雨流计数法在PIPESTRESS软件中的实现方法

雨流计数法是工程上用于疲劳设计和疲劳评估常用的一种方法。以雨流计数法的基本原理和计数规则为基础,并以某核电站核辅助管道为例,通过专用管道力学分析软件PIPESTRESS确定管道在温度载荷、压力载荷及机械载荷等作用下各瞬态工况应力变化幅值,说明雨流计数法在PIPESTRESS软件中的实现方法,并结合材料S-N曲线进行疲劳累积使用系数的计算,从而进行疲劳寿命的评估。

基于改进YOLOv8n的煤矿井下钻杆计数方法

为提高煤矿井下钻杆计数的效率和精度,提出了一种基于改进YOLOv8n模型的煤矿井下钻杆计数方法。建立了YOLOv8n−TBiD模型,该模型可准确检测矿井钻机工作视频中的钻杆并进行有效分割:为有效捕获钻杆的边界信息,提高模型对钻杆形状识别的精度,使用加权双向特征金字塔网络(BiFPN)替换路径聚合网络(PANet);针对钻杆易与昏暗的矿井环境混淆的问题,在Backbone网络的SPPF模块后添加三分支注意力(Triplet Attention),以增强模型抑制背景干扰的能力;针对钻杆在图像中占比小、背景信息繁杂的问题,采用Dice损失函数替换CIoU损失函数来优化模型对目标钻杆的分割处理。利用YOLOv8n−TBiD模型分割出的钻杆及其掩码信息,根据打钻过程中钻杆掩码面积变小而装新钻杆时钻杆掩码面积突然增大的规律,设计了一种钻杆计数算法。选取综采工作面实际采集的钻机工作视频对基于YOLOv8n−TBiD模型的钻杆计数方法进行了实验验证,结果表明:①YOLOv8n−TBiD模型检测钻杆的平均精度均值达94.9%,与对比模型GCI−YOLOv4,ECO−HC,P−MobileNetV2,YOLOv5,YOLOX相比,检测准确率分别提升了4.3%,7.5%,2.1%,6.3%,5.8%,检测速度较原始YOLOv8n模型提升了17.8%。②所提钻杆计数算法在不同煤矿井下环境的视频数据集上实现了99.3%的钻杆计数精度。

基于DeepSORT和改进YOLOv5的煤矿井下钻杆计数方法

针对煤矿井下钻杆计数存在精度较差、效率较低等问题,提出一种基于DeepSORT和改进YOLOv5的煤矿井下钻杆计数方法。首先,设计DR-C3模块,提高YOLOv5网络提取特征的能力;其次,引入GAM注意力机制,减少复杂背景的干扰;然后,通过CARAFE上采样算子扩大感受野;最后,结合DeepSORT算法对钻杆进行实时追踪计数。实验结果表明,改进后的YOLOv5 mAP@0.5提升了2.8%;钻杆计数平均精度达99.4%,检测速度达到93帧/s,计数精度高,满足实际需求。

二次供水系统不锈钢改造对水质微生物安全性的成效

二次供水系统材质对输配水质有重要影响。为了研究二次供水系统更新不锈钢材质对管网微生物水质改善成效,采用基于R2A贫营养培养基的异养菌平皿计数(HPC)检测方法和基于16S rRNA基因高通量测序的微生物组学技术对上海市直饮水示范区不锈钢材质改造前后的微生物质量进行了评估。结果表明,不锈钢管道改造可以有效降低二次供水系统中的微生物数量。在夏季对供水末端实施不锈钢材质改造后,供水水质中HPC数量明显下降。其中,高层泵后从改造前的平均968 CFU/mL降至178 CFU/mL,降幅约达82%;6楼立管从改造前的平均1383 CFU/mL降至88 CFU/mL降幅约达93.7%。未改造小区B的HPC整体水平高于改造小区A,改造后的小区B的HPC数量低于改造前。温度对二次供水末端微生物数量影响明显,10月数量明显高于11月和12月。从原水、出厂水到泵房水池进水,优势菌属由不动杆菌属转变为假单胞菌属,入户后Phreatobacter菌属逐渐占据优势。改造前的小区B相比改造后小区A拥有潜在致病表型和生物膜形成能力表型的微生物相对丰度更高,并主要由高丰度的不动杆菌属组成。二次供水不锈钢管材更换可以通过降低有关生物膜形成功能相关和致病相关的细菌丰度来控制饮用水中的部分微生物风险。

基于改进MobileNetV2的钻杆计数方法研究

煤层天然气预抽可提高煤矿井下开采效率和天然气利用率,而钻孔深度是天然气预抽的关键参数。为此,对钻杆计数方法展开了详细研究。建立钻机工作状态数据集作为钻杆计数方法的数据基础,探究了煤矿井下不同环境中的钻杆计数方法。针对钻机稳定工作环境中钻杆计数精度低的问题,提出了基于改进MobileNetV2(P-MobileNetV2)的解决方案。结果表明,P-MobileNetV2在钻机工作状态识别任务上优于其他7种经典图像识别模型,在煤矿井下具有一定的应用可行性。

