼量，不仅可以生产含硫量小于10.0 μg/g的精制柴油产品，同时兼产所得到的喷气燃料产品含硫量小于0.5 μg/g，赛波特颜色号值大于30；在实施主产精制柴油组分方案时，通过掺炼质量分数为20%~40%的催化柴油，并使所提炼得到的精制柴油组分含硫量小于6.0 μg/g的前提下，这些精制柴油组分产品既可直接作为满足国Ⅵ柴油产品出厂待售，也可作为柴油调和组分储存待用于产品的进一步优化。     

基于GIS单线图的配网停电单模拟操作应用研究

配电网停电会造成电力系统供配电可靠性以及服务质量下降,研究基于地理信息系统(GIS)单线图的配网停电单模拟操作应用。利用网格长度作为基本单位建立坐标系,以选取起始点与终止点为基础,通过四参数法将GIS坐标映射至图纸网格内,实现配网内设备初步布局,将杆塔、站房和整体均匀分布作为优化目标,设置多目标优化目标函数实现GIS单线图最终优化。选取某电力公司配网作为单模拟操作应用对象,模拟结果表明,单模拟操作配网停电后,该配网各负荷点年故障率、次平均停电时间以及年停电时间均有所减少,可有效提升配网的供配电可靠性。     

RAP级配特征及对冷再生沥青混合料的影响

为探究RAP级配特征，剖析其对冷再生混合料性能的影响，基于抽提、击实和马歇尔试验对粗、细两档RAP展开研究。结果表明粗RAP中的中大块料多数由细料结团而成，性能受旧沥青影响；对于冷再生混合料，RAP掺量宜控制在40%～60%，粗、细比例得当时会轻微提升马歇尔稳定度。     

硅酸盐水泥水化动力学模型与试验方法研究进展

水泥水化过程决定水泥基材料强度、耐久性等诸多性能，深入理解水泥水化机理具有重要的科学意义和工程价值。本工作回顾了硅酸盐水泥水化动力学模型的最新研究进展，评述了GEMS热力学计算、HymoStruc3D和CEMHY3D等水化数值模拟方法及其局限性，总结了准弹性中子散射和核磁共振等先进测试手段在研究水泥水化过程中水态演变和孔结构发展中的具体应用，提出了该领域未来研究的趋势和挑战。     

直流配网型混合动力系统在车客渡船上的应用

针对车客渡船动力负荷切换频繁,传统柴油机推进油耗高、排放和噪声大的问题,提出一种基于变速发电机组和超级电容储能装置的直流配网型混合动力系统。目前系统已成功应用于“江苏路渡3011”轮,实船运行数据显示:该混合动力系统不仅能达到较好的节油效果、降低排放,更在操控性、舒适性上优于传统的柴油机推进模式。     

三维CT层间图像超分辨重建与修复

CT图像在疾病诊断、癌症精准放疗阶段发挥着重要的作用.然而,受X射线剂量的限制以及现有医疗设备等因素的影响,三维CT图像成像采样间距较大,层间分辨率远低于层内分辨率.为提高CT图像的层间分辨率,避免因相邻层CT图像之间存在较大差异对超分辨率重建造成干扰,提出一种在相邻CT图像序列切片间利用上下层的配准信息插值出一个新的中间切片,并对插值得到的中间切片进行修复的方法.首先,利用CLG-TV光流估计模型配准算法估计相邻2幅CT图像之间的像素运动,得到一个稠密的光流场,从而获得2个连续切片之间精确的像素对应关系,并依据新切片位置对速度矢量进行缩放;然后,利用计算出的速度场在连续2幅图像之间生成初始插值图像.由于相邻切片之间的像素难以一一对应,插值后的图像通常存在像素缺失现象.最后利用序列图像的帧间非局部自相似性,通过求解最优化问题以修复插值图像中像素丢失的区域.在DIR-Lab实验室和山东省医学影像学研究所提供的数据集上的实验结果表明,与其他经典方法相比,文中方法能够生成高质量的中间CT切片,在定量和定性上提高了层间分辨率.     

基于深度强化学习的多模态医学图像配准

传统图像配准方法中,图像特征的表示和相似性测度的选择易受到人为因素的影响,不能准确地表征图像特征和配准图像的相似度,从而对配准结果产生较大误差.针对此问题,借助端到端的强化学习方法,对这2个部分进行隐式的表达,从而避免人工设计的缺陷.具体而言,设计了一个人工智能体模型,由策略网络和价值网络2部分组成,用以指导浮动图像朝着参考图像的方向正确移动,进而实现图像配准.提出使用异步表演者-评论家方法进行模型训练,以避免经验回放操作,降低模型训练对存储容量的要求并加快模型的收敛;同时提出一种奖赏函数,能够给予每个时间步上图像配准动作估计更为准确的奖励.此外,在测试阶段,使用了蒙特卡罗前向推理策略,进一步提高配准参数的准确性.在MR和CT的临床医学图像配准数据集上进行实验,与传统基于尺度不变性配准算法、基于深度学习配准算法等进行对照分析,实验结果表明,所提出的方法目标配准误差可以减少30%左右,同时能够更好地处理具有大幅度形变的配准问题.     

差分准对立学习多目标蚁狮算法

为解决多目标优化问题，对经典的蚁狮算法进行改进，提出了基于差分进化的准对立学习多目标蚁狮算法（DEQOMALO）。该算法针对蚁狮算法易陷入局部最优的不足，一方面，该算法引用差分进化的思想，充分利用种群和精英蚁狮的信息对原算法中蚂蚁个体的位置更新方式进行改进；另一方面采用反向学习策略对蚂蚁种群进行优化，将原种群个体和其准对立个体进行混合并择优作为新的种群，大大增加种群的多样性。选取典型的标准测试函数，将提出的算法与原始蚁狮算法以及其他传统进化策略优化的蚁狮算法进行比较。实验结果表明，改进算法在收敛性和分布性上均有很大程度的提升，在解决双目标优化问题上具有较好的鲁棒性和有效性。