基于准同步序列重构的非稳态电力谐波分析

针对非稳态电力信号傅里叶谐波分析中频谱泄露所导致测量误差较大的问题,提出一种基于准同步序列重构的非稳态电力谐波分析方法。首先在频域上对原始采样信号进行50 Hz的频移,经过sinc滤波器滤除谐波分量,采用移频角差法求得基波频率偏移量;依据计算的基波频率,再通过三次B样条插值重构原始采样信号;最后利用全相位FFT有较优抑制频谱泄露的性能,对重构后的准同步序列进行谐波分析,确定每一个谐波成分参数,实现谐波参数的准确测量。试验表明,该算法能有效检测非稳态信号的基波频率大小,实现非稳态下电力谐波信号的高精度检测,实验平台验证了方案的可行性。     

基于铁路拱桥检查车的黏滞阻尼器设计与分析

铁路拱桥的检查维修一般采用悬挂式拱桥检查车.为约束悬挂式拱桥检查车的摆动,提出了一种黏滞阻尼器.介绍了拱桥检查车用黏滞阻尼器的工作原理、布局设计、结构选型设计和动态计算分析,并通过了试验验证,结果表明黏滞阻尼器结构可靠,约束检查车摆动效果良好,满足悬挂式拱桥检查车的使用要求.     

基于多尺度特征选择网络的新冠肺炎CT图像分割方法

目的 改进U-Net图像分割算法,探讨多尺度特征提取对新冠肺炎CT图像分割应用的价值。方法 利用Python编程语言和tensorflow和keras深度学习框架,在U-Net基线网络结构基础上,结合空洞空间卷积池化金字塔和高效通道注意力机制设计多尺度特征选择模块,提出改进后的多尺度特征选择网络(MsFS-Net),在COVID-19-20公开数据集上进行实验验证,使用5折交叉验证方法,对比U-Net、DeepLabV3+和Attention U-Net 3个网络模型,评测指标包括Dice、Recall、Precision,并绘制训练曲线图和可视化分割结果图。结果 计算Dice、Recall、Precision 3项评测指标在5折交叉验证中的平均值和标准差,MsFS-Net的指标分别为(85.05±0.25)%,(85.33±0.20)%,(85.10±0.30)%,相比U-Net网络提升效果显著,平均值分别提升5.89%、5.71%、5.30%,标准差更小,训练曲线平滑稳定,对小病灶和不规则病灶的分割效果优于其他模型,模型鲁棒性更好。结论 基于多尺度特征选择的图像分割方法具有高性能、...     

300MW机组主蒸汽管道振动原因分析及处理

某300 MW机组在主蒸汽管道单阀切顺序阀运行后,主蒸汽管道振动幅度明显增加。通过现场勘察和测量,结合模态分析得出主蒸汽管道振动原因是激振力频率与管道固有频率一致引起管道共振。提出相应的振动处理方案,新增相应阻尼器,设计了间隙可调节性限位支架,有效地减小了主蒸汽管道的振动。     

自组装与纳米技术

自组装技术是制备纳米结构的几种为数不多的方法之一.本文对最近几年自组装技术在纳米科技领域中的一些重大突破和成果进行较为系统地综述,主要包括以下几个方面:自组装单层膜、纳米尺度的表面改性、超分子材料、分子电子学与光子晶体.     

600 MW机组锅炉高压给水管道振动测试分析及治理

某600 MW机组高压给水管道在负荷变化过程中存在明显振动。通过现场观察和测量,结合模态分析得出,高压给水管道振动不是由于低频结构共振引起,而是变负荷过程中的流体激振力引起的振动。提出了相应的振动治理方案,新增相应的限位拉杆和阻尼器,有效地减小了高压给水管道的振动。实践表明,该治理方案可行,振动治理效果明显。     

DECANet：基于改进DeepLabv3+的图像语义分割方法

在图像的语义分割任务中,不同对象之间像素值存在差异,导致现有的网络模型在图像语义分割过程中丢失图像局部细节信息。针对上述问题,提出一种图像语义分割方法（DECANet）。首先,引入通道注意力网络模块,通过对所有通道的依赖关系进行建模提高网络的表达能力,选择性地学习并强化通道特征,提取有用信息,抑制无用信息。其次,利用改进的空洞空间金字塔池化（ASPP）结构,对提取到的图像卷积特征进行多尺度融合,减少图像细节信息丢失,且在权重参数不改变的情况下提取语义像素位置信息,加快模型的收敛速度。最后,DECANet在PASCAL VOC2012和Cityscapes数据集上的平均交并比分别达81.08%和76%,与现有的先进网络模型相比,检测性能更优,可以有效地捕获局部细节信息,减少图像语义像素分类错误。     

某弹性阻尼复合减震装置的设计与试验

某弹性阻尼复合减震装置是集合了弹性阻尼单元和液压粘滞阻尼单元的新型减震装置,适应于大跨度悬索桥和斜拉桥的减震及主梁位移控制。阐述了其基本工作原理,对主要结构部件进行了强度核算,并开展了速度相关性、限位力及限位刚度性能试验。结果表明：该弹性阻尼复合减震装置结构形式合理,强度达到设计要求,具有较好的减震功能。文中所采用的设计与试验方法正确,可行性高,通用性好,对于同类产品有指导意义。     

基于区域重构的树状骨架快速去毛刺方法

区域骨架去毛刺是骨架提取与应用中的重要问题。常见的去毛刺途径之一,是用基于区域重构的骨架显著性指标对骨架进行阈值化处理,但存在算法参数难以直观设置、去毛刺效果不易控制、运行速度较慢等问题。针对上述问题,提出了一种逐次剪除骨架分枝的去毛刺方法,以突出部分骨架长度为显著性指标,每次剪除显著性最低的一个分枝,直至剩余分枝达到给定数量;为提高算法速度,采用了游程森林结构加速区域重构操作,提出了重构触发策略来减少重构次数。在实际图像集上的实验结果表明,提出的方法的正确骨架分枝的召回率较对比算法高13%,准确率高近3%;采用重构触发策略的算法运行时间平均为未采用该策略算法的约56%。实验结果表明了所提方法的有效性。