煤泥可浮性曲线的绘制及应用

介绍了依据煤炭H-R可选性曲线的基本形式绘制煤泥可浮性曲线的步骤:根据煤泥分步释放浮选试验结果,分别绘制出精煤曲线β、尾煤曲线θ、灰分特性曲线λ、产率曲线γ和精煤灰分±0.5%含量曲线ε;在A选煤厂的应用实践表明,该曲线可较好的预测煤泥浮选效果。     

红外图像增强方法的研究

为解决对比度差、边缘细节模糊等问题,提出了用分段增强法提高红外图像对比度.分段小波增强算法能有效地同时增强红外图像对比度及边缘细节,并抑制噪声.建立了表征图像边缘的特征向量.根据红外图像边缘的特征,准确提取红外图像的边缘.通过神经网络边缘检测法对样本集训练,使网络具有依据边缘特征向量求解场景中物理边缘的能力.实验结果表明神经网络边缘检测算法的精度优于其他算法,抗噪声能力强、边缘定位能力强、检测精度高.     

基于形态学及区域合并的分水岭图像分割算法

针对传统分水岭算法在图像分割过程中的过分割问题,提出了基于形态学标记及MSRM的分水岭改进算法。利用形态学混合开闭运算实现图像重建,采用Laplace锐化强化图像边界,其次标记目标物和背景,修正幅值图像,经分水岭变换实现图像的粗分割,然后利用MSRM区域合并法实现目标物和背景的有效分割。对比聚类分割和基于H-minima标记的分水岭算法和Otsu类间最大间距算法,改进后的算法在分割效果、算法运行时间和分割精确度和召回率上具有明显优势,与上述其他算法在平均分割时间上提升3.86 ms,2.88 ms,5.64 ms。分割交并比IOU平均值96.42%,比其他算法平均值高出12.65%,2.77%和3.07%。     

演播制作视频系统的监视与监测

随着社会审美情趣和观众鉴赏水平的提高 ,电视不仅应有较高的艺术价值 ,还必须有较高的技术质量。只有两者完美的结合 ,才能产生赏心悦目的电视节目。而这些节目都离不开演播视频系统 ,因此 ,图像是否清晰 ,制作是否精良 ,取决于视频系统的录制与制作。在节目的制作过程中 ,图像的监视与监测是视频系统正常工作的保障。演播制作视频系统框图如图 1所示。演播制作系统是把室内前期制作与后期加工制作融为一体的系统 ,随着各地电视台自办节目的增多 ,演播室发挥的功效也越来越大 ,其节目形式包括新闻类、经济类、服务类、综艺类等。不仅有前期…     

基于混合DBNN-BLSTM模型的大词汇量连续语音识别

深度置信神经网络(DBNN)模型和双向长短时记忆神经网络模型(BLSTM)在单独进行特征提取时识别率不理想,长短时记忆单元(LSTM)与BLSTM模型可以更好解析语音数据特征.因此将DBNN模型和BLSTM模型相结合,提出一种大词汇量连续语音识别(LVCSR)的声学模型建立方法,并在Keras深度学习框架下进行实验.实验结果表明,使用改进的DBNNBLSTM模型进行大词汇量连续语音识别,识别精度有所提高,比BLSTM模型的语音识别率提高5%.     

红外热像仪测温技术发展综述

综述了红外热像仪测温技术的发展,从技术层面剖析了红外热像仪测温存在的问题,介绍了国内外在红外热像测温技术方面的研究热点,同时展望了未来的发展方向.针对红外测温领域中的理论、仪器、标定及应用四大方向进行了较为详细的分析和总结.     

铝镁尖晶石对镁质浇注料性能的影响

针对镁质浇注料在使用过程中抗渣渗透能力差,易剥落等问题,本实验加入铝镁尖晶石对镁质浇注料进行改性研究.实验分为两部分:先将镁砂细粉、镁质添加剂和铝镁尖晶石细粉等机压成型,进行高温热处理,研究其物相组成和显微结构;然后以电熔镁砂为骨料,电熔镁砂细粉、氧化铝微粉、铝镁尖晶石细粉和镁质添加剂为基质,按骨料:细粉=75∶25进行配制,研究铝镁尖晶石加入量对镁质浇注料性能的影响.结果表明:在镁质材料中引入尖晶石,能促进结构致密化;加入9％的铝镁尖晶石的浇注料试样显气孔率低,线变化率小,体积密度大,强度大,抗渣性能最好,由于镁铝尖晶石生成时体积膨胀,使得材料结构致密化;同时能有效吸收渣中CaO及FeOx等成分,减少渣的渗透作用,从而提高了浇注料的抗渣性能.     

羧基官能团化玉米芯对钯(Ⅱ)的吸附性能研究

以玉米芯为原料,利用微波预处理技术和酯化相结合的方法制备羧基官能团化玉米芯(MC),研究其对稀有金属钯(Ⅱ)的吸附性能。结果表明,Freund lich吸附等温式能较好地描述不同温度下的实验数据。对吸附热力学参数ΔH0、ΔS0和ΔG0的计算表明,吸附过程是自发的、吸热的和熵增加的过程,升高温度有利于MC对Pd(Ⅱ)的吸附。     

基于小波包与量子神经网络的容差模拟电路的软故障诊断

提出了基于小波包与量子神经网络的容差模拟电路的软故障诊断,将故障的不确定性数据合理地分配到各类中,减少了故障检测的不确定度,提高了故障检测的诊断率,克服了BP在模糊分类方面的局限性.实验证明,采用QNN与自适应BP神经网络相比,故障诊断率可提高11.899%.