国产1089t/h大型循环流化床锅炉的启动调试方法探讨

以内蒙古京泰发电有限公司2×300 MW循环流化床机组为例,分析探讨了DG-1089/17.4-Ⅱ1型循环流化床锅炉启动调试中各试验的操作方法和参数控制,通过优化试验过程,提高了调试质量,锅炉各项性能达到了设计要求,保证了机组投产后安全、稳定、经济运行。     

锡锌钎料的腐蚀行为

在传统的SnZn共晶钎料中加入微量稀土元素获得含稀土的SnZnRE钎料．采用失重法、扫描电镜腐蚀形貌观察及电化学分析技术对钎料在不同环境下的腐蚀行为进行分析，研究SnZn系钎料的抗腐蚀性能，并与SnPb钎料进行了比较．     

基于多视角多监督网络的无人机图像定位方法

针对现有跨视角图像匹配算法精度低的问题,提出了一种基于多视角多监督网络（MMNet）的无人机（UAV）定位方法。首先,所提方法融合卫星视角和UAV视角,在统一的网络架构下学习全局和局部特征并以多监督方式训练分类网络并执行度量任务。具体来说,MMNet主要采用了重加权正则化三元组损失（RRT）学习全局特征,该损失利用重加权和距离正则化加权策略来解决多视角样本不平衡以及特征空间结构紊乱的问题。同时,为了关注目标地点中心建筑的上下文信息,MMNet对特征图进行方形环切割来获取局部特征。然后,分别用交叉熵损失和RRT执行分类和度量任务。最终,使用加权策略聚合全局和局部特征来表征目标地点图像。通过在当前流行的UAV数据集University-1652上进行实验,可知MMNet在UAV定位任务的召回率Recall@1 (R@1)及平均精准率（AP）上分别达到83.97%和86.96%。实验结果表明,相较于LCM、SFPN等方法,MMNet显著提升了跨视角图像的匹配精度,进而增强了UAV图像定位的实用性。     

300MW机组循环流化床锅炉布袋除尘器技术改造

某电厂1号、2号循环流化床锅炉分室定位反吹布袋除尘器反吹系统和清灰系统存在诸多问题,导致锅炉排放的烟尘质量浓度超标、引风机动叶片严重磨损。对其进行技术改造,以回转反吹机构替代环链反吹机构,并依据回转反吹机构要求,同时改造了电气、控制系统。改造后锅炉出口烟尘质量浓度最低降至8.30 mg/m3,除尘效率最高达99.975%,保证了机组满负荷长周期安全、环保、经济运行。     

高纯氯甲酸苄酯无溶剂生产工艺的研究

本文以苯甲醇和光气为原料,研究了无溶剂高纯度氯甲酸苄酯的生产工艺。,优化的生产工艺条件为：在干燥的氮气保护下,在10hA左右于-10-5℃向光气中滴加苯甲醇,滴毕再于10℃回流反应10h。产品纯度达到98．5％,收率达99％。该方法反应条件温和、操作方便、后处理简单、成本低,适合于工业化。     

基于词义消歧的卷积神经网络文本分类模型

传统文本分类使用word embedding作为文档表示,忽略词在当前上下文的含义,潜在的认为相同词在不同文本中含义相同。针对此问题提出一种词义消歧的卷积神经网络文本分类模型——WSDCNN(Word Sense Disambiguation Convolutional Neural Network)。使用双向长短时记忆网络(BLSTM) 建模上下文,得到词义消歧后的文档特征图。利用卷积神经网络(CNN)进一步提取对文本分类最重要的特征。在四个数据集上进行对比实验,结果表明,所提出方法在两个数据集,特别是文档级数据集上优于先前最好的方法,在另外两个数据集上得到与此前最好方法相当的结果。     

