基于通用距离测量的机器学习方法用于图像分类和聚类

针对图像分类识别问题,提出了一种用于图像特征提取的新方法.首先定义了基于图像字符串的复杂度和以及通用图像距离(UID),然后依次提出了测量通用图像距离的UID距离测量算法,在维持特征类别之间的固有差异条件下对图像原型进行选择的原型选择算法,利用原型选择算法创建图像的特征向量表示从而生成待分类图像的特征向量的特征向量生成算法,最后基于前述算法提出了对图像的感兴趣区域进行分离的图像分类学习算法.将所提出的方法应用于卫星图像数据的几个监督和非监督学习实验,结果表明文中所提方法效果理想.     

高海拔地区220 kV输电线路带电作业安全距离技术研究

为了给高海拔地区220 kV线路的带电检修和维护工作提供技术依据,保证线路带电作业的安全开展,针对高海拔地区220 kV输电线路带电作业安全距离,分别在西藏羊八井(海拔4300 m)、青海乌兰(海拔3000 m)、青海硝湾(海拔2200 m)的试验场地进行了220 kV输电线路实际尺寸杆塔不同作业位置的操作冲击放电特性试验,得到了不同工况下的操作冲击放电特性曲线。根据以上试验结果和低海拔地区220 kV输电线路带电作业已有的研究成果,结合常用海拔校正方法,通过危险率的计算,推荐了海拔3000~5500 m范围内220 kV输电线路带电作业所需的最小安全距离及最小组合间隙距离。研究结果可为220 kV输电线路的工程设计和带电作业提供技术依据。     

60kA底部阴极稀土电解槽极距的模拟优化

以60kA底部阴极稀土电解槽为模型,利用CFD软件模拟极距分别为80、90、100、110和120mm时,阳极表面气体的运动速度和阴阳极之间气体的分布,并对模拟结果进行分析。结果表明,最佳极距为110mm。     

本菲尔法脱碳吸收—再生塔的改造

应用规整填料—散堆填料—新型液体分布器综合技术对本菲尔脱碳系统的Φ2500／Φ3250吸收塔和Φ4000再生塔成功地实施了技术改造。这是国内首次对1000t／d合成氨大型引进装置的脱碳系统塔设备进行改造。技改评价表明,改造取得了预想的效果,为进一步挖掘装置潜力提供了条件,也对装置运行中工艺指标的优化发挥了积极的作用。     

氯乙酰氯生产工艺及其应用

阐述了国内外氯乙酰氯工业化生产技术,着重对乙酸为原料的两步法氯乙酰氯生产工艺进行技术经济评价,指出工业化生产氯乙酰氯仍以该法最为经济;综述了国内外生产现状,对今后的市场发展趋势进行了预测。结合吉化公司的原料优势,对氯乙酰氯的发展提出了几点建议。     

醋酸生产技术发展动向

对国外现有主要醋酸生产技术和正在开发的醋酸新工艺和新技术作了比较和评述 ,为我国醋酸工业发展提供借鉴。     

离焦量对激光熔覆层组织及性能的影响

目的改善40 Cr钢表面性能,提高其表面硬度、耐磨性及耐蚀性。方法利用扫描电子显微镜、显微硬度计、磨损试验机、电化学测试系统等对激光熔覆层组织及性能进行观察和分析。结果离焦量越大,熔覆粉末及基体表面熔化深度越浅,通过控制适当的离焦量可以获得结合良好的涂层;离焦量为110 mm时,激光束的快热快冷作用能获得细小均匀的组织,细晶能保证较高的硬度,耐磨性及耐蚀性均较好。结论 40Cr钢经激光熔覆处理后可显著改善其表面性能,适宜的离焦量有利于获得最佳性能。     

碳素试样焙烧炉控温系统的设计和使用

为了满足碳素制品种类项目的开发和生产的需要 ,自行设计、组装了一套高品质 ,使用、操作方便的碳素试样焙烧炉自动控温系统。对在该系统中使用的核心元件———具有模糊控制功能的SR5 3型PID过程调节仪的选择、技术特性 ,控温系统的设计原理和工作过程 ,系统使用情况等都做了较为详尽的介绍。并说明其实用性、可靠性及经济性。并且 ,还可以把岛电公司的SR5 0系列智能型PID过程调节仪用于其它实时控制系统中 ,诸如压力、流量、变频调速等方面的自动控制 ,也同样适用。     

基于欧氏距离分布熵的特征优化研究

针对训练样本集的分类特征优化选择问题,改进了样本可分度标准:Kullback-Leiber距离,并进行了有效性验证.在此基础上定义了欧氏距离分布熵(Distribution Entropy of Euclidian Distance DEED)这一空间分布信息度量参数,同时给出了它的计算方法.提出了"类间互欧氏距离分布熵"(between-class DEED)与"类内自欧氏距离分布熵"(within-class DEED)的分析方法.进一步将其用于样本可分性分析,验证了两者比值愈大,特征样本集可分度愈好这一结论.     

Prediction and analysis of process failures by ANN classification during wire-EDM of Inconel 718

Wire breakages and spark absence are two typical machining failures that occur during wire electric discharge machining (wire-EDM), if appropriate parameter settings are not maintained. Even after several attempts to optimize the process, machining failures cannot be eliminated completely. An offline classification model is presented herein to predict machining failures. The aim of the current study is to develop a multiclass classification model using an artificial neural network (ANN). The training dataset comprises 81 full factorial experiments with three levels of pulse-on time, pulse-off time, servo voltage, and wire feed rate as input parameters. The classes are labeled as normal machining, spark absence, and wire breakage. The model accuracy is tested by conducting 20 confirmation experiments, and the model is discovered to be 95% accurate in classifying the machining outcomes. The effects of process parameters on the process failures are discussed and analyzed. A microstructural analysis of the machined surface and worn wire surface is conducted. The developed model proved to be an easy and fast solution for verifying and eliminating process failures.The full text can be downloaded at https://link.springer.com/article/10.1007/s40436-020-00327-w