基于不同传感器布置的常压储罐声发射检测

声发射检测技术作为大型常压储罐底板的在线检测技术,其检测结果受传感器布置高度、频率范围、背景噪声高低、定位声速设定等诸多因素的影响。针对两种不同高度的传感器布置方式,通过断铅标定和现场检测分析传感器布置高度对声发射检测结果的影响,结果表明:传感器布置高度为300mm和600mm时,实测结果未见明显异常,其误差满足工程检测的要求;将传感器布置在高处的方式容易采集衰减程度小的信号,有利于长距离检测,而将传感器布置在低处的方式更易采集衰减程度明显的信号。     

基于CC2420的无线传感器网络节点低功耗研究

从节点的低功耗硬件设计和传感器节点的低功耗能量管理两方面系统地分析了传感器节点各个部分的节能策略,通过减少单个传感器节点的能量消耗.达到延长无线传感器网络寿命的目的.     

复小波包域复数高斯尺度混合模型图像降噪

提出一种基于四树复小波包变换(QCWPT)复数高斯尺度混合(CGSM)模型的图像去噪新方法。含噪图像经多尺度QCWPT被分解成一个低频复数逼近子图和若干高频复数方向细节子图。在大尺度下,可认为低频逼近子图为信号复系数予以保留;对各尺度复数方向子图按照对数熵代价函数确定最优复小波包基。把能很好刻画小波系数边缘分布形状和局部邻域强相关性的高斯尺度混合(GSM)模型扩展到复小波域,新的CGSM模型具有很好刻画图像幅值和相位信息的能力,并利用该模型对复系数进行贝叶斯最小均方(BLS)估计,从而实现去噪目的。实验结果表明,无论是峰值信噪比(PSNR)指标还是视觉效果,本文方法的去噪性能均好于双树复小波变换(DCWT)、QCWPT和小波域GSM模型去噪,并且在有效去噪的同时,具有很好的图像边缘和细节保护能力。     

基于去频谱混叠Contourlet变换的层内局部相关性图像降噪

提出了一种基于去频谱混叠Contourlet变换的层内局部相关性图像降噪新方法.含噪图像经抗混Contourlet多尺度变换,得到一个低频逼近子图和一系列不同尺度、不同方向的高频细节子图,充分利用变换域同层同方向子带内信号系数相关性强、噪声系数无相关性的特点,采用强局部化零均值高斯分布模型对高频细节子图进行降噪处理.实验结果表明,该方法计算效率高,能克服Contourlet变换中的频谱混叠,避免了重构图像出现"划痕"现象.无论是PSNR指标,还是在视觉效果上,该方法的去噪性能均好于Contourlet去噪、Contourlet域HMT去噪和基于抗混叠Contourlet变换的硬阈值去噪,在有效去噪的同时,具有很好的图像边缘和细节保护能力.     

基于遗传算法的BP网络快速自适应性算法

分析了标准BP网络存在的问题。利用遗传算法 ,探讨了确定初始学习速率、动量项值和BP网络结构的快速自适应性算法 ,并将该算法应用于XOR问题的学习和地下井巷开挖中岩爆的预测。实验结果表明 ,基于遗传算法的BP网络快速自适应性算法 ,可以避免手工试算决定BP结构的弊端 ,并且优化后的BP网络具有较快的收敛速度和较强鲁棒性     

常减压装置常顶管道腐蚀泄漏原因分析及建议

常减压装置是炼油加工的重要工序,其安全状况对炼化企业长周期运行起到关键作用。由于原油中含有大量的水、盐、硫化物、酸等腐蚀性物质,腐蚀泄漏事故在常减压装置中时有发生。本文针对某80万t/a常减压装置发生的一起常顶挥发线管道腐蚀泄漏事件,从腐蚀机理、原料介质、防腐蚀措施和运行管理等方面进行分析,给出了事故发生的原因,并提出了相关腐蚀控制和防护建议。     

基于风险的检验在大型常压储罐群的应用

根据API 581常压储罐基于风险的检验(RBI)技术原理,利用DNV的ASTRBI软件对20台大型常压储罐进行了风险评估,结果表明该储罐群没有高风险项,中高风险项、中风险项和低风险项的比例分别为:12.5%,67.5%和20%。针对各台储罐不同的风险等级,提出降低风险的措施,并制定了优化检验策略。最后有针对性地选取一台中高风险储罐和一台中风险储罐,通过对底板的漏磁检测,与评估结果进行对比分析,验证了储罐RBI技术的可靠性。     

大型储油罐的漏磁检测与安全评价

漏磁检测是一种有效且精度较高的底板腐蚀检测方法,与超声波测厚只能按点抽检相比,漏磁检测可以100%地覆盖检测仪所能到达的任意地方。但是由于自然腐蚀的漏磁信号与人工缺陷信号大小有差异,同时检测结果还跟缺陷的大小、形状、深度与标定板人工缺陷的差异有关,因此检测结果是一个当量值,与实际大小有一定误差,必要时应用超声波检测方法进行复验;储罐壁板厚度在满足强度要求的同时还需满足刚度要求,在厚度不足时需要增设抗风圈,以保证储罐的使用安全。     

大型储罐群的RBI应用

根据API581基于风险的检验原理．采用储罐RBI软件对一大型储罐群进行了风险评估，得到了储罐壁板和底板的失效可能性、失效后果与风险等级。通过分析结果，识别出储罐的主要失效模式及损伤机理。针对不同的失效可能性等级和风险等级制定了相应的检验策略，达到降低风险的目的。     

面向表情识别的重影非对称残差注意力网络模型

针对ResNet50中的Bottleneck经过1×1卷积降维后主干分支丢失部分特征信息而导致在表情识别中准确率不高的问题,本文通过引入Ghost模块和深度可分离卷积分别替换Bottleneck中的1×1卷积和3×3卷积,保留更多原始特征信息,提升主干分支的特征提取能力;利用Mish激活函数替换Bottleneck中的ReLU激活函数,提高了表情识别的准确率;在此基础上,通过在改进的Bottleneck之间添加非对称残差注意力模块(asymmetric residual attention block, ARABlock)来提升模型对重要信息的表示能力,从而提出一种面向表情识别的重影非对称残差注意力网络（ghost asymmetric residual attention network, GARAN）模型。对比实验结果表明,本文方法在FER2013和CK+表情数据集上具有较高的识别准确率。