稀土铈对锡黄铜罐耳件性能的影响

矿井提升罐笼罐耳,由于磨损严重,增加了采煤成本。为了解决罐耳磨损严重问题,研究稀土铈的加入量对罐耳组织和力学性能的影响。通过实验数据的分析,结果表明:适量的稀土铈使锡黄铜组织细化,可以较好的提高锡黄铜的耐磨性。     

电磁振荡对铝硅合金凝固组织的影响

研究了直流磁场与交流电同时作用下的Al-Si过共晶合金的凝固组织的变化.试验结果表明,电磁振荡可明显细化合金的宏观组织和显徽组织,随着电磁压力的增加,宏观晶粒尺寸逐渐减小,并且共晶硅相间距减小.     

基于“投资-效益”准则的RC桥墩全寿命总费用

基于性能的抗震设计于20世纪90年代兴起以来,目前在土木建筑方面的文献较多,但是关于桥梁的研究成果较少。采用五级钢筋混凝土桥墩结构性能水平,以钢筋混凝土桥墩墩顶位移角为量化指标,建立了钢筋混凝土桥墩性能水平与钢筋混凝土桥墩位移角限值之间一一对应的关系。将地震危险性分析与最优设防烈度结合起来,建立基于投资-效益准则的RC桥墩全寿命总造价计算的通用框架。     

一种基于EEMD的新型谐波误差分析策略

针对电力系统中严重的谐波干扰问题,为提高其运行的安全有效性,去除谐波干扰并提高系统稳定性能成为研究热点。电网中常存在频率强烈波动或者白噪声强烈干扰的现象,虽说三谱线插值的FFT算法(基于Kaiser窗)的抗干扰能力很强,谐波参数估计也可以有较高的精准度,但是远不及使其与平均经验模态的总体水平来分解谐波的检测算法(EEMD)与直线度误差分析相结合。应用直线度误差来分析信号的谐波成分,有机结合了三谱线插值的FFT(基于Kaiser窗的)谐波检测分析法。通过对整体谐波分量的在线监测,不仅能够提高稳态信号的检测精度,还能提高系统的动态性能。本分析策略大限度地提高了计算精度以及系统稳定性。通过仿真分析得知,所述方法可以使系统具有较强的抑制频谱泄露能力,并能够显著降低栅栏效应的发生概率,进而使电力谐波信号的幅值误差、初相位误差和频率误差分别低于0.004 1%、0.002 4%和0.003 9%。     

不同池化模型的卷积神经网络学习性能研究

目的 基于卷积神经网络的深度学习算法在图像处理领域正引起广泛关注。为了进一步提高卷积神经网络特征提取的准确度,加快参数收敛速度,优化网络学习性能,通过对比不同的池化模型对学习性能的影响提出一种动态自适应的改进池化算法。方法 构建卷积神经网络模型,使用不同的池化模型对网络进行训练,并检验在不同迭代次数下的学习结果。在现有算法准确率不高和收敛速度较慢的情况下,通过使用不同的池化模型对网络进行训练,从而构建一种新的动态自适应池化模型,并研究在不同迭代次数下其对识别准确率和收敛速度的影响。结果 通过对比实验发现,使用动态自适应池化算法的卷积神经网络学习性能最优,在手写数字集上的收敛速度最高可以提升18.55%,而模型对图像的误识率最多可以降低20%。结论 动态自适应池化算法不但使卷积神经网络对特征的提取更加精确,而且很大程度地提高了收敛速度和模型准确率,从而达到优化网络学习性能的目的。这种模型可以进一步拓展到其他与卷积神经网络相关的深度学习算法。     

基于局部模型匹配的几何活动轮廓跟踪

目的 在复杂背景下,传统轮廓跟踪方法只考虑了目标的整体特征或显著性特征,没有充分利用目标的局部特征信息,尤其是目标发生遮挡时,容易发生跟踪漂移,甚至丢失目标.针对上述问题,提出一种基于局部模型匹配的几何活动轮廓(LM-GAC)跟踪算法.方法 首先,利用超像素技术将图像中的颜色特征相似的像素点归为一类,形成由一些像素点组成的超像素,从而把目标分割成若干个超像素块,再结合EMD(earth mover's distance)相似性度量构建局部特征模型.然后,进行局部模型匹配,引入噪声模型来估算局部模型参数θ,这样可以增强特征模型的自适应性,提高局部模型匹配的准确性.最后,结合粒子滤波的水平集分割方法提取目标轮廓,实现目标轮廓精确跟踪.结果 本文算法与多种目标轮廓跟踪算法进行对比,在部分遮挡、目标形变、光照变化、复杂背景等条件的基准图像序列均具有较高的跟踪成功率,平均成功率为79.6%.结论 实验结果表明,根据不同的图像序列,可以自适应地实时改变噪声模型参数和粒子的权重,使得本文算法具有较高的准确性和鲁棒性.特别是在复杂的背景下,算法能较准确地进行目标轮廓跟踪.     

