排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
2.
V2O5-MoO3/TiO2 催化剂的NOx选择性催化还原及SO2氧化活性 总被引:2,自引:0,他引:2
采用浸渍法以TiO2为载体制备V2O5-MoO3/TiO2 选择性催化还原催化剂,研究V2O5和MoO3负载量对于催化剂选择性催化还原反应及SO2氧化活性的影响,并考察氧含量、氨氮物质的量比和反应空速对3%V2O5-6%MoO3/TiO2催化剂选择性催化还原脱硝活性的影响。结果表明,随着催化剂中V2O5负载质量分数增加,V2O5-MoO3/TiO2 催化剂的选择性催化还原活性和SO2氧化活性均呈上升趋势。MoO3的负载对催化剂的SO2氧化活性有明显抑制作用。MoO3负载质量分数超过9%,制备的催化剂既保持较高的低温选择性催化还原活性,又使选择性催化还原反应中的SO2转化率小于1%。 相似文献
3.
为有效降低齿轮箱故障特征的维数并提高诊断效率,提出了基于邻域属性重要度的齿轮箱故障特征优选方法,并结合支持向量机和BP神经网络对诊断的准确率和时间进行对比分析。以齿轮箱中不同裂纹齿轮为对象,选取能够表征齿轮箱故障状态的时域、频域和基于希尔伯特变换的36个特征。构造基于邻域模型的前向贪心数值属性约简算法进行特征优选,提取属性重要度较大的9个特征组成最优特征子集,数据压缩量达到75%,并输入支持向量机分类器中进行分类识别,用BP神经网络分类器进行结果的比较分析。结果表明,采用基于邻域属性重要度的齿轮箱故障特征优选方法,既可以在降低特征维数的情况下有效地表征齿轮箱的运行状态,又可以提高诊断的精确度和诊断效率。 相似文献
4.
5.
为有效降低滚动轴承故障特征的维数并提高诊断准确率,将主成分分析(PCA)和支持向量机(SVM)方法应用到轴承故障特征的融合分析中,给出了相应的决策流程。应用基于小波包分解的特征提取算法及特征向量的构造方法对不同状态下的振动信号进行分解,得到用于表征轴承运行状态的8维特征集合;应用PCA提取累积贡献率达到95%的特征主成分并输入SVM分类器中进行识别。结果表明,将滚动轴承故障特征从8维降低到5维,仍可有效表征轴承的状态,但大大降低了计算的复杂性;故障诊断的准确率达到97%以上,诊断时间也相对较短;4种轴承状态识别的准确率从高到低依次为正常、外圈剥落、滚动体剥落和内圈剥落,可为确保设备安全运行和快速故障诊断提供理论依据。 相似文献
6.
为有效降低齿轮箱故障特征的维数并提高诊断准确率,提出了基于主成分分析法的齿轮箱故障特征融合方法,并结合支持向量机和BP神经网络对诊断的准确率进行了分析。以齿轮箱中不同裂纹齿轮为对象,选取能够表征齿轮箱故障状态的时域、频域和基于希尔伯特变换的36个特征,提取累积贡献率达到95%以上的主成分并输入支持向量机分类器中进行分类识别,用BP神经网络分类器进行结果的比较分析。结果表明,采用主成分分析法与支持向量机相结合的方法,既能降低特征维数,降低计算的复杂性,又能有效地表征齿轮箱的运行状态,识别不同裂纹水平的齿轮,比单独使用支持向量机分类器的方法诊断准确率更高,训练时间更短。 相似文献
7.
常用的烟气脱硫工艺有钙法、氨法、镁法、钠法、海水法、活性炭法,工艺不同副产物的种类和状态也不相同。脱硫副产物的出路是脱硫工艺选择的重要参考因素。对比了6种不同烟气脱硫工艺的副产物处理和处置方法。其中,钙湿法脱硫的副产物产量最大,利用率较高,2018年我国脱硫石膏产量超过1. 2亿t,其综合利用率为74%。由于脱硝及消白的需要,存在湿法改半干法的趋势,但半干法工艺的Ca/S比湿法高,这会导致利用率低的脱硫灰产量增大;钙半干法脱硫协同脱硝会导致脱硫灰处理更为困难,需要进一步加大对脱硫灰的处理研究。 相似文献
8.
针对大规模拥挤场景视频中行人目标小、行人遮挡和行人交叠而导致的检测困难等问题,本文将逐像素预测目标检测框架—全卷积单阶段目标检测FCOS(fully convolutional one-stage object detection)应用于行人检测,提出一种改进的主干网络用于提取行人特征,通过增加尺度回归实现目标行人的多尺度检测,同时减少其他特征层检测的目标数量,进而提升行人检测的能力。在拥挤行人场景数据集CrowdHuman和小目标行人数据集Caltech上的大量实验结果表明,和目前先进的方法相比,本文的方法对行人的检测精度有所提升,特别是对于小目标行人检测。与原始FCOS算法相比,在CrowdHuman上平均精度提升接近15%,丢失率降低接近33.0%;在Caltech上的平均精度提升2%。在复杂拥挤场景下的实际应用也证明本文方法的有效性。 相似文献
9.
针对复杂场景下行人检测效果差的问题,采用基于深度学习的目标检测中领先的研究成果,提出了一种基于改进Mask R-CNN框架的行人检测算法。首先,采用K-means算法对行人数据集的目标框进行聚类得到合适的长宽比,通过增加一组长宽比(2:5)使12种anchors适应图像中行人的尺寸;然后,结合细粒度图像识别技术,实现行人的高定位精度;其次,采用全卷积网络(FCN)分割前景对象,并进行像素预测获得行人的局部掩码(上半身、下半身),实现对行人的细粒度检测;最后,通过学习行人的局部特征获得行人的整体掩码。为了验证改进算法的有效性,将其与当前具有代表性的目标检测方法(如更快速的区域卷积神经网络(Faster R-CNN)、YOLOv2、R-FCN)在同数据集上进行对比。实验结果表明,改进的算法提高了行人检测的速度和精度,并且降低了误检率。 相似文献
10.