二级除盐系统再生工艺研究

以逆流再生一级除盐加混床为例,详细说明了二级除盐再生过程中2种不同设计方式由于选择水源的不同对实现程序控制的影响。对于应用反渗透技术的锅炉补给水处理系统,适宜采用自用水泵除盐水作为再生过程全部水源的方式,具有自动化程度高、控制方便的优点。     

串行流化床生物质气化制取合成气试验研究

串行流化床气化是一种崭新的气化技术,可将气化和燃烧过程分隔开,气化反应器和燃烧反应器之间依靠惰性固体载热体进行热量传递。以水蒸气为气化介质,在小型串行流化床试验装置上进行生物质气化制取合成气的试验研究,探讨气化反应器温度T、水蒸气与生物质比率S/B对气化结果的影响。试验结果表明,燃烧反应器内燃烧烟气不会串混至气化反应器,该气化技术能够稳定连续地从气化反应器获得不含N2的高品质合成气。随着气化反应器温度的提高,合成气中j(H2)/j(CO)减小,合成气产率增加,热值降低,总碳转换率先升高而后保持不变。随着S/B的增大,合成气产率和总碳转换率均先升高而后降低,S/B的最佳值为1.4。在试验阶段获得的最高合成气产率为1.87 m3/kg,合成气热值为13.20 MJ/m3,总碳转化率为91%。     

番茄品种制汁适性的初步研究

研究了杭州地区4个番茄品种和5种不同采收时期对番茄汁加工和贮藏的后理化成分和品质的影响,选出了适于制计的番茄品种和合适的采收时期,对于开发番茄汁的生产具有重要意义。     

一种改进的运动补偿三维小波视频编码方法

Choi等[1]提出的运动补偿三维子带编码方法是一种具有代表性的高效小波视频编码方法,其编码效率优于国际标准MPEG-2.但是该方法的运算复杂度高,编码时也没有充分利用小波图像的特点.为此,本文对该方法的两项关键技术进行了改进:采用像素域降采样运动估计技术以降低运算复杂度,采用改进的集分裂分层树(Set Partitioning in Hierarchical Trees,SPIHT)方法对三维时/空子带进行更高效的编码.实验结果表明,与原有的算法相比,本文的工作不仅降低了运算复杂度,也进一步提高了编码效率.     

基于小波变换的在役管线漏磁信号的去噪

采用漏磁法对在役管线进行无损检测时,所采集的信号中含有大量的噪声需要去除。文中介绍了小波变换的基本理论及检测信号和噪声信号在小波变换下的特性,说明了去除漏磁信号噪声的原理。在仿真试验中采用二阶双正交样条小波为小波函数,选用软硬阈值折中法和自适应阈值处理小波系数,结果表明将小波变换应用于在役管线漏磁检测中,能很好地去除噪声,提取出有用信号。     

不同钝化层结构对HgCdTe热退火Hg空位调控影响

对不同钝化层结构的分子束外延（MBE）生长的HgCdTe外延材料的Hg空位浓度控制进行研究。获得了更高Hg空位浓度调控范围的外延材料,为后续新型焦平面器件的研发提供基础。研究发现,在热退火过程中,HgCdTe外延材料的Hg空位浓度的变化随着钝化层结构的不同而发生改变。且这种改变是因为HgCdTe表层的钝化层的存在改变了原始热退火的平衡态过程。同时,通过二次离子质谱（SIMS）测试以及相应的理论拟合进行了验证。     

基于Khatri-Rao积的三维前视声呐空间方位估计技术

为了提高3维前视声呐的方位分辨能力,同时避免2维(2D)方位估计(DOA)方法失效,该文提出1维(1D)空间角估计方法、基于Vernier法的垂直角估计方法和基于最小角定理的水平角方位估计方法.首先基于不同子阵构造互协方差矩阵避免2维方位估计模型失效,再利用Khatri-Rao积进行虚拟孔径扩展;将扩展后的阵列导向矢量和观测向量模型用于2维方位估计.与原阵列的导向矢量相比,虚拟阵元数量约增加1倍,阵列的孔径得到有效扩展.仿真实验表明,与单观测向量波束形成2维方位估计方法相比,所提方法在2维方位估计问题中具有更高的分辨能力,均方根误差更低;水池实验进一步验证了该文所提方法的工程实用性.     

基于自组织增量-图卷积神经网络的金相图半监督学习

采用深度学习对钢铁材料显微组织图像分类,需要大量带标注信息的训练集.针对训练集人工标注效率低下问题,该文提出一种新的融合自组织增量神经网络和图卷积神经网络的半监督学习方法.首先,采用迁移学习获取图像数据样本的特征向量集合;其次,通过引入连接权重策略的自组织增量神经网络(WSOINN)对特征数据进行学习,获得其拓扑图结构,并引入胜利次数进行少量人工节点标注;然后,搭建图卷积网络(GCN)挖掘图中节点的潜在联系,利用Dropout手段提高网络的泛化能力,对剩余节点进行自动标注进而获得所有金相图的分类结果.针对从某国家重点实验室收集到的金相图数据,比较了在不同人工标注比例下的自动分类精度,结果表明:在图片标注量仅为传统模型12％时,新模型的分类准确度可达到91％.     

一种基于深度可分离卷积的轻量级人体关键点检测算法

针对网络模型执行过程耗时过长的问题,受到像素切割网络架构中的编解码结构启发,设计了一种高效的轻量级主干网络,使用深度可分离卷积作为基本的卷积模块,利用了多维自学习模块(Multidimensional Self-Learning Module, MSLM)对特征矩阵进行自适应的学习来增强有用信息权重,同时使用编解码结构对其主干结构进行效率上的优化,设计出了深度可分离网络(Codec Depth Separable Network, CSDNet),相比于MobileNet性能提升了72%,精度提升了5.2%。     

含负折射率介质光子晶体的斜角禁带

研究了由正负折射率介质交替排列构成的光子晶体的传输特性,负折射率材料(NIM)是有损耗的Drude色散媒质。研究发现,这类光子晶体具有零折射率带和传统的Bragg带,此外在NIM的折射率接近于零的频域还出现了一个新型的禁带——斜角带。该斜角带的位置与晶格参数无关,其带宽较小;在电磁波垂直入射时禁带消失,但随着入射角的增大禁带逐渐展宽,且TM模的带宽大于TE模。