熵能量堆煤图像的定位与识别

目的 针对煤矿皮带堆煤传感器受复杂环境干扰导致检测效率较低的问题,提出一种新的基于熵能量(EE)的堆煤图像定位与识别方法。方法 该方法首先在堆煤图像初始化区域内设定采样单元,统计采样单元前景和背景区域的信息熵,计算信息熵分布的极大值所对应的的灰度阶并统计其出现的概率;然后计算采样单元的熵能量和能量频率,归一化频率系数,并利用能量频率的二阶偏导确定堆煤边缘区域,将采样单元移动至堆煤边缘处;最后,根据采样单元的坐标位置计算堆煤高度和半径,进行实时预警。结果 在煤矿井下皮带堆煤视频上进行算法测试,该算法的单帧图像平均处理速度为0.35 s/帧,堆煤事故预警时间间隔最大为0.35 s,平均识别准确率为97.1%,测试结果表明,该方法对堆煤模糊边缘、环境噪音具有抗干扰特点,可以有效克服强噪音、模糊边缘等因素对堆煤识别的影响。结论 该方法对复杂环境中堆煤定位与识别具有很好的实时性和准确性,对提高煤矿安全生产效率具有重要意义。     

基于WSN定位算法的井下单相接地故障研究

由于井下配电网的布线很复杂,故障检测传感器节点的分布却很分散,在故障信号传输过程中如果受到井下环境的干扰,容易造成消弧线圈的故障特征电流很小。传统的故障检测模型针对小电流故障特征很难进行高效准确采集,无法提供准确的故障检测,提出了一种Zigbee改进Music故障定位算法,采用Zigbee网络技术对故障区域进行定位,建立了多通道数据传输机制。改进Music算法通过对阵列输出扩展虚拟矩阵,解决了传统算法只能估计出少于阵元数信号方向的问题,将共轭信息引入到了Music算法中,利用二阶共轭增强法大幅度降低了算法的运算量。仿真结果表明,在相同锚节点密度的情况下,定位精度和定位覆盖率都得到了显著提高。通过单相接地故障电路实验对线路的零序电流进行了实际测量分析,验证了上述方案的可行性,可以有效地解决由于单相接地引起的井下故障问题。     

一种图像的连续性边缘提取方法

图像边缘提取是图像处理领域的重要环节,边缘提取的连续性显得尤为重要,其结果可以作为语义分割、测量的基础,为此提出一种图像的连续性边缘提取方法。首先采用卡尼(Canny)算法完成图像的边缘检测,得到粗分割结果。由于该类算法采用算子进行操作,不可避免地产生非连续性区域,因此利用两类模板对粗分割结果进行形态学膨胀操作,连续性边缘采用小半径膨胀,边缘末端采用大半径膨胀,以此构成一幅膨胀图连接这些非连续性区域。最后,将该膨胀图作为平均曲率运动(MCM)方程嵌入函数u的初始值,通过引入g函数在原图中进行迭代求解,完成图像边缘的连续性提取。实验结果验证了算法的实用性与有效性。     

求解互补支持向量机的非单调信赖域算法

求解支持向量机的核心问题是对一个大规模凸二次规划问题进行求解。基于支持向量机的修正模型,得到一个与之等价的互补问题,利用Fischer-Burmeister互补函数,从一个新的角度提出了求解互补支持向量机的非单调信赖域算法。新算法避免了求解Hesse矩阵或矩阵求逆运算,减少了工作量,提高了运算效率。在不需要任何假设的情况下,证明算法具有全局收敛性。数值实验结果表明,对于大规模非线性分类问题,该算法的运行速度比LSVM算法和下降法快,为求解SVM优化问题提供了一种新的可行方法。