基于径流污染控制目标为目的的分流制初期雨水调蓄池容积确定

鉴于初期雨水污染为地表水体的主要污染源之一,以儒乐湖初期雨水调蓄池容积确定为例,采用调蓄池工程措施进行截流,以V类水体标准为径流污染控制目标,在《室外排水设计规范》中控制径流污染的分流制初期雨水调蓄池计算公式的基础上,应用模型法模拟得出控制目标下的初期雨水径流累积深度及调蓄池容积。结果表明,截留径流累积深度为7mm,初期雨水调蓄池容积分别为9 250、5 850m3时,研究区域内能够满足在管网重现期下排水水质达到V类水体标准。研究成果可为初期雨水截流工程实施提供建议及参考。     

基于格拉姆角场和深度残差网络的变压器绕组松动故障诊断模型

针对变压器绕组松动故障诊断中特征量难以选取,依赖人工经验的问题,提出了一种基于自动编码器降噪,格拉姆角场(GAF)和深度残差网络(ResNet)进行识别的变压器绕组松动诊断方法。该方法直接从GAF图像中自动学习有效的故障特征,不需要手动提取特征量。首先,将振动信号经过自动编码器进行降噪,获得信噪比更高的振动信号。然后,采用GAF方法将振动信号转化为二维图像,生成图像数据集,在此基础上训练ResNet,构建适用于变压器绕组松动故障分类识别的网络模型。最后,搭建变压器绕组松动故障试验平台,采集绕组在不同松动和试验电流下的振动信号并进行分析。试验结果表明,所提诊断方法对变压器绕组松动识别准确率达95%以上,能够有效识别松动相和松动程度,适用于变压器绕组松动故障的识别和诊断。     

基于自注意力的双向LSTM网络的情感分析模型

如今,社交媒体中的用户评论经常涉及到对目标对象的多个属性不同的情感倾向.这种多维度的用户情感对文本情感分析任务构成了巨大的挑战.然而,先前的研究很大程度上侧重于依赖外部信息,不擅长捕捉数据或特征的内部相关性.因此,提出了一种新颖的基于自注意力机制的双向LSTM网络的情感分析模型.使用双向LSTM神经网络学习抽象的文本语...     

基于Faster RCNN网络的仓储托盘检测方法

为了解决传统仓储托盘检测方法泛化性差,检测精度低的问题.设计了一种基于Faster RCNN深度学习算法的仓储托盘检测模型,对算法模型进行了网络、数据增强处理以及特征提取方面的优化.自主拍摄仓储托盘图片并对其进行数据扩充,使用LableImage平台进行数据标注,在ResNet框架下进行网络训练,通过对比试验,改进后的...     

基于环形特征的卷积神经网络轮毂识别

针对实际生产中不同种类轮毂的混流生产问题,提出了一种基于环形特征的卷积神经网络轮毂识别算法。将直角坐标下的环形轮毂映射到极坐标中,归一化为标准形式的矩形,提取轮毂图像的环形特征信息,减少冗余特征产生的影响;设计了一种改进的VGG网络架构,利用深度可分离卷积打破输出通道维度与卷积核大小的联系,在不损失网络性能的同时降低了计算量,能够在实际生产中轮毂识别任务在有限的算力情况下实时进行计算;从有效性和实时性两个方面对轮毂识别算法进行评估,且通过Inception V3、SVM、KNN等模型的对比实验,验证了该算法可以实时地对轮毂自适应分类。实验表明: 该方法对轮毂图像的处理精度达到99%以上,单幅图像平均处理时间降低至11.78ms。     

碳酸钠对铝酸钠溶液深度脱硅的影响

在氧化铝的生产过程中,随着循环母液里碳酸钠的积累使物料流量增加,溶液的粘度增大,并影响分解过程A l(OH)3的结晶及生长。试验采用氧化钙为脱硅剂,研究了碳酸钠对铝酸钠溶液深度脱硅条件和结果的影响,确定出较佳反应条件:在脱硅温度90℃、时间110m in、搅拌速度867 r/m in,碳酸钠用量30g/L时,精制液的硅量指数达到3642。硅渣的XRD光谱分析表明,碳酸钠浓度在0~30g/L之间时,促进铝酸钠溶液脱硅;碳酸钠浓度高于30g/L时,抑制溶液脱硅。