冶金,水泥,發(fā)電等工業(yè)生產(chǎn)中的各類(lèi)窯爐每年消耗了大量煤炭資源。煤粉燃燒過(guò)程的檢測(cè)與優(yōu)化控制對(duì)于爐窯高效生產(chǎn)、減少?gòu)U氣排放,提升空氣質(zhì)量具有重要促進(jìn)意義。 課題組經(jīng)過(guò)4年研究實(shí)踐,以粉煤灰提取氧化鋁回轉(zhuǎn)窯為具體應(yīng)用對(duì)象,針對(duì)其生產(chǎn)過(guò)程工況識(shí)別與控制中的關(guān)鍵技術(shù)問(wèn)題展開(kāi)研究,就燃燒工況匹配識(shí)別中的火焰圖像增強(qiáng)去噪,燃煤視頻特征特征提取、基于圖像與數(shù)據(jù)融合的穩(wěn)健工況識(shí)別算法等關(guān)鍵問(wèn)題上取得了諸多理論成果,并將理論成果成功應(yīng)用到中國(guó)大唐內(nèi)蒙古再生資源分公司的粉煤灰提取氧化鋁回轉(zhuǎn)窯生產(chǎn)現(xiàn)場(chǎng)。首先、為解決燃煤圖像受現(xiàn)場(chǎng)粉塵干擾嚴(yán)重問(wèn)題,基于大氣散射物理模型和暗原色先驗(yàn)原理,提出結(jié)合雙區(qū)域?yàn)V波,聯(lián)合LLSURE濾波器與圖像融合的單幅圖像高效去霧算法,應(yīng)用于火焰圖像去粉塵增強(qiáng),同時(shí)構(gòu)造了低相干性學(xué)習(xí)字典進(jìn)行稀疏表示圖像去噪,為工業(yè)現(xiàn)場(chǎng)火焰視頻實(shí)時(shí)并行去霧增強(qiáng)奠定了基礎(chǔ)。其次、煤粉區(qū)(燃燒前端煤粉和空氣的混合區(qū)域)長(zhǎng)度和形狀變化中具有豐富的工況感知信息,據(jù)此提出基于自適應(yīng)光照補(bǔ)償和模糊增強(qiáng)的煤粉區(qū)分割方法,有效克服了窯內(nèi)火焰圖像的光照不均和圖像模糊問(wèn)題,可快速完整分割模糊圖像中的黑把子區(qū)域,具有較強(qiáng)的魯棒性,為燃燒工況景象匹配提供了可靠方法。 第三、針對(duì)工況識(shí)別中普遍存在的火焰視頻模糊,穩(wěn)健性不強(qiáng)問(wèn)題,利用多幀火焰信息統(tǒng)計(jì)進(jìn)行工況特征提取,提出燒結(jié)帶火焰的燃燒穩(wěn)定程度概念,發(fā)現(xiàn)火焰波動(dòng)與燒結(jié)工況變化間的關(guān)聯(lián)關(guān)系,構(gòu)造了平均豐度,短時(shí)能量和樣本熵等多個(gè)衡量穩(wěn)定程度的動(dòng)態(tài)特征,結(jié)合窯前熱工數(shù)據(jù)進(jìn)行工況識(shí)別,取得較好的現(xiàn)場(chǎng)應(yīng)用效果。第四、為提高工況檢測(cè)系統(tǒng)的魯棒性,提出基于魯棒極限學(xué)習(xí)機(jī)的穩(wěn)健工況分類(lèi)方法。分別利用訓(xùn)練誤差分布的Parzen窗非參數(shù)估計(jì)構(gòu)造ELM權(quán)矩陣和基于M估計(jì)的加權(quán)最小二乘訓(xùn)練方法,有效提高了工況識(shí)別系統(tǒng)的整體穩(wěn)健性。最后,分別建立了基于CUDA平臺(tái)和Zynq-7000嵌入式系統(tǒng)的燃煤火焰視頻并行處理實(shí)驗(yàn)平臺(tái),將部分研究成果進(jìn)行了硬件固化。開(kāi)發(fā)了一套能夠?qū)崟r(shí)辨識(shí)燃煤窯爐過(guò)程工況的融合檢測(cè)與專(zhuān)家控制系統(tǒng),在大唐內(nèi)蒙古再生資源開(kāi)發(fā)有限公司氧化鋁廠燒成車(chē)間的回轉(zhuǎn)窯生產(chǎn)現(xiàn)場(chǎng)進(jìn)行了投行實(shí)驗(yàn),該系統(tǒng)大幅增強(qiáng)了窯運(yùn)行穩(wěn)定性、提升了熟料產(chǎn)量和熟料質(zhì)量,表明課題研究為實(shí)現(xiàn)穩(wěn)定高效的窯爐過(guò)程控制具有重要理論價(jià)值和社會(huì)經(jīng)濟(jì)效益。
