浅谈梳理机的隔距

本文阐述了梳理机各种件隔距对成网均匀度的影响中和隔距设定方法，并例举了德国丝宾宝公司推荐的各梳理机件隔距标准参数。     

特殊岩性油藏直平组合注水开发技术研究

边台潜山油藏与牛心坨潜山油藏均为裂缝型变质岩潜山块状油藏,具有很强的非均质性,针对潜山油藏顶面构造识别难度大、裂缝预测难度大、直井开发效果不理想这一开发难点,进行了直井、水平井组合开发技术的探索与研究;并对水平井各项参数进行了优化设计。现场实践证明直平组合注水开发潜山油藏能够有效减缓水窜、提高储量动用程度,对类似潜山油藏的开发具有重要指导意义。     

一种USBKey的文件加密软件方案的设计

随着信息技术的飞速发展,文件的安全性越来越被重视,防止个人信息文件被窃取已经成为一个重要的研究课题.将以硬、软件结合的方式,硬件上基于磐石科技的NT119的USBKey,对其进行识别与密码读写,软件上以Microsoft Visual Studio 2008为平台,实现USBKey的识别与读写功能,最终硬软件结合保护文件.达到只有在拥有相应USBKey和密码后才能打开文件看到相关的信息,实现文件的保护功能.     

烟厂制丝线温湿度控制工艺研究

针对现有制丝系统生产能力,不能实现信息化生产的要求,设计了新型制丝管控系统,介绍了制丝生产线的工作流程,重点讲述了温湿度的控制方法与原理:松散回潮由滚筒式叶片回潮机完成,PLC通过PID控制器实现水分的控制;热风润叶机采用Fuzzy-PID算法完成增湿增温控制,便于烟片丝的后续处理,提高了卷烟生产效率和质量,提高了企业竞争力。     

‘凤丹’和紫斑牡丹6个产地种子脂肪酸组分的比较

开展不同产地不同类型油用牡丹籽油品质分析,对于后期不同类型油用牡丹合理推广具有一定指导意义。本研究对6个不同产地的‘凤丹’和紫斑牡丹种子百粒质量进行测定,利用气质联用色谱法(GC-MS)对其种仁油脂成分及含量进行测定,并探讨了脂肪酸组分与环境因子的相关性。结果表明：不同产地‘凤丹’百粒质量变化较大,平均在19.56 - 32.69 g之间,紫斑牡丹百粒质量较为一致,平均24.32 - 25.39 g。不同产地两类油用牡丹籽油脂肪酸成分一致,不饱和脂肪酸均占总脂肪酸的85%以上,所有油脂成分中α-亚麻酸含量最多,平均为57.25±8.11 mg/g;不同产地及类型油用牡丹脂肪酸含量存在差异,其中湖北产紫斑牡丹籽油的总脂肪酸含量、不饱和脂肪酸含量及α-亚麻酸含量均最高,除保康外,其他产地牡丹籽油的饱和脂肪酸及不饱和脂肪酸含量均是‘凤丹’高于紫斑牡丹。牡丹籽油脂肪酸各组分与环境因子中的纬度、年降雨量和年平均气温呈现显著正相关(P < 0.05),与海拔呈显著负相关(P < 0.05)。综合分析认为‘凤丹’较适合在低海拔地区推广,紫斑牡丹更适应高海拔环境;油用牡丹种质需要挖掘,新品种的选育在后期需要加强。     

基于色彩空间变换的彩色图像分割方法

彩色图像是当今数字图像的主要表现形式之一，彩色图像分割是图像处理的热点与难点问题之一。针对彩色图像分割的精度与速度问题，提出了一种基于色彩空间变换的彩色图像分割方法。该色彩空间重在突出图像三分量间的差异，从而充分利用彩色信息。同时，分割方法以向量化图像为对象，从背景去除的思想出发，采用分裂Bregman快速求解算法，从而达到高效分割的目的。数值实验表明，该方法能有效分割出图像的所有目标区域，分割区域较为完整，结果具有较高的精度。     

地铁隧道渗漏水病害及处理方法

地铁隧道结构在运营过程中,随着时间推移会出现各种病害,其中隧道结构渗漏水最为典型,具有发生时间短、影响程度大、修复难度大等特点,尤其是在地铁运营期间出现时可能会对营运安全造成影响。根据地铁隧道结构维保工作的实践经验以及查阅的相关资料,对地铁隧道常见渗漏水病害及处理方法进行阐述,为类似工程提供借鉴。     

喷雾造粒塔内流动不稳定性的实验研究

为了研究喷雾造粒塔内的流动特性,采用激光多普勒测速仪测量获得了喷雾造粒塔内多点瞬时速度,并利用傅里叶变换技术得到了瞬时速度信号对应的频谱。结果表明,喷雾造粒塔内各测量点的瞬时速度波动很大,设备内呈高度湍动流动状态。喷雾造粒塔内存在明显的周期性摆动,频率分布存在明显的分界,在中心区的主频为76 Hz,而外侧区域的主频增大到86 Hz;中心区域频率幅度值明显大于外部区域,说明中心区脉动强度较大,可以将降低脉动幅度作为提高设备流动稳定性的依据。     

模糊数学在洪水分类预报中的应用

针对洪水分类与识别问题,首先利用模糊聚类循环迭代模型对历史洪水进行分类,其次通过类间相关系数的聚类有效性评价来确定最佳分类数,进而基于模糊识别理论对实时洪水进行类型预测。实例应用结果表明:该方法结果令人满意,合理可行。     

类自动车牌识别轨迹数据的伴随车辆组挖掘

自动车牌识别（ANPR）数据比私人全球定位系统（GPS）数据更易获得,且包含更有用的信息,但是相对成熟的针对GPS轨迹数据挖掘伴随车辆组方法并不适用于自动车牌识别数据,现有的少量自动车牌识别数据伴随车辆组挖掘算法存在重视轨迹相似而忽视时间因素的缺陷,因此提出一种基于轨迹特征的聚类方法挖掘伴随车辆组。针对自动车牌识别数据中采样点固定而采样时间不定的特点,通过轨迹中共现的次数判定两个对象构成伴随模式。该共现定义引入豪斯多夫距离,综合考虑轨迹的地点、方向和时间特征,旨在挖掘数据中采样点不同但采样点距离近且轨迹相似的伴随车辆组,以此提高伴随车辆组挖掘效率。实验结果表明,所提方法较现有方法更能有效挖掘伴随车辆组,识别非伴随模式数据,效率提升了近两倍。