国内首座10000m~3LNG全容储罐的电气设计

针对国内首座10 000 m3LNG全容罐的电气设计,对外方设计的内容进行了阐述,并给出了与我方在相关领域设计的异同;同时对我方配套设计的重点内容进行了论述,意在引起业内专业人士对相关知识点的重视。     

国内首座1万m ~3LNG全容储罐的电气设计

针对国内首座1万m3LNG全容罐的电气设计,本文对外方设计的内容进行了阐述,并给出了与我方在相关领域设计的异同;同时对我方配套设计的重点内容进行了论述,意在引起业内专业人士对相关知识点的重视。     

压缩感知回顾与展望

压缩感知是建立在矩阵分析、统计概率论、拓扑几何、优化与运筹学、泛函分析等基础上的一种全新的信息获取与处理的理论框架.它基于信号的可压缩性,通过低维空间、低分辨率、欠Nyquist采样数据的非相关观测来实现高维信号的感知.压缩感知不仅让我们重新审视线性问题,而且丰富了关于信号恢复的优化策略,极大的促进了数学理论和工程应用...     

真空热处理技术解决16Co14Ni10Cr2MoE复杂零件淬火变形

针对结构形状复杂的16Co14Ni10Cr2MoE高强度结构件的变形问题,提出了应用真空热处理技术及预热、冷处理等措施控制零件变形的方法。由于零件硬度要求高,淬火前的变形留量后续无法加工,采用可控气氛多用炉淬火变形相对要小,但对于空腔复杂零件淬火后的变形仍存在超出技术要求现象,较难消除。近年来,结构复杂零件的少、无变形真空热处理发展较快,空腔复杂零件的热加工工艺有其独有的特点,随着产品市场需求的逐年增加,采用真空热处理对复杂零件加工成为必然趋势。     

基于双边滤波的极化SAR 相干斑抑制

在对极化SAR 数据进行相干斑抑制过程中,保持其极化信息是首要考虑的问题,而对极化SAR 数据各元素进行独立的滤波是不可取。依据极化SAR 数据形式及噪声模型,该文将双边滤波推广至极化SAR 数据处理,推导出一种新的相似性距离度量公式,所提方法可以直接对极化协方差矩阵C 或极化相干矩阵T 进行处理。该方法能够保持极化信息,有效地抑制相干斑,同时能够更好地保持点目标、纹理结构等,在处理大幅面的极化SAR数据时简单、快速、有效。      

SAR图像理解与解译研究进展

本文主要评述SAR图像理解与解译的研究现状，并指出了该领域的相关问题及今后的发展趋势．论文从SAR图像相干斑抑制、图像分割、特征提取、识别与分类等六个方面较深入地分析了SAR图像理解与解译关键技术的最新进展，指出了进一步研究的方向．     

基于稀疏自编码器和边缘保持的Wishart马尔科夫随机场的极化SAR图像分类

针对极化SAR图像训练样本数目较少问题以及极化SAR图像同质区域较多的特性,提出了一种新的两层分类框架,结合了稀疏自编码器和边缘保持的Wishart马尔科夫随机场对极化SAR图像进行分类.该框架包括个步骤,第一个步骤使用稀疏自编码器来获得一个初始分类;第二个步骤使用边缘保持的Wishart马尔科夫随机场对第一层的分类结果进行修正.在应用Wishart马尔科夫随机场的过程中,由稀疏自编码器分类得到的边缘得以保持,并且提出了新的分类错误纠正策略确保分类的准确性.因此,通过稀疏自编码器得到的精确分类边缘可用于不同的区域并且在应用Wishart马尔科夫的过程中得以保持.和其他分类方法相比,该方法得到较高的分类精度,证明了新方法的有效性.     

基于自适应窗口固定及传播的 多尺度纹理图像分割

 本文提出一种基于自适应窗口固定及传播的多尺度纹理图像分割方法,在小波域隐马尔科夫树模型(WHMT)的初始分割基础上,根据分割粗尺度上的区域一致性好,细尺度上的边缘准确的特点,利用上下尺度像素之间以及本层邻域像素的马尔科夫性,标记出图像的一致性区域和边缘区域,将一致性区域固定,类标直接下传到下一尺度,边缘区域则利用邻域信息确定出上文权值背景传播到下一尺度,与下尺度一起共同指导图像分割,从而很好的保持了区域均匀性和边缘准确性.同时根据纹理图像区域聚集性的特性,利用基于多项式展开和置信区间交叉(LPA_-ICI)方法找出各类区域聚集的物理位置中心,融入上下文权值背景中,使得指导分割策略能够更好的进行.实验表明,对于合成纹理图像来说,本文提出的多尺度融合算法在均匀区域内部及区域边界都大为改善,而且无须进行参数的训练,使算法快速的完成.     

浅谈煤气压缩机的工作原理、供电设计和电气控制

结合山西某煤层气储配站压缩机房和变配电间改造工程,对0.4 kV低压供电压缩机的基本工作原理、供电设计及电气控制3方面进行了论述.     

基于小波域隐马尔科夫树模型的图像分割

改进了传统的基于小波域隐马尔科夫树模型的图像分割方法.由于传统方法均为直接选择小波子带系数作为训练特征,不能直接得到像素级分割结果;同时传统方法在后融合方面对所有尺度均采用同一种上下文背景,而忽略不同尺度上初分割类标志图的特点.因此,本文在粗分割阶段首先处理了训练时参数设置的问题,并选取了更能表征纹理的特征,能直接得到像素级分割结果;在多尺度融合阶段,充分利用不同尺度上类标志图的特性,不仅考虑粗尺度信息对融合结果的影响也考虑了细尺度信息对结果的影响.实验表明本文算法的视觉效果好干与本文进行比较的Choi提出的HMTseg以及孙强提出的WD-HMTseg遥感图像分割算法.