基于非局部操作和多尺度特征聚合的图像修复方法

为有效解决修复大范围破损图像时存在的纹理模糊和整体语义信息不连贯的问题,提出基于非局部操作和多尺度特征聚合的两阶段图像修复算法,在第1阶段,边缘重建网络生成整体的边缘结构信息;在第2阶段,引入非局部操作机制进行纹理细节信息的修复。在CelebA-HQ数据集上采用不同掩码率的图像进行性能验证,结果显示所提模型的PSNR和SSIM分别达到了32.17 dB和0.982;与EdgeConnect、RFR、CTSDG和AOT-GAN模型进行比较,结果表明:该模型对大范围破损图像能够生成纹理更加清晰且语义合理的修复图像,PSNR、SSIM和FID指标均优于其他4种算法。

制氢厂房氢泄漏激光检测光路布置优化研究

氢气扩散能力强、燃烧速度快、可燃范围广的特点使其泄漏易发生爆炸事故。对比基于可调谐半导体激光吸收光谱技术的激光传感器布置方式,以降低对氢泄漏的检测时间,获得最佳光路布置间距和角度。利用数值模拟研究了氢气在制氢厂房内的泄漏逸散规律,通过光学仿真确定了激光传感器的最短布置距离,分析了相邻光路间距及光路投影角度两种因素对氢泄漏检测的影响,得到了检测时间短、经济成本相对较低的布置方式。结果表明:相邻光路间距为0.4 m、光路与地面夹角为45°时,检测氢气泄漏时间优于其他方式并且所需激光传感器数量最少。

基于以太网技术的光电信号检测系统

针对光信号检测传输速率低、传输距离短及检测成本高等问题,结合EP4CE115F29C7N型芯片,设计基于以太网的光电信号检测系统。该系统将光电信号采集模块采集到的信号通过AD7606采样并进行预处理后存储到片外SDRAM,同时在UDP/IP协议基础上设计以太网通信模块,将数据通过数据包的方式发送到上位机,并基于LabVIEW设计光信号采集监控系统,实现对上传数据的滤波和实时检测。通过对比输入信号和LabVIEW监控系统显示信号的一致性,验证了系统的正确性。实验结果表明:该系统可以减少光检测信号远距离传输的数据损耗,提高光电信号的检测效率,有较好的实时性和可读性,且程序移植灵活,节约并缩短了光电检测成本和系统开发时间。

基于红外光谱技术与变量选择算法的柴油纯度检测

为实现柴油纯度的快速检测,采用RS法、KS法和SPXY法对利用红外光谱技术所采集的柴油样本数据进行样本集划分,之后利用蒙特卡洛交叉验证法(MCCV)剔除异常样本,并采用无信息变量消除法(UVE)、竞争性自适应重加权采样法(CARS)、遗传算法(GA)和自举柔性收缩算法(BOSS)对全光谱变量进行优选,根据所选变量建立偏最小二乘(PLS)模型。结果表明:SPXY法划分样本后所建立的模型效果最好,其预测均方根误差RMSEP为0.0412,预测相关系数R_(P)为0.9921;经MCCV法剔除异常样本后,模型的RMSEP降低了4.85%,R_(P)提高了0.50%;经UVE法选择的变量所建立的PLS模型性能最好,其RMSEP可达0.0239,R_(P)可达0.9977,与全谱模型相比,RMSEP降低了39.03%,R_(P)提高了0.06%,变量减少率可达67.27%。

基于单目视觉的石化作业区外因明火感知与测量方法

针对目前石化作业区外因火灾监测方法大都没有火源定位功能的现状,提出基于单目视觉的外因明火感知与测量方法。首先改进YOLO v7深度学习网络的SiLU激活函数,并引入注意力机制CBAM,使感知网络获得更好的准确性、互适性;随后基于相机成像原理建立物距与像素、分辨率等因子的多元关系测量模型进行距离预测。实验表明:优化后的网络mAP_0.5值提升了2.2%,Precision值提升了5.0%,预测距离误差率绝对值小于3.1%。

基于自抗扰控制器的水下机器人姿态控制研究

为了提高水下机器人在水中的轨迹跟踪精度,抵抗外部和内部干扰,提出了一种基于自抗扰控制技术的最优控制方法。首先,分别建立水下机器人运动模型和数学模型。其次,通过引入新的非线性函数,提高了扩张状态观测器的控制率和传统自抗扰控制的非线性误差反馈;通过改进的扩张状态观测器,将水下机器人姿态控制系统的非线性、模型不确定性和外部干扰扩展到一个新的状态。最后,采用改进的非线性状态误差反馈来抑制剩余误差,实现系统高质量控制。与PID控制和传统自抗扰控制相比,仿真和实验结果表明:改进的自抗扰控制具有超调量小、跟踪能力强和抗干扰能力强的特点。

