涂装废水漆雾絮凝剂的研究进展

近年来,随着科技和经济的发展,人民生活水平日益提高,我国汽车保有量大幅提升,汽车产业飞速发展。高速发展的汽车产业带来了大量的涂装废水,严重危害了人类身体健康和生态环境。总结了近年来国内外涂装废水漆雾絮凝剂研究进展。相关研究通过对传统破黏剂（A剂）和絮凝剂（B剂）进行改性,调节使用条件,提高漆雾絮凝剂的絮凝效果。常用的A剂一般以三聚氰胺和甲醛为原料进行制备,B剂一般为改性的聚丙烯酰胺,当两者投放比控制在1∶1～1∶2之间时,漆雾去除效果最佳。现阶段漆雾絮凝剂的漆雾去除效果基本可以达到96%左右。     

Q460高强钢焊接箱形柱轴心受压极限承载力参数分析

为研究现有钢结构设计规范是否仍适用于高强钢中厚板焊接箱形柱的设计,对Q460钢轴心受压柱的极限承载力进行了参数分析。采用数值积分法,并与有限元程序ANSYS的数值计算结果作进行对比。数值模型考虑了1/1 000柱长的初始弯曲及由相应截面尺寸残余应力试验提出的残余应力分布简化模型。试件的主要参数为截面宽厚比（7.8~17.2）与柱长细比（10~130）。计算结果表明：考虑相同初始缺陷的有限单元法与数值积分法所得计算结果吻合较好;与普通强度钢柱相比,初始几何缺陷对高强钢焊接箱形柱的极限承载力影响降低,柱的稳定系数提高;残余应力降低柱的稳定系数,但其影响效应随长细比变化。参数分析结果与现有规范计算结果对比表明,中厚板Q460高强钢焊接箱形柱,当宽厚比b/t≤20时,可采用高于普通强度钢柱的b类柱子曲线。     

输气管道泄露检测技术进展

输气管道泄露检测技术是在管道出现老化、腐蚀、人为破坏和自身缺陷等问题时,及时发现并做出报警反应的检测技术。输气管道泄漏不仅会带来巨大的经济损失,而且外漏后的天然气也存在严重的安全隐患,如不及时发现,容易造成重大事故。因此管道检漏技术就是油气安全运输的保障。首先对检漏技术进行了分类,并着重对红外线成像检漏技术、负压波检测技术、漏磁检漏技术、分布式光纤检漏技术等9种新型的间接检漏技术进行了原理分析、进展介绍和适应性评价,最后对管道检漏技术的发展前景做出了展望。     

多孔介质新性质

采用行波解的方法，在理论上分析了两竖直平板间充满多孔介质后平板间介质的速度、压强和温度的变化，首次用解析方法得到了指数变化规律，此规律与数值计算基本一致．     

海洋平台桩基承载力检测与沉降监测

以渤海某海洋平台为例,通过对该平台桩基承载力的检测,分析得出该平台承载力未达到设计值,故对该平台桩基进行了为期一年的沉降监测,在监测中,使用了适合海洋平台长期监测的光纤光栅技术。监测结果表明,平台的关键部位没有发生倾角的变化,因此判断桩基础没有发生不均匀沉降,此平台是安全的。建议在今后的使用过程中,平台使用方应继续按照桩基监测报警戒线的要求执行,不能随意增加上部荷载,同时必须严格控制活荷载,以保证平台桩基的安全。     

基于机器视觉的不规则烟包校对码垛系统

针对烟草物流中不规则烟包码垛的复杂性和组合匹配的特性,设计了一种基于机器视觉的不规则烟包校对码垛系统。该系统包括组合码垛系统和视觉识别系统两部分,通过视觉系统对不规则烟包图像进行处理得到目标二值图,提取烟包的角点特征进行特征点匹配,利用改进的RANSAC算法剔除误匹配点,实现烟包的识别匹配,再依据上位机的预排层算法进行码垛作业。现场测试结果表明:烟包匹配正确率在97%以上,特征提取时间不超过360 ms/次,总匹配时间不超过1.6 s,实现了不规则烟包的准确校对和组合码垛。该方法可为提高烟草物流自动化水平提供支持。     

