基于PC的自动超声检测系统精确定时方法研究

文章介绍了一种基于PC-ISA总线的多轴运动控制卡的精确毫秒级定时方案,在W indows编程环境下用C Builder内联函数和自加运算延时实现毫秒级精确延时控制。借助于PC机丰富的软、硬件资源和此定时策略,实现了多轴运动控制和超声检测装置动作控制。理论分析和实验验证结果表明,可以满足多轴运动控制实时性要求。     

基于傅里叶变换的干涉条纹对比度增强算法

论述了一种干涉条纹对比度增强的算法.将二维离散傅里叶变换后得到的干涉条纹图像频谱分布,应用带通滤波器滤波.滤波过程中,在保持通带内相位谱不变的条件下,增大了通带内幅频谱的值.然后对滤波后的频谱分布进行逆二维离散傅里叶变换,可得到对比度增强后的干涉条纹图像.实验表明,该方法在保持干涉条纹中心线空间位置不变的情况下,可以有效地增强干涉条纹的对比度.     

流涎法塑膜制备过程中厚度在线检测方法

采用流涎法制备塑膜时,实时检测流涎口处半透明粘稠状塑膜厚度,从而及时调整生产工艺参数,以更好地提高塑膜的生产质量。本文采用光学在线测量法,利用直射式双反射光路激光三角法,建立振动状态下厚度测量模型,设计了厚度测量传感器,提出了两步标定法,保证半透明粘稠状塑膜厚度测量的准确性。实验表明,测量误差小于10μm,有效地消除了钢带在线振动产生的误差,该方法适用于流涎口处半透明粘稠状塑膜厚度的在线测量。     

层状新型纳米复合功能材料研究进展

综述了新型层状功能材料的特点、研究现状及其制备方法，以及利用层间嵌入反应制备纳米复合材料的方法和应用。着重强调了超细层状材料的制备方法，层状材料的改性思路及最新研究热点，并对该类新型材料在光催化领域的研究和应用提出了一些展望。     

系列层状K2La2Ti3O10的制备及光催化性能

通过固相反应法合成了一系列不同尺寸的K2La2Ti3O10,考察了原料TiO2粒径对固相反应速率及产物尺寸、形貌的影响,得到了不同粒径下原料的最佳配比;以降解甲基橙为探针考察其光催化性能.结果表明减小原料粒径,反应温度降低、速率加快;有利于合成小尺寸、大比表面积(可达11.83 m2·g-1)的层状K2La2Ti3O10,而且光催化性能提高.     

系列层状K2La2Ti3O10的制备及光催化性能

通过固相反应法合成了一系列不同尺寸的K2La2Ti3O10,考察了原料TiO2粒径对固相反应速率及产物尺寸、形貌的影响,得到了不同粒径下原料的最佳配比;以降解甲基橙为探针考察其光催化性能.结果表明:减小原料粒径,反应温度降低、速率加快;有利于合成小尺寸、大比表面积(可达11.83 m2·g-1)的层状K2La2Ti3O10,而且光催化性能提高.     

固相反应法制备系列K2La2Ti3O10

通过固相反应法合成了一系列不同尺寸的钙钛矿型层状化合物KLa2Ti3O10考察了原料TiO2粒径对固相反应速率及产物尺寸、形貌的影响,得到了不同粒径下原料的最佳配比;以XRD,TEM等手段进行表征,研究制备过程可能的反应历程.结果表明:降低原料粒径,固相反应速率加快、温度降低,有利于合成小尺寸、比表面积大(可达11.83m2·g-1)的层状K2La2Ti3O10.     

基于PCP技术的压流可调高效自动化注水泵站系统

针对当前油田注水耗电占原油生产总成本的比例大,严重制约油田的采收率、生产成本和生产效率这一问题,在吸收、消化引进国外泵站技术的基础上,经过几年的努力研究,结合国内泵站运行和注水管网的实际状况,采用先进的PCP技术原理,开发了一台完整的PCP技术系统.     

油田大型注水系统水力计算模型的建立及求解

为了快速、准确地计算出大型注水系统中各相应管段中的流量及压力,提出了简化大型注水系统的模型,选取最具代表性的子系统,根据管段的能量平衡方程建立普遍适用的管网水力计算模型,采用牛顿迭代法求解,其计算精度高.利用该算法对新疆石油管理局703泵站的第6条主干线中的流量及压力进行计算,得流量的绝对误差均值为1.34×10-4m3/s,水头压力绝对误差均值0.749 80 m,比查表推算法的精度高出21%.     

基于改进YOLOv5m的弱小目标识别方法

针对空对地观测弱小目标识别与跟踪技术需求,提出了一种改进型YOLOv5m网络的多目标识别检测方法,以提升对所占像素个数小于10*10弱小目标的识别能力;分析了网络结构输入端Mosaic数据增强、Anchor计算、Focus模块及SPP模块对弱小目标的影响;在深度学习网络Prediction层引入距离交并比非极大值抑制（DIoU-NMS）代替传统非极大值抑制（NMS）,引入距离交并比损失函数（DIoU_Loss）代替广义化交并比损失函数（GIoU_Loss),加快边界框回归速率,提高定位精度,消除重叠检测,并在网络中引入4*4以上像素的目标识别层,提升对遮挡重叠弱小目标识别的准确率;实验结果表明,改进的深度学习网络算法与经典的YOLOv5m网络相比,目标识别的均值平均精度mAP指标达到89.7%,对比原网络提高了4.1%,实现了对图像像素个数小于10*10的弱小目标高精度识别,有效提升了深度学习网络对弱小目标的适应性和应用价值。