一种架空蒸汽管滑动支座保温结构的优化方案

以山西某市工业园区架空蒸汽管网工程为例,提出了一种架空蒸汽管滑动支座的保温新结构,计算了普通滑动支座和新保温结构滑动支座的散热损失,并结合前期施工成本和后期运行费用,对普通滑动支座和新保温结构滑动支座进行了技术经济分析。结果表明,新保温结构滑动支座在施工阶段成本费用较高;但在运行期间可有效减少由于滑动支座弧形板处热损失所导致的蒸汽损耗的运行费用。因此采用新保温结构滑动支座实现了运行阶段的稳定、安全、节能、节省费用等。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。     

基于密集神经网络的灰度图像着色算法

针对在灰度图像着色领域中，传统算法信息提取率不高、着色效果不理想的问题，提出了基于密集神经网络的灰度图像着色算法，以实现改善着色效果，让人眼更好地观察图片信息的目的。利用密集神经网络的信息提取高效性，构建并训练了一个端到端的深度学习模型，对图像中的各类信息及特征进行提取。训练网络时与原图像进行对比，以逐渐减小网络输出结果的信息、分类等各类型的损失。训练完成后，只需向网络输入一张灰度图片，即可生成一张颜色饱满、鲜明逼真的彩色图片。实验结果表明，引入密集网络后，可有效改善着色过程中的漏色、细节信息损失、对比度低等问题，所提算法着色效果较基于VGG网络及U-Net、双流网络结构、残差网络（ResNet）等性能优异的先进着色算法而言取得了显著的改进。     

埋地管道在冻土带的热力变形分析

埋地油气管道通过永冻土地带时,由于管内介质与周围的冻土发生了热力作用,使冰土解冻,在管道周围形成融化圈。文章分析了永冻土的特点,建立了永冻土地带土壤传热数学模型:融化圈内外传热方程、管道向土壤和土壤表面向大气所放热量的守恒关系、融化圈界面处土壤温度、相变界面处固相变为液相的传热条件。还建立了埋地管道模型,并以穿过永冻土地带土壤的输油管道为例,分析并计算了各种应力的最大值所在的位置和大小,提出了在永冻土地带减小管道热力变形的措施。     

结构形式对椭圆扁管管内传热与流阻性能影响

利用数值模拟方法结合场协同理论,对直椭圆扁管、单向螺旋椭圆扁管和变向螺旋椭圆扁管管内传热与流动情况进行了数值模拟计算和理论分析,比较研究了不同的Re、Pr下,3种椭圆扁管的管内传热与流阻特性。结果表明,单向螺旋椭圆扁管和变向螺旋椭圆扁管与直椭圆扁管相比有很好的强化传热性能,而变向螺旋椭圆扁管要比单向螺旋椭圆扁管的强化传热性能更好。在管内流体具有高Pr及低Re的条件下,2种螺旋椭圆扁管的强化传热效果显著,可作为很好的强化传热元件应用于工程实际中。     

蒸发式冷凝器管外水膜分布

对国内外蒸发式冷凝器研究进展进行了综述,并主要从管外水膜的影响方面就性能改进提出了分析,进行了可视化研究。研究结果表明,扭曲管和管外亲水处理都能获得较好的水膜分布,而且还可以达到减小水膜热阻和提高蒸发式冷凝器传热性能的目的。