掺氢天然气管道泄漏危险介质激光检测扫描方案研究

为提高掺氢天然气管道危险介质检测效率,以流体力学为基础,进行不同工况下危险介质激光检测路径设置分析,并在不同环境风速下对危险介质流体力学进行仿真研究。研究结果表明:随着风速的不断增大,泄漏口与激光器间隔距离变宽,激光距离5 m时的扫描策略优势更明显。

理工结合与创新教育深度融合研究生培养模式研究与探索

理工结合与创新教育融合是培养具有扎实专业基础和创新能力的创新型应用人才的有效途径,理工结合与创新教育的深度融合具有内在契合性,将二者紧密结合,既能夯实创新教育的底层建筑基础,又能促进理科与工科的深度融合。故分析两种教育的内在联系,针对我校光学工程专业研究生,从理工结合与创新教育的契合原理、理工结合与创新教育深度融合研究生培养的课程体系建设、授课教师队伍搭建及保障体系等方面进行研究与探索,构建理工结合与创新教育深度融合的研究生培养新模式。

基于Fluent的油气管道内部泄漏特性分析

对油气管道泄漏时内部的动态特性进行研究,可以发现泄漏时管道流体状态的变化规律并对判断泄漏工况提供有效指导,更好地预测泄漏的影响。应用Fluent软件进行建模,对模型进行网格划分和仿真分析,模拟不同泄漏孔径的管道内部变化情况,研究发现随着泄漏孔径的增大,管道内的流体压力呈降低趋势,而其速度呈增长趋势,同时泄漏的质量流量也会变大。

基于小波阈值去噪的管道泄漏检测研究

针对所采集油气管道泄漏信息存在很多干扰,使得信号处理难度增大进而影响管道泄漏检测定位的问题,利用小波变换对采集到的含噪声信号的管道泄漏信号去噪。针对常用的小波阈值去噪特点提出新的阈值函数,新函数是软、硬阈值函数的结合,具备二者的优点,同时克服了二者的缺点。通过对比尺度阈值和传统阈值处理泄漏信号信噪比与小波分解尺度寻优的过程,确定最优去噪方式。试验结果表明:用该方法对管道泄漏信号去噪后,位置定位更加准确。

基于单片机的智能小车系统

采用单片机作为主控制器,设计具有循迹避障功能、可用红外操控和手机/电脑遥控的智能小车系统。规划了智能小车的总体设计方案、硬件电路设计、程序代码的编写以及软、硬件的综合测试,并通过上位机实现了对智能小车的远程控制、拍照及存储等功能。最后通过试验验证了设计的可行性。

基于GA_Elman神经网络的长输管道泄漏检测方法

为提高长输管道泄漏检测的准确率,提出基于GA_Elman神经网络的管道泄漏检测方法,该方法通过使用遗传算法(GA)对Elman神经网络的权值和阈值进行优化,不但克服了Elman神经网络易陷入局部极值的缺陷,而且提高了Elman神经网络的预测精度。实验证明该方法可用于管道泄漏检测,其效果优于BP神经网络与Elman神经网络检测模型,预测精度96.9%。

光电信息科学与工程专业“新生导论”课程设计

“新生导论”课是衔接高中和大学的重要教学环节,有助于新生正确认识理解大学教育。文中针对光电信息科学与工程专业设计了内容丰富的导论课,从大学期间的学习方法、自我管理、专业内涵、创新实践能力培养等多方面对学生进行疏导。同时,结合光电信息科学与工程专业特点和石油院校特色,引入学科交叉内容,拓宽学生视野,并融入课程思政使学生充分认识本专业涉及的领域及在国民生产中的重要地位,从而激发学生对本专业的学习热情。

一种新的油气管道泄漏信号检测方法研究

针对管道模式识别模型效率低下、准确率不足的问题,提出一种新的管道泄漏检测方法。首先利用信号能量熵突变情况对泄漏引起的信号跳变进行有效捕捉,其次利用变分模态分解(VMD)进行去噪处理,还原信号真实动态特性。基于熵特征提取去噪信号的动态特征段,并将提取的特征向量输入改进差分进化算法(IDE)优化的支持向量机(SVM)识别模块种,实现泄漏信号的辨识。实验结果表明,与GA-SVM和PSO-SVM方法相比,IDE-SVM方法有效提高了分类识别准确率,准确率达到96.6667%。