金属/MgO上的乙醇水蒸气重整制氢

研究了氧化镁负载镍、铁、钴、锰、钼、铜和锡等金属催化剂在乙醇水蒸气重整反应的性能,结果表明,在650℃、101.3kPa条件下,所有催化剂的活性都较高,乙醇接近完全转化,而对氢的选择性顺序大小为Ni＞Co＞Sn＞Cu＞Fe＞Mo＞Mn.除镍的选择性是随温度的升高而增加外,其它催化剂的选择性都随温度变化有个最佳值.镍催化剂的TPR和XRD表征表明,催化剂中存在3种形态的镍.     

含环向裂纹等径焊制三通极限压力（I）——有限元分析

采用三维弹塑性小变形有限元技术,对内压下含以腹部为中心的环向裂纹等径焊制三通的极限载荷进行了系统分析.结果表明,浅裂纹(a/T≤0.5)和短深裂纹(a/T≥0.75)对极限压力影响很小,肩部中心裂纹对三通极限承载能力的削弱远小于腹部中心裂纹.此结果可为压力管件完整性评估提供基础数据.     

一种具有向心力的新型Snake算法

动态轮廓模型（Snake算法）是一种较好的目标轮廓检测方法。但是传统的Snake算法在对其能量函数进行优化时,不能检测多目标、血管内轮廓和凹形轮廓。文章首先对图像进行自动Snake初始化,然后在Snake 的成长过程中加入向心力因子。实验结果表明,新的算法能够检测多目标、血管内轮廓和凹形轮廓,优于传统的Snake算法。     

光谱增感中曝光量的表达法

阐明了在光谱增感中表达光谱感光度时或在表达感光材料在非可见光范围内的感光度时使用光度学量来表示曝光量的局限性和采用辐射度量的必要性。本文介绍了这两种物理量的不同之处以及它们之间的转换方法。     

基于多级语义信息融合编码的序列标注方法

序列标注是自然语言处理领域的基本任务。目前大多数序列标注方法采用循环神经网络及其变体直接提取序列中的上下文语义信息,尽管有效地捕捉到了词之间的连续依赖关系并取得了不错的性能,但捕获序列中离散依赖关系的能力不足,同时也忽略了词与标签之间的联系。因此,提出了一种多级语义信息融合编码方式,首先,通过双向长短期记忆网络提取序列上下文语义信息;然后,利用注意力机制将标签语义信息添加到上下文语义信息中,得到融合标签语义信息的上下文语义信息;接着,引入自注意力机制捕捉序列中的离散依赖关系,得到含有离散依赖关系的上下文语义信息;最后,使用融合机制将3种语义信息融合,得到一种全新的语义信息。实验结果表明,相比于采用循环神经网络或其变体对序列直接编码的方式,多级语义信息融合编码方式能明显提升模型性能。     

进出口压力对喷射器性能影响的研究

喷射器是利用流体传递质量和能量的设备，由于其结构简单、工作可靠、寿命长、易于维修等诸多优点，在国内外动力、矿山机械、石油化工、冶金、轻工纺织、建筑、制冷等领域应用越来越广。     

分壁精馏塔分离芳烃的稳态及动态研究

采用分壁精馏塔（DWC）严格稳态模型,对比苯、甲苯、二甲苯以及均三甲苯四组分混合物的常规分离和分壁精馏塔分离方法,稳态分析结果表明：直接序列分壁精馏塔流程较常规三塔分离序列可减小再沸器负荷18.9%,年度总成本TAC可降低13.0%,DWC有效避免了常规塔器分离过程中中间组分的返混现象。在Aspen Dynamic环境下对最优序列进行组分控制,结果表明组分控制可很好地应对进料流量和组分组成波动。     

纤维聚结分离过程流场的数值模拟研究

对纤维聚结分离流场进行了数值模拟研究。结果表明,纤维聚结分离器的压力场由前到后呈现缓慢降低的分布,随着厚度的增加压力变小;聚结模块压降随着流速、厚度的增加而线性增加,随着孔隙率的减小而增加;纤维聚结分离器的速度场呈现对称式分布,流体在流进纤维层时明显加速,最大速度出现在纤维的间隙中,在纤维间隙中速度呈现“M”形分布。     

反浮选-冷结晶氯化钾生产过程中硫酸钙旋流分离试验研究

为了有效地分离粗光卤石矿中的硫酸钙颗粒,在实验室筛分分级法的基础上,利用水力旋流法,对青海盐湖钾肥公司提供的试样进行了实验室分离试验及工业试验研究。实验室试验结果表明,通过水力旋流器旋流分离粗光卤石矿的CaSO4,在一定的进料浓度范围内,旋流器均有较好的分离性能,运用二级旋流分离,可以使二级旋流分离下出口物料CaSO4降低至0．3％。粒度分布表明,一次旋流分离大颗粒在上出口物料及小颗粒在下出口物料中夹带量不大,且经过二级分离可以提高分离精度。     

基于半监督LDA特征子空间优化的人脸识别算法

人脸特征提取是人脸识别流程最重要的步骤,特征的好坏直接影响了识别效果。为了得到更好的人脸识别效果,需要充分利用样本的信息。为了充分利用训练样本和测试样本包含的信息,提出了利用样本散度矩阵将主成分分析PCA算法和线性判别分析LDA算法加权组合的半监督LDA（SLDA）特征提取算法。同时,受组合优化问题的启发,利用二进制遗传算法对半监督特征提取算法得到的特征空间进行优化。在ORL人脸数据库上的实验结果表明：与人脸识别经典算法和部分改进算法相比,SLDA算法获得了更高的识别率。