硫酸铵干燥过程中粉尘的治理

1 干燥系统的现状 山西焦化股份有限公司化工生产车间煤气脱氨工序采用鼓泡式饱和器法将煤气中的氨质量浓度降至≤0.03 g/m3(标志),为洗苯系统的稳定生产创造条件.     

基于云平台的铸钢产品成形工艺设计方法

本文主要介绍了全流程虚拟制造系统云平台在设计铸钢件的成形工艺以及生产过程中的应用,设计人员可利用云平台设计产品的加工余量、砂芯参数、浇注系统、冒口、模具等内容,系统可实现产品工艺设计过程中的公式自动计算,实现工艺人员的快速设计,提高铸造工艺设计的效率和质量.     

生产性粉尘防治措施浅析

能较长时间悬浮于空气中的固体微粒称为粉尘。在生产过程中产生的粉尘称为生产性粉尘,一般简称粉尘。从胶体化学观点来看,粉尘是一种气溶胶,其分散介质是空气,分散相为固体微粒。悬浮于空气中的粉尘在重力作用下沉降。巳沉落的粉尘称为积尘或落尘;落尘再次飞扬并悬浮于空气中,称为二次扬尘。     

基于PointNet++的工井点云语义分割模型研究

受地下工井空间狭窄,环境复杂的影响,采集的工井点云数据存在在空间中分布不规则且不均匀、数据量大,难以实现多目标高效地语义分割等问题,本文提出了基于PointNet++的工井点云语义分割模型研究。首先采集了地下工井点云数据并加入语义标签制作模型训练需要的数据集;其次,为提高点云分割任务的性能,引入一种基于深度学习的PointNet++网络模型,并利用多分辨率分组（Multi-scale grouping,MSG)和随机输入（Random Input Dropout,DP）策略,实现地下工井地面、顶、爬梯、墙、电缆线和支架等的语义分割。最后,分割类别采用精确度、召回率、交并比,F1分数作为评价指标,结果表明,与PointNet网络模型相比,本文模型评价指标均展现出了显著的提升,在地面、井顶、井墙和电缆线等类别评价指标均超过80%,目标分割的性能良好,有利于地下电缆工井场景的多目标快速精准分割,为地下工程精细化管理奠定基础。     

基于设备性能的Web3D动态实时光影云渲染系统

本文面向多种硬件平台提出了一套Web3D实时动态光影的协同式渲染系统,该系统把Web前端的硬件性能作为整个云渲染系统中光影渲染任务分配的关键因素.对于Web前端性能较强的硬件设备,系统分配复杂度较高的光影渲染任务给前端,相应的云后端的渲染负担则有所降低;反之,系统则分配复杂度较低的光影渲染任务给前端,相应的云后端承担大...     

降低石灰窑窑气含尘的方法

针对石灰窑产生的含尘窑气所带来的环保问题以及对生产系统的危害,重点讨论了降低窑气含尘的技术措施和管理措施.     

海绵城市低影响开发措施综合效益评价体系及应用

为对低影响开发(LID)措施综合效益进行量化评价,综合考虑生态、经济及社会等因素,选取径流量削减率、污染物削减率、成本投资、运行效益、雨水利用、生态价值等16项LID措施评价指标,采用层次分析法和熵权法确定指标权重,基于云模型构建了 LID措施综合效益评价体系.将评价体系应用于南京一住宅小区的4个LID措施初步设计方案...     

德州市水行政执法信息化建设探析

2021年水利部提出了“十四五”智慧水利建设总体目标,将“数字化、网络化、智能化”作为建设主线。德州市水行政管理要顺应智慧水利发展趋势,利用当今主流信息化技术,设计水行政执法信息化平台,构建新型执法管理体系,解决水行政执法传统模式的执法效率低下问题,满足新形势下的水行政综合执法的工作需求,助力水行政执法工作提档升级。     

一种运用PCA的深度学习激光点云分类方法

为了提高机载激光雷达数据的分类精度和避免耗时的点云多特征提取,本文在点云去噪的基础上,对点云数据进行相对高程的特征提取,提出一种基于PCA数据降维与Point-Net相结合而形成的网络模型,并将获取的相对高程特征和原始特征经过降维处理后输入到网络中.运用Point-Net网络模型提取的全局特征进行点云分类,返回每个点分...     

融合二维图像和三维点云的相机位姿估计

为了准确地在特定三维真实环境中,通过单目相机获取的RGB图像来估计相机的六自由度位姿,本文结合已知的二维图像及三维点云信息,提出了基于稠密场景回归的多阶段相机位姿估计方法。首先,将深度图像信息与传统运动结构恢复（Structure From Motion,SFM）算法相结合,构建单目相机位姿估计数据集;其次,本文首次将深度图像检索引入2D-3D匹配点的构建当中,通过所提的位姿优化函数对位姿解算加以优化,提出多阶段相机位姿估计方法;最后为提升位姿估计的性能,将ResNet网络结构用于图像的稠密场景坐标回归,使得所提方法的位姿估计精度大幅度提升。实验结果表明：对于给定的位姿误差阈值5 cm/5°,在公开数据集7scenes下的位姿估计准确率均值为82.7%,在自建数据集下的准确率为94.8%。与现有的其他相机位姿估计算法相比,本文所提方法不论在自建数据集还是公开数据集下的位姿估计精度均有提升。