瑞利散射多普勒测风激光雷达频率动态跟踪系统

基于瑞利散射的多普勒测风激光雷达在利用频率差分技术测量风场的过程中,激光脉冲频率随室温和谐振腔温度变化而产生抖动和漂移,给系统测量精度带来极大影响.为了解决激光频率长期漂移给风场测量带来的影响,设计了一种频率实时动态跟踪硬件电路.介绍了该硬件电路的设计思想、关键技术和核心器件的选取,并利用该硬件电路与米散射测风激光锁频...     

炉内板坯表面温度实时监测技术及温升过程数值研究

采用自主研发的比色高温监测系统,实时检测板坯表面温度,依据热传导理论建立了加热炉钢坯加热过程的数学模型,采用有限元法对数学模型进行了离散化分析,开发了钢坯内部中心温度随表面加热过程变化的数值模型。根据检测的钢坯表面温度及开发的数值模型实时通过有限元法[1]估算钢坯中心温度,与传统的通过热电偶探测相比精确了0.46%~0.53%[2];同时根据检测的钢坯表面与中心温差对实时建立温度补偿模型起到辅助作用,同时可以将温度补偿数据实时传递给燃烧优化控制系统,从而建立了基于钢坯表面温差补偿模型的燃烧优化控制,优化调整燃烧工艺,保证了钢坯加热质量,实现了节能降耗和效益提升。     

漂浮型光催化材料的制备及其在水处理领域的应用研究进展

漂浮型光催化材料以高效光催化剂为核心,以太阳光等绿色清洁能源为驱动力,克服了纳米光催化剂难以回收利用这一瓶颈问题,通过吸附、光催化等耦合作用高效原位降解水体中的污染物,是实现光催化高级氧化技术规模化应用最有前景的途径之一。本文从载体类型出发,概括总结了近年来漂浮型光催化材料的轻质特性构建策略、形貌结构和不同载体利弊;分析比较了典型光催化剂-载体复合材料制备方法的优缺点;分类阐述了漂浮型光催化剂在水处理领域的应用研究成果。通过归纳漂浮型光催化材料在实际应用中存在的问题,指出未来漂浮型光催化剂的研究开发应重点关注环境友好型载体和材料性能稳定性;同时可通过构建多功能复合材料或采取多工艺耦合的方式以推动高效光催化剂在水处理方面的规模化应用。     

630E卡车电动轮定子线包更换改进工艺

为解决黑岱沟露天矿630E矿用卡车电动轮定子线包更换困难的问题以及满足露天煤矿岗位标准作业流程和受限空间作业基本要求,提出了新的更换改进工艺标准,并制作水平Y型更换工装,充分利用定子线包自重来进行更换。结果表明:此工艺不仅保证了作业人员和设备的安全,还大大的提高了检修效率,为露天矿节约了大量检修成本。     

非制冷焦平面红外热像仪测温范围拓展研究

非制冷焦平面红外热像仪其核心部件是红外焦平面阵列,以法国UILS公司生产的UL01011型非制冷焦平面红外探测器技术参数为基础,其工作波长范围为8～14 μm,温度感测范围为-20～60 ℃。为拓展测温范围,在非制冷焦平面红外热像仪前加装衰减波片,通过对不同衰减波片的实验数据的计算,得出不同条件下的测温范围,以完善其测量广度。     

基于比色测温技术的RH炉内物质聚类分析

RH精炼炉钢水温度监测中不可避免会出现因钢水滚动、钢渣、钢垢等造成的测量误差。通过对钢水和非钢物质的精确区分和聚类分析,例如关键参数的设计、采样区域的选择、灰度值的修正以及温度模型的建立等,从而准确获取钢水的实际温度,并给出温度变化曲线,提高钢水温度数据测量的准确性和连续性,便于精密炼钢和科学炼钢的实现。     

比色测温理论中误差修正函数的研究

介绍了比色测温理论中的K值来源,通过实验对不同波长组合的K值进行分析,得出它随温度的变化而变化的规律,然后通过插值函数和最小二乘法对K值进行修正以减小比色测温误差,并对两种方法进行比较,得出:用插值函数进行修正在某段会出现较大误差,而利用最小二乘法对K值进行修正则能获得较好效果.     

宽带宽与新波段光纤放大器进展

宽带、高速、长距离和智能化是目前光纤通信系统发展的趋势所在。迅速膨胀的信息服务量使宽带成为最迫切的需求,新波段与长增益带宽光纤放大器的研究炙手可热。本文阐述了近期各波段光纤放大器以及拉曼放大器的进展,并揭示了光纤放大器向短波段和混合型发展的趋势。     

图像处理技术在炉膛火焰温度场分布中的应用

根据双色测温法原理,利用高温工业电视所摄取的彩色火焰图像中的彩色分量,运用数字图像处理技术,重建燃烧火焰的温度场分布,并对测量火焰温度的两大误差来源进行了分析和校正处理.     

CNN-Transformer结合对比学习的高光谱与LiDAR数据协同分类

针对高光谱图像（hyperspectral images, HSI）与LiDAR数据多模态分类任务中的跨模态信息表达和特征对齐等问题,提出一种基于对比学习CNN-Transformer高光谱和LiDAR数据协同分类网络（Contrastive Learning based CNN-Transformer Network, CLCT-Net）。CLCT-Net通过由ConvNeXt V2 Block构成的共有特征提取模块,获得不同模态间的共性特征,解决异构传感器数据之间语义对齐的问题。构建了包含空间-通道分支和光谱上下文分支的双分支HSI编码器,以及结合频域自注意力机制的LiDAR编码器,以获取更丰富的特征表示。利用集成对比学习进行分类,进一步提升多模态数据协同分类的精度。在Houston 2013和Trento数据集上的实验结果表明,相较于其他高光谱图像和LiDAR数据分类模型,本文所提模型获得了更高的地物分类精度,分别达到了92.01%和98.90%,实现了跨模态数据特征的深度挖掘和协同提取。