分布式控制系统在油气田站场模块化中的应用

模块化模式较传统模式能更好地适应油气田地面建设工程,而作为重要组成部分的控制系统及其适应性问题就日益凸显。介绍了远程I/O和撬装I/O的分布式控制系统的设计思路和系统结构,依据现有工程项目案例分析了不同控制方案的硬件成本、施工、调试及维护等,并讨论了分布式控制系统现场控制柜的适应性和解决方案。以期为油气田站场模块化建设提供参考。     

消防喷淋管网标准化、模块化设计及施工

本文结合工程实例,详细介绍了消防喷淋管网的标准化、模块化设计和施工方法,通过标准化、模块化设计施工,实现了消防喷淋管网施工的集约高效.     

GeoGebra软件在数学分析教学中的应用举例

随着信息化时代的发展,各类教学软件的出现给教师带来了各种挑战,也给学生带来了各种选择的机会,同时也导致以前的传统课堂难以满足学生的需求.对于数学课堂也不例外,GeoGebra软件的出现给数学分析课堂带来无穷乐趣,同时也解决了以前很难理解、解决的问题.GeoGebra软件有电脑版、手机版,使学生可以随时随地作图,随时随地学习,对于数学分析教学起到很重要的作用.     

基础油中金刚石纳米颗粒润滑性能和导热性能的分子动力学分析*

为了研究纳米颗粒对基础油液热导率的影响,在基础油蓖麻油酸中加入不同体积分数和粒径的纳米金刚石颗粒,采用LAMMPS和分子动力学的研究方法,对粒子数密度以及粒子的径向分布规律、导热系数进行研究。结果表明:加入纳米颗粒的纳米流体的热物理性质受到多方面的影响,其中包括纳米颗粒体积分数及粒径等;随纳米粒子体积分数的提高纳米流体的热导率呈近似线性增加,随着纳米粒子粒径的减小,纳米粒子润滑膜的承载能力增强。纳米润滑膜能承受很高的外界冲击力,这有助于减小两作用面之间的摩擦,减小表面磨损;加入纳米颗粒的润滑油会减小摩擦副之间的摩擦和增强散热,提高热导率。     

基于Arduino的选择性激光烧结系统设计

目前选择性激光烧结设备均为工业级产品,不仅操作过程复杂,且设备成本高昂,因此设计一种基于Arduino的选择性激光烧结系统。该系统以开源硬件Arduino DUE为控制单元,通过Arduino IDE进行程序编写,下位机可实现读取G代码从而对激光、运动、温度等进行控制实现。结果表明,采用近似于桌面级FDM设备的设计思路,在保证设备功能的前提下大幅度降低了烧结机的设备成本,而且其中的模块化粉箱在缩小设备尺寸的同时也使装卸粉箱工作更加便捷。     

具有函数尺度因子的有理分形曲线

带有常数尺度因子的分形插值,是描述具有明显自相似事物的一个有效工具,然而,它却难以精确地刻画自相似较弱的不规则数据.为此,提出一种具有函数尺度因子的有理样条分形插值方法.首先,在迭代函数系统中引入函数尺度因子,构造了一种仅仅基于函数值的带有形状参数的有理分形插值曲线;然后讨论了分形曲线的分析性质,包括分形曲线在尺度因子满足适当条件下的光滑性、分形曲线对插值数据扰动的稳定性以及分形插值函数的收敛性;最后,研究了分形曲线的计盒维数,给出了计盒维数的上下界.数值算例验证了该分形曲线造型的可控性和对噪声的鲁棒性;对海岸线数据插值时,该方法相比B样条、Bézier曲线和三次样条能更好地还原海岸线的粗糙程度;处理股票时序数据时,相比ARIMA和SVM方法,在RMSE等多项指标下更优.     

基于深度强化学习的多模态医学图像配准

传统图像配准方法中,图像特征的表示和相似性测度的选择易受到人为因素的影响,不能准确地表征图像特征和配准图像的相似度,从而对配准结果产生较大误差.针对此问题,借助端到端的强化学习方法,对这2个部分进行隐式的表达,从而避免人工设计的缺陷.具体而言,设计了一个人工智能体模型,由策略网络和价值网络2部分组成,用以指导浮动图像朝着参考图像的方向正确移动,进而实现图像配准.提出使用异步表演者-评论家方法进行模型训练,以避免经验回放操作,降低模型训练对存储容量的要求并加快模型的收敛;同时提出一种奖赏函数,能够给予每个时间步上图像配准动作估计更为准确的奖励.此外,在测试阶段,使用了蒙特卡罗前向推理策略,进一步提高配准参数的准确性.在MR和CT的临床医学图像配准数据集上进行实验,与传统基于尺度不变性配准算法、基于深度学习配准算法等进行对照分析,实验结果表明,所提出的方法目标配准误差可以减少30%左右,同时能够更好地处理具有大幅度形变的配准问题.     

类别均衡与局部中值损失联合监督的自然场景人脸表情识别

近年来,卷积神经网络在实验室控制环境下的人脸表情识别任务中取得了很大进步,但是在自然场景中人脸表情识别方面仍然存在一些挑战.针对自然场景中人脸表情数据分布不平衡,以及由姿势、光照和性别等因素引起的类内差异大的问题,提出类别均衡与局部中值(class-balancedandlocalmedian,CALM)损失函数.CALM损失函数包含类别均衡Softmax损失函数和局部中值损失函数2个部分.其中,类别均衡Softmax损失函数将数据量较少且容易错分的害怕和厌恶2种表情标记为难样本,将其余5种表情标记为易样本;在网络训练过程中对难样本自适应地增大权重,以提高难样本的识别准确率,进而提高表情识别的平均准确率.此外,在每个类别中会有一些离类别内大多数样本较远的样本,它们的存在会导致用均值方法计算出的类别中心偏离类内大多数样本.在局部中值损失函数中,采用与每个样本属于同类别的若干近邻的中值作为类别中心,在一定程度上减弱离群样本对类别中心选择的影响.在RAF(real-worldaffectivefaces)数据集上进行实验,与局部子类方法相比,该方法的平均识别准确率提升了1.32%,证明了该方法的有效性.     

基于深度学习的番茄叶部病害识别模型

番茄叶病种类多、成因复杂,其预防和识别难度较大。传统基于机器学习的方法多靠人工识别,需要一定的专家经验,且具有主观性强、识别准确率不高等缺点。为实现番茄叶病特征的自动提取,并提高识别准确率,提出一种基于深度学习的番茄叶病识别模型。该模型基于卷积神经网络对番茄叶部病害特征进行自动提取,获得高维特征后,采用PCA降维算法去除冗余特征;从增大类间距离并减小类内距离的角度改进了softmax分类器,提高了识别准确率。将该模型在CrowdAI提供的数据集上进行了仿真验证,结果表明,该模型能够对番茄叶部常见10种病害进行自动提取特征和识别,综合识别准确率达到95%以上。