燃煤窯爐廣泛應(yīng)用于發(fā)電,冶金,水泥等工業(yè)生產(chǎn)的各個(gè)領(lǐng)域,實(shí)現(xiàn)該類(lèi)復(fù)雜系統(tǒng)的優(yōu)化控制首先需解決生產(chǎn)中各類(lèi)復(fù)雜工況的識(shí)別問(wèn)題。課題以工業(yè)氧化鋁回轉(zhuǎn)窯為具體對(duì)象,就其工況識(shí)別過(guò)程中的關(guān)鍵技術(shù)和并行實(shí)現(xiàn)問(wèn)題展開(kāi)研究。以窯前火焰紋理特征和熟料粒度特征提取為基礎(chǔ),提出一種基于CUDA環(huán)境下的燃燒工況景象匹配識(shí)別方法。利用窯前熱工數(shù)據(jù)的動(dòng)態(tài)趨勢(shì)特征構(gòu)造觀測(cè)序列,研究建立一套多層HMM工況識(shí)別模型,將多工況分類(lèi)建立在一個(gè)多層HMM模型中進(jìn)行學(xué)習(xí),并基于有向圖理論簡(jiǎn)化模型結(jié)構(gòu),實(shí)現(xiàn)MPI環(huán)境下的并行優(yōu)化計(jì)算,從而建立一套能夠?qū)崟r(shí)辨識(shí)燃煤窯爐過(guò)程工況的融合檢測(cè)系統(tǒng)。該工況識(shí)別系統(tǒng)的研究對(duì)于優(yōu)化窯前控制參數(shù)、提高煤粉燃燒檢測(cè)和控制的實(shí)時(shí)性和魯棒性,實(shí)現(xiàn)穩(wěn)定高效的窯爐過(guò)程控制具有重要意義,同時(shí)也可為其它類(lèi)似復(fù)雜工業(yè)過(guò)程的檢測(cè)和控制提供寶貴的借鑒。
焊前坡口加工、焊中多層多道、焊后保溫緩冷措施等等。
提高彩葉樹(shù)年生長(zhǎng)量的關(guān)鍵技術(shù)研究
彩葉樹(shù)種近年來(lái)在各地的需求一直處于上升趨勢(shì),北京、上海、大連等大中城市還特別提出了在城區(qū)主干道兩側(cè)以及重點(diǎn)景區(qū)種植紅色、金色等系列彩葉樹(shù)種,以解決城市綠化色彩單調(diào)的問(wèn)題。但是,設(shè)計(jì)師在做園林設(shè)計(jì)時(shí)依然...
電線電纜擠出過(guò)程中的關(guān)鍵技術(shù)和關(guān)鍵工藝有哪些?
關(guān)鍵技術(shù)主要就是電線電纜的絕緣擠出工序和護(hù)套擠出工序。關(guān)鍵工藝也就絕緣護(hù)套擠出時(shí)模具偏心偏置的調(diào)試。
格式:pdf
大?。?span id="wg6o6me" class="single-tag-height">158KB
頁(yè)數(shù): 未知
評(píng)分: 4.4
為解決東北地區(qū)生物質(zhì)混燃供熱鍋爐運(yùn)行中存在的技術(shù)問(wèn)題,以長(zhǎng)春某供熱公司10 t燃煤鍋爐為研究對(duì)象,采用理論分析與對(duì)比試驗(yàn)相結(jié)合的研究方法,確定適合的燃料配比,并進(jìn)行技術(shù)與經(jīng)濟(jì)性分析.研究結(jié)果表明:在秸稈與煤的混合比為1∶10時(shí),生物質(zhì)混燃供暖鍋爐的經(jīng)濟(jì)性與技術(shù)性最佳.