7050铝合金均匀化过程中组织转变

采用光学显微镜、扫描电镜和差示扫描量热法等研究7050合金均匀化过程中的显微组织与化合物的演变。结果表明,7050合金铸态为典型的枝晶网状组织,其中片层状共晶组织由α(Al)和T相(Al Zn Mg Cu)组成,并存在少量含Fe相(Al7Cu2Fe)。均匀化温度在460℃以上,共晶相发生分解,且由T相向S相(Al2Cu Mg)发生转变,480℃以上S相发生溶解并逐渐减少,而含Fe相的形状和尺寸基本不发生变化。随均匀化时间的延长和温度的升高,T相逐步向S相完全转变,且S相逐渐溶解于基体中,残留很少。对于所采用的7050合金铸锭,为了消除共晶组织,减少残留化合物和合金元素均匀分布,460℃×24 h+480℃×8 h双级均匀化工艺为较合理的均匀化工艺。     

基于蚁群优化算法的弱光图像显著性目标检测

近年来,显著性目标检测受到工业界和学术界的大量关注,成为了计算机视觉领域中一项重要的基础研究,该问题的解决有助于各类视觉任务取得突破性进展。尽管针对可见光场景的显著性检测工作已经取得了有效成果,但如何在信噪比偏低、可用有效信息匮乏的弱光图像中提取边界清晰、内部结构准确的显著性目标,仍然是具有挑战性的难题。针对弱光场景下显著性目标检测存在边界模糊、结构不完整等造成准确率较低的问题,提出基于蚁群优化（ACO）算法的显著性检测模型。首先,通过多尺度超像素分割将输入图像转换为具有不同节点的无向图;其次,基于最优特征选择策略来更充分地获取低对比度弱光图像中所包含的更多显著目标的特征信息,并摒弃冗余的噪声信息;然后,引入空间对比度策略用于探索弱光图像中具有相对较高对比度的全局显著性线索。而为了在低信噪比情况下也能获取准确的显著性估计,利用ACO算法对显著图进行优化。通过在3个公共数据集（MSRA、CSSD和PASCAL-S）以及夜间弱光图像（NI）数据集上进行实验,可以看出,所提模型在3个公共数据集上的曲线下面积（AUC）值分别达到了87.47%、84.27%和81.58%,在NI数据集上的AUC值比排名第2的低秩矩阵恢复（LR）模型提高了2.17个百分点。实验结果表明,相较于11种主流的显著性检测模型,所提模型具有结构更准确且边界更清晰的检测效果,有效抑制了弱光场景对显著性目标检测性能的干扰。     

基于多任务联合学习的跨视角地理定位方法

针对现有跨视角地理定位方法中视点不变特征与视角转换方法割裂导致的性能提升瓶颈问题，提出多任务联合学习模型（MJLM）。MJLM由前置图像生成模型和后置图像检索模型组成。前置生成模型首先使用逆透视映射（IPM）进行坐标变换，显式地弥合空间域差，使投影图像与真实卫星图的空间几何特征大致相同；然后通过提出的跨视角生成对抗网络（CVGAN）隐式地对图像内容及纹理进行细粒度的匹配和修复，并合成出更平滑且真实的卫星图像。后置检索模型由多视角多监督网络（MMNet）构成，能够兼顾多尺度特征和多监督学习的图像检索任务。在University-1652（无人机定位数据集）上进行实验，结果显示MJLM对无人机（UAV）定位任务的平均精确率（AP）及召回率（R@1）分别达到89.22%和87.54%，与LPN(Local Pattern Network)和MSBA(MultiScale Block Attention)相比，MJLM在R@1上分别提升了15.29%和1.07%。可见，MJLM能在一个聚合框架体系内联合处理跨视角图像生成任务及检索任务，实现基于视角转换与视点不变特征方法的融合，有效提升跨视角地...     

基于全局感知和局部细化的夜间显著目标检测

为有效解决由于信噪比偏低，夜间图像显著目标检测结果具有区域定位不准确、内部结构不完整和外部边界不清晰等问题，提出由全局语义感知和局部结构细化引导的深度全卷积网络用于夜间显著性检测，判别夜间图像的像素级显著性。为进一步完善目标定位和像素分类性能，模型集成全局语义感知模块以获取更多空间信息，嵌入局部结构细化模块提取具有完整边界知识的显著性信息。实验结果表明，所提模型具备先进的夜间显著性检测性能。