重庆市某城区市政污水管道水力参数监测与分析

了解污水管道的实际水力状况对完善规划设计和维护管理具有重要意义。为此,对重庆市某城区市政污水管道（DN400）的水力参数进行了监测。结果表明,W1～W4监测点的平均流速分别为0.16、0.25、0.52、0.29 m/s,均未达到不淤流速0.60 m/s;最大流速分别为0.40、0.51、1.10、0.55 m/s,均低于设计流速;95%累积频率流速分别为0.29、0.39、0.92、0.46 m/s,大部分都低于不淤流速。相应的充满度和流量监测数据也都低于设计值。各监测点的实际水力状况远未达到设计工况,水力效率偏低,其原因可能与规定的市政污水管道最小管径及用水定额取值偏大有关。以各监测点平均流速计算,1 km监测管道中污水的总停留时间接近1 h。管径偏大可能会造成水力效率低、投资浪费、淤积增加,甚至会造成污水停留时间及有机物降解率增加,值得关注。     

基于视频的停车场车位监控算法研究

通过对各种车位图像处理的检测算法的分析和对比,选择最适合的算法在FPGA内嵌的NiosII软核中实现车位检测,该算法可以准确和快速的反映车位状态变化,保证处理的实时性。检测算法基于3种判据:车位范围内差影的方差、车位信息和背景图像的线性相关度、硬件生成的中值滤波和Sobel算子模块计算的车位边缘密度,再根据3个判据利用Fisher算法检测车位。车位检测完成后引导车位进入停车场,并通过VGA实时显示车位情况和车位引导信息。实验表明,采用SOPC技术可以加快数据处理的速度且提高系统可靠性。     

基于LEON开源软核的 SoC平台构建与测试

针对某导航SoC芯片设计中高安全性、定制算法和高速数学运算处理的需求,讨论LEON微处理器软核方案在开源、配置灵活和运算能力强等方面的优势;分析在FPGA开发平台上固化的LEON核上移植Linux操作系统的实现和调试过程中的特殊点和难点;在该软硬件平台上进行数学运算及导航算法性能测试,为基于LEON开源软核的嵌入式系统的定型、配置和研发提供必要参考.     

复合酶制剂对藜麦馒头品质改良研究

藜麦馒头作为一种杂粮馒头,与小麦馒头相比品质略有不足。通过添加葡萄糖氧化酶、真菌α-淀粉酶和脂肪酶三种酶的复合酶制剂来改善馒头的品质,通过单因素实验及正交试验,得出复合酶制剂的最佳配方为葡萄糖氧化酶600ppm、真菌α-淀粉酶200ppm和脂肪酶600ppm,此时的感官评分最高为87.5分。复合酶主要改善了藜麦馒头的表面和内部结构、弹性和口感等品质,尤其是杂粮馒头的粗糙感。     

农村垃圾污染现状分析及治理措施初探

针对农村垃圾与污染现状及其危害进行了分析,提出几点治理措施以有效解决农村垃圾污染,做到资源的有效和循环利用,从而保护环境,提高人民群众的健康水平,实现人与自然的和谐发展。     

��¯����ԭ�����

由于锅炉水冷壁爆管在锅炉本体事故中所占比例较大,故对此进行分析。造成锅炉爆管事故的主要原因包括水处理控制不良、水处理药剂选择不当、结构设计不合理和运行维护不当。通过运用传热学的基本理论,阐述了水循环、过冷沸腾和水垢的产生对锅筒壁温的影响;根据金属材料学对鼓包部位进行金相分析可知,锅炉爆管的主要原因是短期超温服役。提出了在锅炉实际运行过程中应该特别关注的几个问题,并在使用和维护方面提出改进意见,以保证锅炉的安全运行。     

液相色谱法测定食品中甜蜜素结果的不确定度评定

建立了食品中环己烷氨基磺酸钠测定的液相色谱法,分析该测定方法不确定来源并进行评定。实验数据计算结果表明:当置信概率为95%,包含因子k=2,则其扩展不确定度为0.01g/kg。通过对不确定度分析,样品处理操作过程和仪器的校准对测量不确定度的影响较大,检测人员应对这些影响因素进行重点控制,以提高检测结果精确度。     

一种含铌耐磨堆焊药芯焊丝的开发

以高铬铁粉为主要原料,添加适量的铌铁粉、石墨等经焊丝成型机轧制出不同成分的药芯焊丝,采用埋弧自动焊设备制备出含耐磨性能优良的堆焊层,对堆焊层组织进行全面分析,分析了堆焊层金属的化学成分、物相组成,分析了堆焊层各物相的组织和性能。该堆焊层宏观硬度高,耐磨粒磨损性能优良。     

一次强对流天气成因分析

强对流天气是气象学上所指的发生突然、移动迅速、天气剧烈、破坏力极大的灾害性天气,主要有雷雨大风、冰雹、龙卷风、局部强降雨等。强对流天气发生于中小尺度天气系统,空间尺度小,一般水平范围大约在十几公里至二三百公里,有的水平范围只有几十米至十几公里。其生命史短暂并带有明显的突发性,约为一小时至十几小时,较短的仅有几分钟至一小时。强对流天气来临时,经常伴随着电闪雷鸣、风大雨急等恶劣天气,致使房屋倒毁,庄稼树木受到摧残,电信交通受损,甚至造成人员伤亡等。     

基于孪生域对抗迁移学习的滚动轴承故障诊断方法

针对多工况约束下滚动轴承故障诊断的难题,提出一种基于孪生域对抗迁移学习的滚动轴承故障诊断方法。首先,基于重采样扩充故障样本,通过降采样平衡正常样本,以防止样本不平衡带来的过拟合问题;然后,利用孪生神经网络对迁移学习特征提取的卷积层和池化层进行改进,应对故障样本稀缺问题,缩小不同工况下故障样本分布的差异,提高模型的泛化性;最后,基于公开和实测轴承故障数据集对算法进行全面性能评估。试验结果表明：孪生域对抗迁移学习(SDANN)对CWRU,MFPT和实测轴承数据集的诊断准确率及误差均值分别为(97.26±0.42)%,(95.18±0.28)%和(94.04±0.40)%,相比传统域对抗迁移学习(DANN)方法的平均准确率分别提高6.41%,12.5%和2.54%,误差均值分别降低1.16%,2.66%和0.43%,诊断时间分别加快1.39%,3.77%和9.95%;加入0和-10 dB噪声时,孪生域对抗迁移学习的诊断准确率最高仅降低1.63%;对CWRU与MFPT数据集跨域诊断时,孪生域对抗迁移学习的准确率及误差均值为(91.04±1.05)%;总体而言,孪生域对抗迁移学习对滚动轴承的故障...