格式:pdf
大?。?span id="gkcmiaa" class="single-tag-height">158KB
頁(yè)數(shù): 2頁(yè)
評(píng)分: 4.8
隨著我國(guó)社會(huì)經(jīng)濟(jì)不斷發(fā)展,建筑行業(yè)也進(jìn)入了高速發(fā)展階段。建筑行業(yè)作為國(guó)民經(jīng)濟(jì)的支柱,對(duì)社會(huì)經(jīng)濟(jì)發(fā)展有著重要影響,因此,推動(dòng)建筑行業(yè)進(jìn)一步發(fā)展有著重要意義。攝影測(cè)量方法在當(dāng)今建筑行業(yè)中的應(yīng)用愈加廣泛,其不僅能夠提高工程測(cè)量的精度與效率,同時(shí)也能夠降低測(cè)量成本,降低人力投入量?;诖?文章重點(diǎn)分析攝影測(cè)量方法在工程中的關(guān)鍵技術(shù),并針對(duì)其現(xiàn)存問(wèn)題提出解決策略。
《產(chǎn)品設(shè)計(jì)中的成本工程及其關(guān)鍵技術(shù)研究》是2003年趙亮編寫(xiě)的論文,由潘雙夏、馮培恩指導(dǎo)。
副題名
外文題名
Research on key technical problems of cost engineering faced on product design
論文作者
趙亮著
導(dǎo)師
潘雙夏,馮培恩指導(dǎo)
學(xué)科專(zhuān)業(yè)
機(jī)械設(shè)計(jì)與理論
學(xué)位級(jí)別
d 2003n
學(xué)位授予單位
浙江大學(xué)
學(xué)位授予時(shí)間
2003
關(guān)鍵詞
產(chǎn)品設(shè)計(jì) 機(jī)械設(shè)計(jì) 產(chǎn)品成本設(shè)計(jì) 成本工程
館藏號(hào)
TH122
唯一標(biāo)識(shí)符
108.ndlc.2.1100009031010001/T3F24.002635891
館藏目錄
2004\TH122\26 2100433B
本項(xiàng)目研究面向并行工程的產(chǎn)品建模方法,包括研究集成的產(chǎn)品多領(lǐng)域模型,能夠同時(shí)支持特征設(shè)計(jì)和特征識(shí)別的庫(kù)特征表示,能夠并行建立產(chǎn)品多領(lǐng)域模型的混合特征建模方法,產(chǎn)品多領(lǐng)域模型的有效性和一致性維護(hù)方法等。本項(xiàng)研究對(duì)顯著提高現(xiàn)有產(chǎn)品建模技術(shù)的功能使其能夠有效地支持并行工程具有重要意義,對(duì)在我國(guó)順利實(shí)施并行工程將起到積極作用。 2100433B
隨著人類(lèi)社會(huì)的視頻數(shù)據(jù)量爆炸性增長(zhǎng), 目前針對(duì)海量視頻數(shù)據(jù)的人臉識(shí)別存在效率低和準(zhǔn)確率低等問(wèn)題, 并行計(jì)算是海量視頻數(shù)據(jù)中高效進(jìn)行人臉識(shí)別處理的可選途徑之一. 本項(xiàng)目面向海量視頻數(shù)據(jù)中人臉?lè)治雠c識(shí)別全過(guò)程的并行化實(shí)現(xiàn), 研究人臉目標(biāo)檢測(cè)和跟蹤、基于稀疏表示的人臉特征提取與識(shí)別算法, 以顯著提高海量視頻數(shù)據(jù)中的人臉識(shí)別效率. 研究?jī)?nèi)容為面向海量視頻數(shù)據(jù)的: (1)基于小容量字典學(xué)習(xí)的人臉?lè)诸?lèi)算法及其并行計(jì)算; (2)基于流形的視頻人臉描述模型建立; (3)人臉目標(biāo)檢測(cè)的并行AdaBoost算法; (4)基于MeanShift算法和Kalman濾波器的人臉目標(biāo)跟蹤算法; (5)基于異構(gòu)體系架構(gòu)下的并行分塊PCA人臉特征提取算法. 本項(xiàng)目的研究將不僅為人臉識(shí)別算法的設(shè)計(jì)提供新的思路, 而且為人臉識(shí)別并行應(yīng)用效率的提高和為大規(guī)模人群背景下的人臉?lè)治雠c識(shí)別的實(shí)際應(yīng)用奠定基礎(chǔ).