基于BIM的消防设备设计平台构建研究

为了解决消防设备设计工具不统一、设备数据信息未充分利用所导致的信息断层、设计效率低下、成本过高等问题,提出了利用建筑信息模型和云平台技术构建消防设备设计平台。平台以基础服务层、数据层、应用层、表现层组成整体架构,供多种格式模型解析并轻量化展示。各类设计功能满足多方用户的设计需求,通过去工具化的方式使得用户可以在线完成设计工作,摆脱BIM 设计工具的束缚。所构建消防设备库内BIM 模型提供多种几何信息与非几何信息,经多方流转可实现消防设备全生命周期内的信息共享,为“智慧消防”提供基础性服务。     

600MW机组引风机与增压风机合一模式的技术改造

通过对某600MW机组引风机及增压风机的性能测试,确定了合一模式下引风机的技术改造参数,讨论了引风机的型式选择,并根据现场条件提出了原引风机技术改造方案。     

冷却猪肉进行气调保鲜的货架期研究

猪肉在0-4℃冷却条件下,采用空气、真空、气调等不同包装方式进行保鲜实验,通过测定冷却肉的菌落总数、pH值、TVB-N值、以及颜色、气味等感官指标,对冷却肉的颜色与防腐效果进行了比较和研究。结果表明:O270％,CO230％和O250％,CO250％气调包装猪肉的保鲜效果较真空包装和空气包装的要好,货架期可延长6天。     

对冷却猪肉进行气调保鲜的货架期研究

猪肉在 0～ 4℃冷却条件下 ,采用空气、真空、气调等不同包装方式进行保鲜试验 ,通过测定冷却肉的菌落总数、pH值、TVB N值以及颜色、气味等感官指标 ,对冷却肉的颜色与防腐效果进行了比较和研究。结果表明 :O2 70 % ,CO2 3 0 %和O2 5 0 % ,CO2 5 0 %气调包装猪肉的保鲜效果较真空包装和空气包装好 ,货架期可延长 6d。     

预交联凝胶封堵性实验研究

定性研究了预交联凝胶颗粒对裂缝性低渗透油藏的封堵性能.通过裂缝岩心流动实验,明确了颗粒的强度、韧性、颗粒粒径与裂缝宽度的匹配关系、颗粒的悬浮性、粘弹性对裂缝性低渗透油藏封堵效率的影响,提出运移临界压力梯度和破裂临界压力梯度的大小是颗粒使深部液流转向的重要因素.     

真空粉末烧结三元硼化物基金属陶瓷覆层的组织与性能

研究了真空粉末烧结在45钢基体表面制备三元硼化物基金属陶瓷覆层的组织和性能，论述了烧结工艺对覆层显微组织的影响，分析了覆层显微组织、显微硬度分布以及覆层与钢基体界面的形成特点。结果表明，含B、M0、Ni、Cr的原料粉末在1220℃～1250℃反应烧结，可获得1～3mm厚的三元硼化物（Mo2FeB2）基金属陶瓷覆层。该覆层由α粘结相＋Mo2FeB2硬质相组成，其组织致密，显微硬度为1200HV，覆层和钢基体通过Fe、B、Cr、Ni相互扩散渗透形成牢固的冶金结合。     

反应等离子喷涂 Al2O3-TiB2-Al 复相涂层的反应机理

目的在铝合金表面制备Al2O3-TiB2-Al复合涂层,研究Al,TiO2,B2O3在等离子喷涂中的反应机理。方法采用反应等离子喷涂技术在铝合金表面制备复合涂层,应用扫描电镜与X射线衍射技术测试复合涂层的物相组成和显微组织,并通过燃烧波淬熄试验分析等离子喷涂产物。结果机械球磨可以有效降低粉末发生反应的活化能,等离子喷涂最佳飞行距离范围为150~200 mm。结论喷涂粉末在飞行过程中发生反应,经历了预热、熔化、分解、团聚等过程,验证了最终引燃发生燃烧化学反应的机理。     

AZ31B镁合金表面喷熔Al涂层的组织和性能

目的提高AZ31B镁合金的耐蚀性。方法采用氧乙炔在AZ31B镁合金表面喷熔Al涂层,对喷熔的Al涂层进行扫描电镜(SEM)分析,采用能谱仪(EDS)对涂层进行面扫描检测涂层元素的分布情况。利用电化学分析法、浸泡试验检测喷熔涂层的耐蚀性,用维氏硬度计测试喷熔涂层的硬度。结果喷熔的Al涂层与AZ31B镁合金基体结合良好,呈现冶金结合。喷涂过程中,喷熔的Al涂层呈等轴晶生长。通过面扫描结果可知,喷熔涂层中发现Mg元素,说明基体中的Mg元素发生了扩散。通过电化学测试可知,喷熔Al涂层的自腐蚀电压为-1.45 V,比AZ31B镁合金的自腐蚀电压(-1.5 V)降低了0.05 V;喷熔Al涂层的自腐蚀电流密度为1.58×10~(-4) A/cm~2,约为AZ31B镁合金自腐蚀电流密度(8.66×10-4 A/cm2)的1/5。由浸泡实验可知,喷熔Al涂层的平均腐蚀速率约为AZ31B镁合金的1/5倍。喷熔Al涂层的显微硬度是AZ31B镁合金基体硬度的2.9倍。结论喷熔Al涂层的组织较好,性能比镁合金基体有所提高。     

利用优化组合GM（n,h）模型预测油藏动态

灰色系统理论自１９８２年以来已在许多领域得到了广泛８。量在藏动态预测的应用却很有限，而用应用效果不甚理想。本文阐述了灰色系统理论在油藏动态预测中的基本思想，并结合油藏生产实际资料，成本地预测了各项开发指标，预测符合率高，可行性强。     

基于YOLOv3的改进仪表检测算法

仪表检测是智能仪表测试不可或缺的环节,其效果直接决定仪表测试的准确率。针对仪表检测背景复杂且要求速度快的特点,提出一种基于改进YOLOv3的目标检测算法。基于YOLOv3算法,首先使用DenseNet（Densely Connected Convolutional Networks）替换Darknet中的最后2个网络块,以加强模型对特征的重用。然后采用轻量化的Darknet-46作为特征提取网络,并将DenseNet中的卷积神经网络修改为深度可分离卷积网络,再将所有检测层（YOLO Detection）之前的6层卷积修改为2层,以减少模型的参数。同时引入GDIOU（generalized-IOU and distance-IOU, GDIOU）边界框以回归坐标损失,并根据检测需求重新调整损失函数的权重。实验结果表明,相比原算法,改进的YOLOv3算法参数数量减少40%,在仪表检测中的精确率和召回率分别达到95.83%和94.98%,分别提高2.21个百分点和2.09个百分点,平均精度提高2.42个百分点,检测速度提高30.18%。