内燃法整体热处理工艺在压力容器上的应用

介绍了粘油氧化反应器的内燃法整体热处理以及易出现的问题和对策.     

敏感性问题的一种调查方法

基于调查数量特征的敏感性问题的随机变量乘法模型提出了一种改进模型,该模型比随机变量乘法模型有着更高的精度．由此,将此改进模型推广到最优分配下的分层抽样情形,在总体适合分层时,能提高总体估计量的估计精度;另外,由于在不同层中可以使用不同的随机化装置,这在实际的调查操作中有着更强的可行性．     

基于快速傅里叶变换的局部分块视觉跟踪算法

针对视觉跟踪中目标表观变化、局部遮挡、背景干扰等问题,该文提出一种基于快速傅里叶变换的局部分块视觉跟踪算法。通过建立目标分块核岭回归模型并构建循环结构矩阵进行分块穷搜索来提高跟踪精度,利用快速傅里叶变换将时域运算变换到频域运算提高跟踪效率。首先,在包含目标的初始跟踪区域建立目标分块核岭回归模型;然后,提出通过构造循环结构矩阵进行分块穷搜索,并构建目标分块在相邻帧位置关系模型;最后,利用位置关系模型精确估计目标位置并进行分块模型更新。实验结果表明,该文算法不仅对目标表观变化、局部遮挡以及背景干扰等问题的适应能力有所增强,而且跟踪实时性较好。     

形状记忆合金在结构阻尼性能优化中的应用

文中研究了通过嵌入NiTi-SMA丝提高自由阻尼层结构损耗性能的方法。首先描述了普通阻尼层材料的贮能模量及损耗因子随温度变化规律。基于一维SMA的Brinson模型给出了NiTi-SMA丝受限回复应力的计算公式,建立了含NiTi-SMA丝的自由阻尼处理梁结构损耗因子的计算公式。通过数值计算揭示了含NiTi-SMA丝的聚氨脂自由阻尼处理梁的耗散特性,分析了NiTi-SMA丝含量及阻尼层厚度对自由阻尼处理梁耗散特性的影响。结果表明,埋入NiTi-SMA丝之后,阻尼结构的损耗因子得到了显著提高。     

基于诊断矩阵的旋翼状态监测方法

提出了一种基于诊断矩阵的故障检测和隔离方法,开发了旋翼健康监测软件的系统框架。通过故障模型和旋翼系统定量模型的仿真,建立了旋翼的诊断矩阵,利用诊断矩阵中征兆与故障间的依赖关系,提出了一种利用虚拟征兆传感器识别系统冲突集的方法,研究了通过布尔方程求解系统诊断集的算法。该方法具有多故障实时诊断能力,适用于复杂系统的综合健康监测。     

西湖凹陷中部西斜坡地区超压成因机制

沉积盆地超压成因研究已取得了重要进展,关于超压主要成因的认识也发生了重要变化,以往一些被普遍认为属于典型不均衡压实成因的超压已被部分或完全否定,生烃作用作为超压成因的普遍性得到愈来愈多的证实。西湖凹陷多个构造带的不同层位均发育超压,目前认为超压的形成仍然离不开不均衡压实（欠压实作用）的贡献。根据异常压力形成的基本地质条件和异常压力产生的地质、地球物理效应两方面因素,利用测井曲线组合分析法、鲍尔斯法（加载-卸载曲线法）、声波速度-密度交会图法、孔隙度对比法、压力计算反推法以及综合分析法系统解剖分析了西湖凹陷中部西斜坡地区平湖组不同岩性异常压力成因。研究结果表明：西湖凹陷中部西斜坡泥岩中烃源岩超压主要为自源生烃增压,非烃源岩超压为邻源压力传导成因。储层中至少存在常压-超压型和常压-超压-常压型两种压力结构类型,异常压力自南向北顶界面逐渐变深,主要为油气在生烃增压驱动下向储层运移过程中的压力传导所致。     

低碳经济视角下低碳旅游实现方式研究

低碳经济的发展带动了一系列相关产业的发展,特别是对于飞速发展的旅游业来说,发展低碳旅游成为时代发展的诉求。文章介绍了低碳经济背景下的低碳旅游,以及低碳旅游在现实中的实现方式,阐述了低碳旅游的发展与生态旅游之间的和谐关系。旨在引导人们充分认识低碳旅游时代的来临,指导人们应用科学合理的旅游方式,开展旅游活动,为旅游业的可持续发展提供理论支持。     

基于重构相空间短时状态预测残差的直升机旋翼损伤跟踪方法

运用相空间重构技术与Volterra泛函级数提出基于短时状态预测残差的旋翼损伤跟踪方法。应用相空间重构方法将旋翼状态监测信号变换到不同维数的相空间内以不同时间尺度观测系统的动态行为特性,从新视角研究旋翼损伤的演化过程,据旋翼实测相轨迹与Volterra基准状态模型预测结果之间的残差生成新的损伤观测信号,采用Unscent-ed滤波器对Volterra基准模型预测残差进行滤波,可进一步优化估计旋翼的损伤状态。该方法可利用单个状态监测信号的非线性特性在相空间中重建旋翼系统动力学本质,可更有效地开展旋翼的损伤跟踪与使用监测。     

压缩机出口缓冲罐接管断裂成因分析

压缩机出口缓冲罐的温度计套管发生断裂。通过一系列检验和分析，得出疲劳破坏是导致其最终断裂的真正原因，同时为金属的疲劳破坏提供了压力容器方面的例证。     

基于密集连接与特征增强的语义分割算法

在语义分割算法DeepLabv3+中,由于对主干网络提取的特征信息利用不充分,导致了分割边缘不连续、目标丢失以及分割错误等问题。为此,提出一种基于密集连接和特征增强的语义分割算法。采用共享空洞空间金字塔池化(S-ASPP)模块建立多个空洞卷积之间的联系,增强局部信息之间的语义关联,捕获密集的采样点像素,同时提高对高层特征信息的利用。引入特征金字塔增强模块(FPEM)和特征融合模块(FFM),对主干网络输出的多层特征信息进行处理,增强特征的表达能力,并采用FFM对FPEM输出的不同尺度特征信息进行融合,提高各层特征之间的互补能力,以获得更全面的特征图信息。在此基础上,将S-ASPP和FFM的输出进行拼接和卷积操作,得到最终的分割结果。在PASCAL VOC 2012和Cityscapes数据集上的实验结果表明,该算法的平均交并比分别达到81.13%和73.39%,相较于基准算法DeepLabv3+分别提升了2.3和2.1个百分点,充分利用了骨干网络中的每层特征信息,提升了算法的分割精度,取得了较好的分割效果。