基于体素模型的锥束CT仿真投影快速计算

在锥束CT图像重建算法研究中,通常利用计算机仿真方法生成理想的投影数据.针对体素模型下投影仿真速度慢的问题,提出了一种快速仿真投影计算方法.采用一种高效的射线与体素的遍历和求交算法来计算三维射线穿过体素的索引及长度,然后使用Intel处理器的单指令多数据(SIMD)技术,一次性加载4个体素数据,利用SSE技术实现了仿真投影的快速并行计算.实验结果表明文中提出的方法非常有效,在生成准确仿真投影数据的同时取得了3～5倍的加速比.     

碱金属碳酸盐助熔剂对绿色荧光粉(La,Ce,Tb)PO_4性能的影响

用共沉淀-高温固相复合法制备了(La,Ce,Tb)PO4荧光粉。通过发光性能、粒度和SEM测试,研究了不同碱金属碳酸盐助熔剂及其用量对荧光粉的粒度、亮度、颗粒形貌、热稳定性等的影响。结果表明在荧光粉中加入助熔剂Li2CO3,Na2CO3,K2CO3后,荧光粉的粒径(D50)均有不同程度增大,且使得荧光粉前躯体众多小晶粒长成了单一的大尺寸的颗粒;随着助熔剂含量的增加,荧光粉的粒径(D50)逐渐增大,添加助熔剂后,荧光粉的亮度有不同程度的提高,添加0.6%的Li2CO3亮度达到最大值,继续增加,亮度降低;分别添加0.3%,0.9%的Na2CO3,Na2CO3,亮度值达到最大。此外,添加碱金属碳酸盐助熔剂能有效改善荧光粉的热稳定性,其中添加Li2CO3的荧光粉的热稳定性最好,Na2CO3的次之,K2CO3的最差。     

一种射束与像素的快速遍历和求交算法

针对ART(algebraic reconstruction technique)算法重建速度慢的问题,提出了一种射束与像素的快速遍历和求交算法.该算法通过一个距离参数来确定射束穿过的像素索引并计算出射束覆盖像素的面积,距离参数采用增量计算,因而运算效率很高.利用该算法在图像重建过程中实时计算权因子,不但节省了大量的内存空间,而且大大提高了图像重建的速度.实验结果表明,提出的算法非常有效,与传统方法相比取得了17倍以上的重建加速比.     

新建本科院校计算机公共机房管理存在的问题及对策

公共机房是地方本科院校计算机课程实践教学的重要场所,对学生计算机操作技能和创新能力的培养起着至关重要的作用。深入分析学校计算机公共机房的现状及存在的问题,在此基础上提出了改善校计算机机房管理的建议,为计算机公共机房的管理提供了一些参考。     

网络虚拟化环境中基于拍卖的虚拟网资源分配

从服务管理的角度对虚拟网资源分配问题进行研究,针对多基础设施提供商和多服务提供商竞争环境中虚拟网资源分配的特点,提出了基于拍卖的虚拟网资源分配机制,并证明了机制的有效性。仿真实验结果表明, 本文提出的分配机制可以一次性完成多个基础设施提供商和多个服务提供商资源分配以及定价,并且有议价分配机制比V-MART机制和无议价分配机制产生更大的社会福利。     

苍溪航电枢纽右岸工程砂石加工系统设计

本文通过嘉陵江苍溪航电枢纽右岸工程的设计,以期对以后的相似工程有一个借鉴。     

基于SIMD技术的锥束ART算法快速并行图像重建

ART(algebraic reconstruction technique)算法是一种迭代图像重建方法,适合于大型工业构件的无损检测,其缺点是计算量大、重建时间长。为了提高锥束ART算法的重建速度,本文提出一种快速并行图像重建方法。首先根据锥束CT扫描方式下三维射线的对称性提出一种权因子和体素索引的并行计算方法,通过一次计算可同时得到两条射线的权因子和体素索引;然后采用Intel处理器的单指令多数据(single instruction multiple data,SIMD)技术,一次性加载多个打包数据,利用SSE(streamingSIMD extension)指令实现了投影、计算图像校正和反投影的并行运算。实验结果表明本文提出的方法非常有效,在保证图像重建精度的同时取得了约1.5倍的重建加速比。     

基于最小圆柱区域的锥束CT快速图像重建

传统锥束CT通常选取立方体或其内切圆柱作为图像重建的区域,因此考虑到工业CT重建目标尺寸差异较大的特点,提出了一种基于最小圆柱区域的快速三维图像重建方法。首先由不同视角下的锥束投影数据通过直线扫描转换算法构建重建目标的最小区域包络图;然后通过区域填充方法来进一步确定最小区域包络;在此基础上,采用中点圆算法得到最小圆柱区域的半径。该方法能够根据重建目标的尺寸自适应地确定最小圆柱重建区域,从而减少了不必要的计算。实验结果表明,该方法有效地提高了ART算法的重建速度,同时取得了较好的重建质量。     

多通道卷积神经网络和迁移学习的燃气轮机转子故障诊断方法

燃气轮机结构复杂,工况严苛,实际针对运行过程中转子系统故障样本难以获取,样本量少导致故障诊断精度低的问题,提出一种多通道卷积神经网络(multi-channel convolutional neural network, MCCNN)深度迁移学习的燃气轮机转子故障诊断方法。该方法首先以轴承一维原始振动信号为输入,将数据重新排列组合模拟转换二维图像,有效避免实际转换图像的繁琐操作。用西储大学(CWRU)的公开轴承数据和西安交通大学(XJTU)公开轴承数据对MCCNN模型进行训练更新权重并诊断,取得了100%和99.95%的故障分类准确率。以CWRU轴承故障数据集为源域,燃气轮机转子故障数据集为目标域,利用迁移学习将从源域训练得到的模型参数保留,输入目标域数据集进行训练,并对燃气轮机故障数据进行分类,分类准确率达到97.78%,由实验结果可知多通道卷积神经网络和迁移学习适应任务需要,可以在转子系统故障样本量少的情况下解决问题。