BS960E高强钢激光-电弧复合焊接头氢脆行为研究

氢脆具有很强的微观组织敏感性,威胁着各类高强结构材料的安全服役.采用激光-电弧复合焊工艺对BS960E型高强钢进行焊接,并对接头在原位电化学充氢的条件下进行慢应变速率(10-5s-1)拉伸试验,结合微观组织和断裂特征进行分析并对接头的氢脆行为进行研究.结果 表明,焊接热循环所形成的富马氏体中的细晶区可以使接头表现出一定的氢脆敏感性,马氏体较大的氢扩散系数和较低的氢溶解度以及氢在晶界上的快速扩散是引起接头对氢脆敏感的主要原因,通过控制焊接工艺参数可抑制焊接热循环所引起的马氏体转变量,能够降低BS960E型高强钢激光-电弧复合焊接头的氢脆敏感性.     

催化剂级配技术在加氢改质装置上的工业应用

基于柴油产品质量升级的需求,中国石化大连石油化工研究院(FRIPP)开发了FHIDW加氢改质技术及配套FF-46加氢精制催化剂、FC-14B加氢改质催化剂和FDW-3临氢降凝催化剂.该技术及催化剂级配体系在格尔木炼油厂0.8 Mt·a-1加氢改质装置上的工业应用情况表明,级配催化剂体系对原料适应性强,装置运转平稳,操作灵活性高,催化剂失活速率慢,产品分布合理且质量优异,在降低柴油产品凝点的同时可以明显改善其密度和十六烷值,解决了改造前装置生产重柴油密度偏低的问题,为炼油厂生产符合国V质量标准的柴油提供了技术保障.     

面部运动单元检测研究综述

面部运动单元检测旨在让计算机从给定的人脸图像或视频中自动检测需要关注的运动单元目标。经过二十多年的研究，尤其是近年来越来越多的面部运动单元数据库的建立和深度学习的兴起，面部运动单元检测技术发展迅速。首先，阐述了面部运动单元的基本概念，介绍了已有的常用面部运动单元检测数据库，概括了包括预处理、特征提取、分类器学习等步骤在内的传统检测方法；然后针对区域学习、面部运动单元关联学习、弱监督学习等几个关键研究方向进行了系统性的回顾梳理与分析；最后讨论了目前面部运动单元检测研究存在的不足以及未来潜在的发展方向。     

350MW机组采暖集水箱液位自动控制的完善与实现

辽宁东方350 MW机组采暖集水箱液位自动控制,投产时设计是采用磁翻板就地液位显示加液位接点输出液位高低等信号,配合电气疏水控制系统实现水位自动控制回收系统。运行8年来,该系统经常发生由于液位接点动作故障致使液位自动控制不正常,只能靠人工定期就地控制。为了解决这个问题,从根源上进行了分析,温度是影响原磁翻板液位控制系统正常运行的主要原因,结合原设备的实际状况,在不投入大量改造的基础上又能够解决问题的前提下,利用压力液位的关系特性,提出了相应的改造方案,在实施中得到了非常好的效果,不但设备运行良好同时带来了不菲的经济效益。     

核算前移在冶炼企业优化成本控制中的应用

针对国际黄金价格的走低,黄金冶炼企业如何在激烈的市场竞争中寻求更大的利润空间,优化成本控制显得尤为重要。以某冶炼厂为例,阐述核算前移在优化企业成本控制中的应用,以达到降本增效的目的,实现企业利润的最大化。     

Robust3D: a robust 3D face reconstruction application

In the process of reconstructing a historical event such as a rock concert only from video, the reconstruction of faces and expressions of the musicians is obviously important. However, in the process of rebuilding appearance, because of the low quality of the video of the recorded concert, the result of the reconstruction may be far from the real appearance. In this paper, a robust 3D face reconstruction application is described that can be applied to a video recording. The application first uses DeblurGAN program to run anti-ambiguity calculation and removes the ambiguity in the concert video. Then, the super-resolution program is used to enlarge every frame of the concert video by four times, thus making every frame of the video clearer. Finally, the 3D faces are obtained after 3D reconstruction of the processed video frames via the 3DMM_CNN program.