新型丁烯异构化催化剂在中原石化的应用

丁烯双键异构制取1-丁烯是中国石化上海石油化工研究院专利技术,介绍了装置工业试验和应用情况.总结了新型丁烯异构化催化剂工业化应用和第一代催化剂在工艺操作条件、1-丁烯收率、选择性及产品中关键组分含量的优化和提升.     

基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

SNT-TC-1A-2016认证变化与使用注意事项

国内在ASME无损检测人员认证中,使用SNT-TC-1A认证的占主导地位。通过对2006版和2016版变化的对比分析,以及Ⅴ卷附录Ⅲ附加要求的梳理,便于更加清晰地掌握该认证文件在使用过程的重点注意事项。     

8K超高清复合测试图与测量方法研究

在介绍8K超高清显示系统技术现状的基础上,详细介绍8K超高清复合测试图的参数指标、关键要素及测试内容,研究8K超高清显示设备的关键光学指标的测量方法.     

基于RPA-LFD法的多黏菌素耐药基因mcr-1可视化快速检测方法建立与应用

目的：建立一种快速、高效、可视化的细菌多黏菌素耐药基因mcr-1检测方法，为其基层检测的展开提供依据和便利。方法：利用重组酶聚合酶扩增结合胶体金侧向流试纸条技术(Recombinase polymerase amplification combined with a lateral flow dipstick,RPA-LFD)，辅以手持式胶体金读数仪；根据mcr-1基因保守序列设计合成一对特异性RPA引物，通过对反应条件和体系的优化，以及特异性试验、灵敏度试验、模拟食样试验和实际样品试验，成功建立了可视化定量检测细菌多黏菌素耐药基因mcr-1的RPA-LFD方法。结果：在引物浓度400 nmol/L，引物比例1:1时，该方法最佳反应条件为Mg²⁺浓度14.0 mmol/L，反应温度37℃，反应时间20 min；灵敏度好，标准曲线方程为y=0.117x+0.051，定量限为10¹～10⁸ copies/μL，检出限为10¹ copies/μL，比PCR法低一个数量级且模拟样品检出结果与PCR法一致。利...     

基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。     

基于K空间理论的磁共振图像空间分辨率影响因素分析

空间分辨率是对磁共振成像设备进行质量控制的主要性能参数。利用美国体膜实验室生产的Magphan SMR100体膜在自旋回波序列T1加权模式下对磁共振成像设备的空间分辨率进行计量检测，基于K空间理论，结合扫描视野的形状及频率编码矩阵和相位编码矩阵的大小及取向，对决定图像空间分辨率的因素进行了深入分析，获得了在不降低空间分辨率的前提下以较小的信噪比损失成比例缩短扫描时间的参数选取规则，从而提高磁共振成像设备周期检定的实践水平。     

基于离线参数调整的古籍图像二值化算法

古籍退化对古籍图像二值化带来较大挑战,为此,提出一种基于离线参数调整的古籍图像二值化算法。算法分为两步,估计古籍图像背景局部均值,结合基于拉普拉斯能量的二值化算法对古籍进行二值化;根据迭代弗里德曼竞赛算法设计一种离线参数调整方法优化算法中的参数配置。所提算法在H-DIBCO 2016和H-DIBCO 2018数据集上的综合实验结果均优于其它二值化算法,验证了所提算法的有效性。     

基于SVD和SSA-VMD降噪的轴承故障特征提取

针对强噪声背景下轴承故障特征提取困难的问题，提出一种基于奇异值分解和参数优化变分模态分解联合降噪的轴承故障特征提取方法(SSVMD)：首先，对原始信号进行奇异值分解(Singular Value Decomposition，SVD)处理，运用奇异值差分谱法选取有效奇异值并将原始信号重构得到初步降噪信号；其次，为防止故障信息丢失，将残余信号进行麻雀算法(Sparrow Search Algorithm，SSA)优化的变分模态分解(Variational Mode Decomposition，VMD）算法处理，得到最佳的模态个数K和惩罚参数α，选取峭度值最大、包络熵最小的IMF分量与初步降噪信号叠加得到最终降噪信号，并对信号进行包络分析；最后，通过仿真和试验数据分析得出，该方法能在信噪比很低的情况下降低噪声含量并提取轴承故障特征，为设备的状态监测和故障诊断提供理论依据。