催化剂级配技术在加氢改质装置上的工业应用

基于柴油产品质量升级的需求,中国石化大连石油化工研究院(FRIPP)开发了FHIDW加氢改质技术及配套FF-46加氢精制催化剂、FC-14B加氢改质催化剂和FDW-3临氢降凝催化剂.该技术及催化剂级配体系在格尔木炼油厂0.8 Mt·a-1加氢改质装置上的工业应用情况表明,级配催化剂体系对原料适应性强,装置运转平稳,操作灵活性高,催化剂失活速率慢,产品分布合理且质量优异,在降低柴油产品凝点的同时可以明显改善其密度和十六烷值,解决了改造前装置生产重柴油密度偏低的问题,为炼油厂生产符合国V质量标准的柴油提供了技术保障.     

基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

主存高效的公交网络路径规划索引

在公交时间表下给定起始和目标站点,路径规划查询返回一组到达时间早和换乘次数少的帕雷托最优路径.现有的索引方法需要大量运行时内存.本文提出主存空间高效的索引方法(a-)PAINT.(a-)PAINT对每个站点v预计算一组标签,使得对于从站点s到站点d的查询可以通过匹配s和d相关的标签高效地生成查询结果的一条路径.PAINT对任意查询返回最优路径.a-PAINT只需要很小的预处理开销,但可能返回多一趟换乘的次优路径.用真实的公交时间表与模拟查询测试,PAINT具有合理的预处理开销.a-PAINT需要更少量的预处理开销,在大规模公交网络下准确率达90％.     

我国物联网产业发展现状和建议

介绍了国内外物联网技术产业发展现状.分析我国物联网技术存在的短板,并从技术研发、产业联盟组建和商业模式推广等方面提出了促进我国物联网产业发展的若干建议.     

Fabrication and joining mechanism of Nano-Cu/Si3N4 ceramic substrates

A novel method for fabricating a nano-Cu/Si₃N₄ ceramic substrate is proposed. The nano-Cu/Si₃N₄ ceramic substrate is first fabricated using spark plasma sintering (SPS) with the addition of nanoscale multilayer films (Ti/TiN/Ti/TiN/Ti) as transition layers. The microstructures of the nano-Cu metal layer and the interface between Cu and Si₃N₄ are investigated. The results show that a higher SPS temperature increases the grain size of the nano-Cu metal layer and affects the hardness. The microstructure of the transition layer evolves significantly after SPS. Ti in the transition layer can react with Si₃N₄ and with nano-Cu to form interfacial reaction layers of TiN and Ti–Cu, respectively; these ensure stronger bonding between nano-Cu and Si₃N₄. Higher SPS temperatures improve the diffusion ability of Ti and Cu, inducing the formation of Ti₃Cu₃O compounds in the nano-Cu metal layer and Ti₂Cu in the transition layer. This study provides an important strategy for designing and constructing a new type of ceramic substrate.     

基于图神经网络的网络性能智能预测

传统网络性能预测技术存在网络状态获取不够全面及网络性能评估准确性欠佳等问题，利用图神经网络学习推理网络关系数据的特点，结合捕获的网络全局信息，提出了一种基于图神经网络的网络性能智能预测方法。通过网络系统抽象及网络性能建模，将复杂的网络信息转化为形式化的图数据进行描述，利用图空域卷积处理图网络节点的消息传递过程，实现网络信息之间的关系推理，研究了实现网络性能预测的图神经网络模型，提出了一种能处理流量矩阵、网络拓扑、路由策略、节点配置的图神经网络体系结构，最后通过实验论证了模型能更好地实现包括时延、抖动和丢包率的网络性能的准确预测。