排序方式: 共有9条查询结果,搜索用时 218 毫秒
1
2.
3.
电石炉尾气中的硫、氧及其他杂质脱除是电石炉尾气综合利用的难题,为此,提出了一种脱硫净化工艺,该工艺采用TSA除杂+水解脱硫+深度脱硫+低温脱氧+脱烃的方法,从而将电石炉尾气中的有机硫及杂质脱除,脱氧采用复合氧化物催化剂脱氧,通过循环控制脱氧反应器入口氧体积含量在0.5%左右,使脱氧反应温升平稳,在低温下降氧进行反应脱除,从而控制催化剂结焦积碳的风险,延长了脱氧催化剂的使用寿命,脱烃采用贵金属催化剂,可在较低温度条件下脱烃。工业实验表明,该工艺可以将气体中的硫化物脱除至0.1 mg/m3以下,氧含量脱除至30μL/L以下,不饱和烃含量<0.1 mg/m3,从而达到深度利用的要求。 相似文献
4.
预制叠合板构件质量问题是导致施工现场预制构件不能顺利安装的重要因素之一。提出了一种基于机器视觉的智能化检测预制叠合板构件的方法。首先通过预制构件生产线上的摄像系统进行图像采集,然后通过滤除噪声对图像进行预处理,通过Canny算子对边缘特征进行提取,通过Harris角点检测算法对图像内部特征进行提取,并将提取出的信息与已储存信息进行对比。利用该方法对三块预制叠合板试件进行特征识别及分析,结果表明:该检测方法可以识别预制叠合板尺寸信息,识别预留孔洞及预埋件的数量、尺寸及位置信息,对预制叠合板特征信息进行检测,并判断构件是否合格,提高了出厂构件的合格率,从而减少了施工成本,降低了工期延误风险。 相似文献
5.
7.
在生产过程中,预制构件尺寸不合格问题将导致其在施工现场无法顺利安装,从而影响工期。为推进预制构件智能化生产的进程,以预制叠合板为例,基于卷积神经网络研究生产过程中的智能检测方法,在生产流水线上设计并安装图像采集系统,建立预制叠合板尺寸检测数据集。通过YOLOv5算法实现对混凝土底板、预埋PVC线盒及外伸钢筋的识别,并以固定磁盒作为基准参照物进行尺寸检测误差分析,实现混凝土底板尺寸、预埋PVC线盒坐标的检测,在降低训练数据集参数规模的工况下保持较高的识别精度。结果表明:该方法可以有效检测预制叠合板的底板数量和尺寸、预埋PVC线盒数量和坐标,并实现弯折方向不合格的外伸钢筋检测,并能降低人工成本,提高检测精度,加快检测速度,提高预制叠合板的出厂质量。 相似文献
8.
9.
1