氨合成催化剂改用氮气升温总结

通过对氨合成催化剂改用氮气升温方法的理论计算和分析,提出合成气压缩机组、开车电加热器等在氮气工质下运行的技术参数,从而得出氮气升温操作的工艺条件,在此基础上编制氮气升温操作方案,成功地进行了氮气升温操作,使合成系统冷态开车时间由15 h缩短至2 h,减少了大量合成氨原料气的排放并提前13 h出氨,取得了良好的经济效益.     

面向水域场景的热成像人员识别算法研究

针对水域场景夜间能见度极低,难以实现人员目标检测与定位的问题,结合红外热成像技术与深度学习目标检测算法, 研究了一种黑暗环境下水域人员目标检测方法。 经过多场景实地采集,自主构建了一套热成像水域场景下的人员目标数据集 IR-YZ。 在对比经典目标检测方法在 IR-YZ 数据集上的性能的基础上,针对热成像特点与水域环境特点,提出了一种增强型轻 量级水上目标检测网络 IWPT-YOLO(infrared water person target-YOLO)。 实验结果表明,IWPT-YOLO 算法具有精确、快速、简洁 等优势,其模型大小为 93 MB,平均精度 mAP 达到了 85. 34%,检测速度达到了 20. 975 FPS,比经典算法 YOLOv3 网络与 SSD 网 络在模型大小、平均精度与检测速度上均有提高,验证了 IWPT-YOLO 算法对水域场景下的热成像人员目标具有更好的检测性 能,更明显的优势。     

虹吸式屋面雨水排水系统设计

介绍了虹吸式屋面雨水排水系统的设计,阐述了屋面虹吸雨水排放方案、屋面天沟技术要求、屋面溢流系统技术要求、管道系统图、管道支架及主要节点大样图,运用到具体工程设计时,需结合考虑各厂家产品的特点、实际工地的情况以及业主的要求,才能使设计更臻完善。     

电催化氧化去除制革废水生物处理出水中氨氮的研究

采用电催化氧化强化去除制革废水生化工艺处理出水中的NH3-N,在利用钛电极对制革废水进行连续电催化氧化处理时,考察HRT及电流密度对处理效果的影响。结果表明:随着HRT的延长及电流密度的增大,NH3-N的去除效果增强,当HRT设定为0.25 h,电流密度为20 mA/cm2时,出水NH3-N的质量浓度为36.67 mg/L,相应的去除率为38.74%,可达到CJ 343—2010《污水排入城镇下水道水质标准》中规定的NH3-N排放浓度的要求,此时,水处理电耗为2.16 kW·h/m3。电催化氧化技术能够对制革废水生化工艺处理出水中的NH3-N实现稳定有效地去除,具有一定的应用前景。     

Living Machine高级生态工程系统(AEES)

美国的ＪｏｈｎＴｏｄｄ博士构想出一个ＬｉｖｉｎｇＭａ ｃｈｉｎｅ(ＬＭ)系统 ,它是集生态工程、废水处理、园艺美观于一体的新型高级生态工程系统(ＡＥＥＳ)技术。1　工艺流程ＬＭ的工艺流程如图 1所示。图 1　ＬＭ工艺流程废水经过筛滤和砂滤预处理后进入厌氧反应池和好氧曝气池完成二级处理 ,再经过生态流化床去除氨氮完成三级处理 ,最后经浮萍澄清池和高效湿地等进一步处理后排放。1 1　厌氧反应池厌氧构筑物为半埋式 ,其上有浮动的盖子。池长为 8.4ｍ ,宽为 4.5ｍ ,水深为 2 .7ｍ。反应池前段为永久性污泥床 ,后段设筛网以拦截污泥…     

基于PLC的空调连接管装配机设计

介绍了将泡沫管与铜管2个零件装配到一起的自动套管装配机。该设备采用电机、气缸控制机械手的动作,利用PLC控制整套设备系统的工作。用机械设备代替手工操作,减少人工操作,具有稳定可靠的性能,提高了生产效率。     

论火电厂汽轮机辅机检修管理现状及其应对措施

汽轮机是我国发电厂的主要动力设备,它在人们生活和工作中担任着重要的角色。汽轮机的正常是我国发电厂能够平稳、安全发展的重要保障。在火电厂的日常维护工作中,汽轮机辅机也起着关键性的作用,它直接关系到汽轮发电机组的稳定运行及电量输送,所以我们在检修时应该重视这个问题。本文对汽轮机组最常见的故障和发生原因进行了主要分析并根据不同的故障原因提出了解决方案。     

中和池污水NH3-N含量高pH高原因分析及处理

分析了合成氮厂综合废水超标原因及采取的措施．使综合废水达标排放。     

面向无人艇智能感知的水上目标识别算法研究

针对水面无人艇(unmanned surface vessel,USV)智能感知系统对图像处理过程的准确性和实时性要求,研究了一种根据无人艇上机载视觉传感器对水上目标进行识别与定位的算法.首先根据开源数据集与实验数据采集图像,对实验数据抽帧、去重、标注、统计,创建了水上目标识别数据库YZ10K;其次实践了主流的基于深度学习的目标检测方法,包括Faster R-CNN、SSD、YOLOv3等;最后针对水上目标特点,提出了一种基于改进YOLOv3的增强型轻量级水上目标检测网络WT-YOLO(water target-you only look once).无人船实验验证表明,WT-YOLO算法取得了准确且快速的目标识别效果,平均精度为79.30％,处理速度为30.01 fps.