共查询到19条相似文献,搜索用时 46 毫秒
1.
为了预测燃煤锅炉受热面的结渣情况,以灰成分金属氧化物、煤灰SO3含量以及结渣评判指标为自变量,灰熔点变形温度(deformation temperature,DT)和软化温度(softening temperature,ST)为因变量,建立了BP神经网络(BP neural network,BPNN)和最小二乘支持向量机(least squares support vector machine,LSSVM)的灰熔点预测模型。回归分析和误差分析结果表明:针对样本量多的DT预测过程,2种模型精度接近,预测结果置信度均达到95%,相关系数均约为0.92,平均相对误差均约为3.4%;针对样本量较少的ST预测过程,LSSVM模型预测效果较优,相关系数为0.950 52,高于BPNN模型的0.904 26,平均相对误差为4.98%,并且大误差点个数少于BPNN模型。因此,LSSVM模型能够更准确预测飞灰的DT和ST。 相似文献
2.
通过利用Factsage热力学模拟软件、X射线衍射(X-ray diffraction,XRD)等分析方法,对煤与3种市政污泥按不同比例掺混后混合燃料的灰熔融特性进行研究。结果表明,在污泥添加量不超过10%时,混合燃料的灰熔点随着污泥加入比例增大而降低,这是由高温条件下碱性氧化物熔融所形成的共融体,以及磷矿物反应生成的非晶态矿物的共同作用导致的;灰熔融温度的预测趋势与实际测定数据的规律基本一致;煤中掺混污泥后矿物质之间的反应受燃烧温度的影响,低温时几乎不反应,温度升高后各矿物质间相互反应生成新的矿物质。 相似文献
3.
4.
5.
本文介绍了一种新的更为简单、方便的制作镓熔点容器的方法.该方法利用压力平衡的原理,精确控制所充入气体的压强.并将新方法制作的镓熔点容器与国家基准的镓熔点容器进行比对. 相似文献
6.
7.
8.
9.
10.
11.
12.
13.
14.
采用多源图像分形特征的多目标检测方法 总被引:1,自引:1,他引:0
针对多目标的检测,本文提出一种采用多源图像分形特征的特征级融合检测方法.首先对多目标检测的特点进行了分析,对分形理论进行了介绍,然后详细介绍了该融合检测算法的思路和原理.该算法首先由红外图像阈值分割出部分目标;然后利用分维数图的统计特征可以增强分形维数的奇异性,在可见光图像的分维数图中搜索与已检测出的目标区域具有相近分形统计特征的区域,进行标记;再根据"距离相似度准则"进行目标的聚类识别,排除背景干扰,最终检测出全部目标.实验结果表明该融合检测算法能有效地进行多目标的检测与识别. 相似文献
15.
Edge detection is one of the core steps of image processing and computer vision. Accurate and fine image edge will make further target detection and semantic segmentation more effective. Holistically-Nested edge detection (HED) edge detection network has been proved to be a deep-learning network with better performance for edge detection. However, it is found that when the HED network is used in overlapping complex multi-edge scenarios for automatic object identification. There will be detected edge incomplete, not smooth and other problems. To solve these problems, an image edge detection algorithm based on improved HED and feature fusion is proposed. On the one hand, features are extracted using the improved HED network: the HED convolution layer is improved. The residual variable convolution block is used to replace the normal convolution enhancement model to extract features from edges of different sizes and shapes. Meanwhile, the empty convolution is used to replace the original pooling layer to expand the receptive field and retain more global information to obtain comprehensive feature information. On the other hand, edges are extracted using Otsu algorithm: Otsu-Canny algorithm is used to adaptively adjust the threshold value in the global scene to achieve the edge detection under the optimal threshold value. Finally, the edge extracted by improved HED network and Otsu-Canny algorithm is fused to obtain the final edge. Experimental results show that on the Berkeley University Data Set (BSDS500) the optimal data set size (ODS) F-measure of the proposed algorithm is 0.793; the average precision (AP) of the algorithm is 0.849; detection speed can reach more than 25 frames per second (FPS), which confirms the effectiveness of the proposed method. 相似文献
16.
17.
18.
19.
目的 针对施工环境中工程机械目标大小不一、相互遮挡、工作形态各异等问题,提出一种基于注意力与特征融合的目标检测方法(AT–FFRCNN)。方法 在主干网络中采用ResNet50和特征路径聚合网络PFPN,融合不同尺度的特征信息,在区域建议网络(RPN)和全连接层引入注意力机制,提高目标识别的能力,在损失函数中使用广义交并比(GIoU),提高目标框的准确性。结果 实验表明,文中提出方法检测准确率比其他方法有较大提高,检测平均准确率(mAP)达到90%以上。结论 能够较好地完成工程机械目标的检测任务。 相似文献