气象模拟仿真技术在电力安全应急培训中的应用与研究

[目的]由于电力工作作业比较特殊,电力工作中会有许多特殊的工作场景,这些工作场景往往带有高危性。在平时训练中培训者缺乏真实感与沉浸感,为了使培训者在电力安全应急VR培训系统中,有更真实的沉浸感、仿真性,达到提升培训者学习效果和应变能力[方法]利用虚拟仿真技术研发出一套关于气象变换的模拟仿真程序,模拟出各种环境在极端气象条件下的状态,用于高度还原应急事件场景,为完成多专业、多维度、多角色协同的应急作业训练,提供高效的安全应急培训方案。[结果]经过在大量VR应急培训项目中的运用反馈,达到了预期的效果,提高培训者的课程内容的吸收率,同时获得了培训者的高度认可。[结论] VR虚拟仿真方法运用于电力安全应急培训是正确并有效的,可为实际生产提供指导。     

舰船用热工参数智能数字检测仪的设计和应用

新研制成功的ＳＺＷ－０１型智能数字显示仪实现了舰船主动力装置热工参数现场自动检测及其在多个操纵部位集中显示,报警的功能要求。介绍该智能数字显示仪的计算机硬件,软件设计,试验和装舰运行。     

用工程方法考虑流动损失的跨音速透平级全三元流场的计算

介绍了用时间推进法计算有流动损失的跨音速透平级全三元流场的计算方法,流动损失采用哈尔滨汽轮机厂提供的损失模型进行计算。对考虑流动损失与忽略流动损失的全三元流场计算结果进行了对比,发现考虑流动损失后反力度有一定的提高,速度三角形也有少量变化,说明考虑流动损失对于进一步改进透平级设计是必要的。本文提供的方法可供工程设计应用。     

基于人工智能技术的运动员训练仿真模拟系统

以提升运动员的训练效率和比赛成绩为目的,设计基于人工智能技术的运动员训练仿真模拟系统.系统包括感知交互子系统和模型演算子系统.其中感知交互子系统通过虚拟环境生产器构建三维训练场景后,通过模型演算子系统中的视图模块渲染三维场景中画面,同时其中逻辑模块计算运动员体能衰减,并将计算结果经接口传回至感知交互子系统效果产生器,呈...     

声学全波形反演预测饱和度

饱和度是储层定量描述的重要参数之一,研究饱和度对于地下流体分布、储量估计及井位设置都至关重要。基于全波形反演提供的高精度地层弹性参数,研究了地震饱和度预测方法。通过数学分析和数值计算,讨论了流体体积模量和孔隙空间体积模量特征及其对流体的敏感性,并在此基础上,提出了利用两参数全频带声学全波形反演和Brie公式预测饱和度的方法。通过数值计算,分析了体积模量和密度反演误差及Brie公式中指数因子误差对饱和度预测的影响。通过四川广安气田实际地震数据反演和饱和度预测,进一步验证了方法的有效性。     

RS-1000（S）器外预硫化催化剂在加氢装置上的应用

介绍了RS-1000（S）器外预硫化催化剂在中国石油克拉玛依石化公司汽柴油加氢装置上的工业应用。工业标定结果表明,在2.5h-1的较高空速下,采用加氢精制工艺在RS-1000(S)催化剂的作用下生产的精制柴油其平均脱硫率为91.21%,脱氮率为59.76%,产品质量达到了GB/T1947-2003轻柴油质量标准,同时符合世界燃油规范（Ⅱ类）和欧盟（Ⅲ类EN590-99）的轻柴油质量要求。 RS-1000（S）催化剂活化过程历时13 h,与器内湿法硫化相比可节省近两天的时间。此外,还可以简化开工步骤,不需要处理难闻且有毒害的硫化剂。     

铝合金超声喷丸残余应力场

为定量探索喷丸工艺参数对超声喷丸后材料表层残余应力场分布和硬化程度的影响规律,采用X射线衍射法研究了撞针式超声喷丸后7055-T7751铝合金表层残余应力和半高宽的分布情况。结果表明:超声喷丸残余应力场分布深度(Zo)、最大残余压应力值(σmrs)及其深度(Zm)在一定范围内随冲击振幅(f)和撞针直径(d)的增加而增大。最佳工艺参数有两组,分别为2mm直径撞针和80%冲击振幅、3mm直径撞针和70%冲击振幅,两者使最大残余压应力分布深度提高1.31倍以上,且使材料冷作硬化层深度提高0.7mm以上,并分别将最大残余压应力值提高到喷丸前的6.8倍和8.14倍。分析认为,超声喷丸对优化材料表面残余压应力场方面效果显著,适当强度的超声喷丸能够有效提高材料疲劳极限、表面冷作硬化程度。     

联合集成学习与EfficientNet的光学遥感图像场景分类

深度学习能够提高光学遥感图像场景分类的准确率和效率,但光学遥感图像语义丰富,部分场景仍存在易误分类的情况,同时由网络模型规模扩大带来的硬件要求过高、时间成本消耗过大等问题制约着深度学习网络模型的推广应用。为此,提出一种基于轻量化网络模型的光学遥感图像场景分类方法。通过EfficientNet网络提取图像特征,对图像特征进行复合提取以生成语义信息更丰富的新特征,利用多个子分类器构建集成学习模块解析新特征得到预分类结果,集成加权预分类结果以获得最终的分类结果。在AID和NWPU-RESISC45数据集上的实验结果表明,即使只训练20%的数据样本,该方法也能分别达到94.32%和93.36%的准确率,相对D-CNNs、CNN-CapsNet等方法,所提方法对易误分类场景有更好的分类效果,且参数量和浮点运算量大幅减少。     

基于改进BiSeNet的室内场景语义分割方法

室内场景的语义分割一直是深度学习语义分割领域的一个重要方向。室内语义分割主要存在的问题有语义类别多、很多物体类会有相互遮挡、某些类之间相似性较高等。针对这些问题,提出了一种用于室内场景语义分割的方法。该方法在BiSeNet(bilateral segmentation network)的网络结构基础上,引入了一个空洞金字塔池化层和多尺度特征融合模块,将上下文路径中的浅层细节特征与通过空洞金字塔池化得到的深层抽象特征进行融合,得到增强的内容特征,提高模型对室内场景语义分割的表现。该方法在ADE20K中关于室内场景的数据集上的MIoU表现,比SegNet高出23.5%,比改进前高出3.5%。     

基于FCOS神经网络的制动主缸内槽缺陷检测方法

针对主缸内槽缺陷检测存在干扰因素复杂、检测精度低等难点,提出了一种基于全卷积单阶段神经网络(FCOS)的主缸内槽缺陷检测算法。利用特征融合金字塔网络进行特征提取并逐像素预测,得到缺陷种类,实现凹槽缺陷的自动检测。实验结果表明,FCOS网络对制动主缸内槽砂眼、划痕、振刀纹缺陷检测的平均精度均值分别为85.2％、87.5％、90.1％,精确度分别为0.98、0.89、0.95。实验结果与Mask R-CNN网络和Faster R-CNN网络的实验结果进行对比,FCOS网络具有更高的准确率,学习时长大幅度缩短,且满足实时检测要求。