驾驶安全智能辅助系统的设计与实现

在国内汽车保有量逐渐增长的背景下,道路驾驶环境日趋复杂,交通事故的发生率也越来越高,这对汽车驾驶员提出了更高的要求和更严峻的挑战。本团队基于计算机视觉和深度学习技术设计了一套驾驶安全智能辅助系统,通过分析行车记录仪视角采集到的车外视频数据和面对驾驶人视角采集到的车内视频数据,实现实时的交通事故预警、交通标志识别、驾驶人疲劳检测和驾驶人异常行为检测。并通过物联网协议实现系统与车辆之间的环境信息和控制信息传输,从而达到对驾驶安全的实时监控,有助于规避驾驶过程中内部与外部的不安全因素。     

基于残差图卷积神经网络的高倍欠采样核磁共振图像重建算法

磁共振成像（MRI）因其无创伤和较高的软组织对比度而被广泛地用于复杂疾病诊断。目前多通过在k空间高倍欠采样磁共振（MR）信号解决MRI速度较慢的问题，然而代表性算法重建高倍欠采样的MR图像时往往存在细节模糊的问题。因此，提出一种基于残差图卷积神经网络（RGCNET）的高倍欠采样MR图像重建算法。首先，使用自编码技术与图卷积神经网络（GCN）构建生成器；其次，将欠采样图像输入特征提取（编码）网络中从底层提取特征；接着，通过GCN块提取MR图像的高层特征；然后，通过解码网络生成初始的重建图像；最后，经过生成器和鉴别器的动态博弈得到最终的高分辨率重建图像。在FastMRI数据集上的测试结果表明，与基于空间正交注意力机制的MRI重建算法SOGAN(Spatial Orthogonal attention Generative Adversarial Network)相比，在10%、20%、30%、40%和50%的采样率下，所提算法在标准均方根误差（NRMSE）指标上分别下降了3.5%、26.6%、23.9%、13.3%和14.3%，在峰值信噪比（PSNR）指标上分别提升了1.2%、8.7%、6...     

基于深度残差收缩网络的电力系统暂态频率安全集成评估

在我国能源结构加速转型、力争实现“双碳”目标的背景下，传统电力系统也将迎来结构性的转变。其中由于可再生能源的随机性、不确定性和低惯量等特性，大规模新能源并网带来的一系列影响使得电力系统的频率安全问题日益突出。而传统的时域仿真方法在进行评估时有运算量大、计算时间长等缺点，故难以实现实际电力系统灵活多变的运行方式和大量量测数据下的快速评估。为实现对系统频率安全的快速评估，提出一种基于深度残差收缩网络(deep residual shrinkage network,DRSN)的电力系统暂态频率安全集成评估方法。深度残差收缩网络在深度残差网络的基础上引入注意力机制，能够增强有用信息并抑制冗余信息。在此基础上，将样本按最大频率变化率进行划分，并分别采用DRSN网络进行训练构建集成模型。通过引入风电的新英格兰39节点和118节点系统上的仿真结果，表明所用方法与传统深度学习方法相比精度更高，并有着优异的泛化性、鲁棒性和适用性。     

基于改进残差网络的两阶段电力系统频率安全多级预警

随着“双碳”目标的提出,可再生能源集群大规模并网,导致电力系统频率安全问题再次凸显。因此,借鉴深度学习方法,提出一种基于改进残差网络的两阶段电力系统频率安全多级预警模型。首先,对电力系统的频率安全进行多级精细划分,提出并构建频率安全多级预警模型。该模型在第1阶段利用基于改进残差网络的分类评估器对受扰后的频率是否会超出安全预警值进行评估,并给出预警等级;在第2阶段利用回归预测器进一步给出预警样本的危险程度。最后,以改进IEEE 10机39节点系统和美国伊利诺伊州200节点系统为算例对该模型进行测试,结果表明该模型具有较高的安全预警准确率,不但优于其他浅层学习方法和深度学习模型,而且可以精确地预测频率危险程度,并具有良好的鲁棒性和抗噪能力。