化学实验室中的微电子技术与微计算机(下)

<正> 四、现代化的分析仪器 化学实验室中反应物及生成物的组分分析、物性分析是很重要的。早在六十年代,计算机就进入了化学分析的领域。七十年代以来,微型计算机及微电子技术更加蓬勃发展,更加促进了化学分析仪器的数学化与自动化。八十年代后,工业先进国家的各种分析仪器几乎都是带微计算机的。 微电子技术与微计算机在分析化学中的应用,近20年来的发展,主要解决分析仪器输出信号的噪声处理,谱峰的积分、解析、定量计算,谱图检索及操作自动化等,经历了离线处理与在线处理及整个仪器全自动化几个阶段。     

面向新型电力系统的风电调频技术分析

在我国未来的新型电力系统中,风电将承担调频任务,保障电力系统安全稳定地运行。为了系统概述风电调频的研究现状,总结了风电机组调频技术、风电场调频技术及相关的建模及策略研究。风电机组的调频方式主要包括转子动能控制、功率备用控制和联合控制。风电场参与调频需要机组间的相互配合以最大化调频效果,也可以通过外加辅助设备协助调频。风电调频策略依托于模型的建立,然而目前风电场的模型均采用等值化方法,与实际电力系统存在一定差距。未来的发展中,应进一步优化模型,完善调频策略,早日实现工业应用。     

基于小波分解和游程长度矩阵的医学图像检索

为了提高医院图像检索系统对医学图像的检索精度,对基于内容的图像检索方法进行了全面的研究.深入地分析了小波变换和游程长度矩阵在图像检索中的优点,创造性地提出了一种融合小波分解和游程长度矩阵的检索算法.该算法充分利用小波变换可以对图像进行的多尺度分析的优点,以及游程长度矩阵可以描述图像内灰度与游程长度分布规律的优点,使用高斯分布将小波分解后的各尺度图像游程长度矩阵特征进行合理融合.将仿真算法和其它算法进行比较,比较结果表明该方法能有效地提高图像检索的精确度.     

基于LabVIEW机器视觉的微小位移动态测量

本文采用LabVIEW机器视觉平台开发设计基于USB摄像头的微小位移测量系统。使用LabVIEW软件平台编程控制USB摄像头．采集显微镜中放大物体前后移动的图像，通过计算物体图像移动像素点数来测量物体移动的微小位移。本测量系统摄像帧速为30帧/秒．可以实现微小位移的动态测量。     

中美建筑能效标准比较

该文概述了建筑能耗在全球最终能源消费中的现状,分析了全球建筑能效标准发展现状及目标,分别介绍了中美两国建筑能效标准发展的历程。通过对各国标准的研究,总结了建筑能效标准所涉及的主要内容。着重以美国建筑能效标准ASHRAE90.1—2010和中国公共建筑节能标准GB50189—2005为例,比较中美建筑能效标准的构架、内容及参数的差别。提出了国内建筑能效标准发展的几点建议。     

上海光源场地微振动特征及结构减振效果的测试研究

随着技术的发展,许多高新技术装备、生产线对场地环境要求越来越高,如上海光源等一些电子产品的工作平台对振动要求较为严格,因较大的振动会影响产品的质量。然而工厂通常处于一定的振动环境中,如何减小微振动往往成为工程成败的关键。     

传感光纤技术在钻孔灌注桩应力测试中的应用

详细介绍传感光纤技术在钻孔灌注桩中的应用,与传统测试技术相比,其具有连续测试、可绘制更符合客观的桩身轴力和桩侧摩阻力曲线等功能。     

基于环形模板的SUSAN角点检测算法

SUSAN算子需要不断地调整"相似性阈值"才能获得更好的角点,它可以检测X型、Y型和T型,但是不能检测出特殊形状和复杂形状的角点。为了克服这些缺点,文中提出了一种自适应阈值的选择方法,使程序自动化,若角点的USAN区域与边缘点的USAN区域相同,则在SUSAN的模板中叠加一个离散的环状模板r,根据模板r中的亮度变化次数来区分待测点是否是角点,以免遗漏角点。实验结果显示改进后的算法不仅省去手动调整阈值,大大提高程序运行自动化,而且可以检测不同类型角点。     

分层特征融合注意力网络图像超分辨率重建

目的 深层卷积神经网络在单幅图像超分辨率任务中取得了巨大成功。从3个卷积层的超分辨率重建卷积神经网络（super-resolution convolutional neural network,SRCNN）到超过300层的残差注意力网络（residual channel attention network,RCAN）,网络的深度和整体性能有了显著提高。然而,尽管深层网络方法提高了重建图像的质量,但因计算量大、实时性差等问题并不适合真实场景。针对该问题,本文提出轻量级的层次特征融合空间注意力网络来快速重建图像的高频细节。方法 网络由浅层特征提取层、分层特征融合层、上采样层和重建层组成。浅层特征提取层使用1个卷积层提取浅层特征,并对特征通道进行扩充;分层特征融合层由局部特征融合和全局特征融合组成,整个网络包含9个残差注意力块（residual attention block,RAB）,每3个构成一个残差注意力组,分别在组内和组间进行局部特征融合和全局特征融合。在每个残差注意力块内部,首先使用卷积层提取特征,再使用空间注意力模块对特征图的不同空间位置分配不同的权重,提高高频区域特征的注意力,以快速恢复高频细节信息;上采样层使用亚像素卷积对特征图进行上采样,将特征图放大到目标图像的尺寸;重建层使用1个卷积层进行重建,得到重建后的高分辨率图像。结果 在Set5、Set14、BSD（Berkeley segmentation dataset）100、Urban100和Manga109测试数据集上进行测试。当放大因子为4时,峰值信噪比分别为31.98 dB、28.40 dB、27.45 dB、25.77 dB和29.37 dB。本文算法比其他同等规模的网络在测试结果上有明显提升。结论 本文提出的多层特征融合注意力网络,通过结合空间注意力模块和分层特征融合结构的优势,可以快速恢复图像的高频细节并且具有较小的计算复杂度。     

校企合作背景下电力类院校化工原理课程改革与实践

根据校企合作人才培养模式,结合我校化学化工类专业特色,从课程目标设置,课程体系设计,教学方法,师资队伍建设,考核方式等方面,对化工原理课程进行改革,达到与企业共同培养化学化工类应用型人才的目的。