基于改进ResNet网络的井下钻杆计数方法

针对现有井下钻杆数量统计方式精度较低、受环境变化影响大等问题,结合卷积神经网络、信号滤波等技术,提出了一种基于改进ResNet网络的井下钻杆计数方法。根据视频图像中卸杆动作与非卸杆动作的差异,采用ResNet-50网络模型对样本集进行分类训练,判断视频中每一帧图像是否包含卸杆动作;结合线性学习率预热和基于Logistic曲线的学习率衰减策略进行学习率更新,以提高模型分类准确率;通过积分法对视频分类置信度进行滤波,并统计置信度曲线下降沿数量,实现钻杆计数。实验结果表明,预热+衰减的学习率更新策略能够有效提高图像分类模型的分类精度,模型分类检测准确率为89%。实际应用结果表明,基于改进ResNet网络的井下钻杆计数方法可以高效识别视频中的卸杆图像,平均钻杆计数精度为97%,满足实际应用需求。

基于改进时空图卷积神经网络的钻杆计数方法

针对现有钻杆计数方法存在劳动重复、计数误差较大、未考虑动作的时序信息等问题,提出了一种基于改进时空图卷积神经网络(MST-GCN)模型的钻杆计数方法。首先,通过矿用监控摄像头获取井下打钻视频数据,采用Alphapose算法在图像序列中提取人体的关键点信息,得到单帧图像上的人体骨架和连续图像序列上的骨架序列数据,进而构建表征人体动作的骨架序列;然后,在时空图卷积神经网络(ST-GCN)模型的基础上设计了MST-GCN模型,采用远空间分区策略关注骨架上距离较远的关键点运动信息,通过注意力机制网络SENet融合原空间特征与远空间特征,从而有效识别骨架序列上的动作类别;最后,在打钻视频上利用支持向量机辨识打钻姿势来决定是否保存骨架序列,若骨架序列长度保存到150帧则使用MST-GCN模型识别动作类别,并根据实际打钻时间设置相邻动作的识别间隔,从而记录动作数量,实现钻杆计数。实验结果表明:在自建的数据集上,MST-GCN模型的识别准确率为91.1%,比ST-GCN、Alphapose-LSTM和NST-GCN动作识别模型的准确率分别提升了6.2%,19.0%和4.8%,模型的损失值收敛在0.2以下,学习能力更强。在相同条件的打钻视频上,MST-GCN模型、人工方法和改进ResNet方法的平均误差依次为0.25,0.75,21次,说明MST-GCN模型的计数效果更好。在真实打钻1300根的现场应用中,MST-GCN模型的平均误差为9根,误计数结果低,能够满足实际需求。

基于归一化尺度计盒维数的超声波分形特征研究

基于归一化尺度计盒维数方法研究了超声波分形特征.提出了将时间尺度与幅值尺度归一化的计盒维数方法来快速计算超声回波分形维数;在此基础上,对管道中缺陷超声回波的分形维数进行了计算与统计分析,得到了超声回波的分形维数的统计分布规律.研究结果表明,超声回波具有分形标度不变性,计盒维数能够反映超声回波信号波形的复杂程度和不规则程度,这种方法可以在超声自动检测中用来快速判断缺陷的有无.

钻杆长度测量方法

论述了计数法、应力波法、电驻波法以及低压脉冲反射法等钻杆长度测量方法的原理、研究及应用情况,对比了各方法的优缺点,指出电驻波法和低压脉冲反射法不受钻杆材质、直径、类型等因素影响,是钻杆长度测量的研究方向。

直管段包装过程中的视觉计数系统设计

目的提出一种基于视觉图像处理的直管段端面圆边缘检测算法与装置,用于直管段精确计数,以提高计数精度和包装效率。方法使用CCD采集直管段端面图像,在Matlab软件中编写检测算法,分别通过对像素坐标、阈值大小的调节来增强图像的对比度,完成图像的灰度化、二值化预处理。将霍夫变换与HarrisLaplace算法相结合,并对管段端面进行边缘检测;通过设定管径大小实现端面圆形边缘的识别、显示与计数。结果将直管段放入设计的视觉计数装置中,通过可动挡板使端面对齐后,采用图像处理技术来实现视觉计数,多次测试结果验证了系统的正确性。结论该方法可以用于直管段的自动计数。

计及排斥力损失的密集堆垛钢管识别方法

针对待检测的密集堆垛的钢管数量大、背景杂乱、拍摄角度和光照条件不一致、钢管截面形状和堆垛不整齐等复杂场景,在研究分析传统图像识别方法和现有基于卷积神经网络的目标检测方法的不足的基础上,提出了利用变分自编码器模型实现目标物体的半自动标注,然后提出了计及排斥力损失的目标检测优化算法对密集堆垛图像中的钢管截面进行精确识别。现场图像进行识别实验的结果证明,对于复杂场景下的钢管识别,此算法具有很高的精度和鲁棒性。相对于现有的方法,本算法具有更好的识别效果和工程实用性,具有很高推广意义。

吸管包装机的开发与应用

讨论了吸管包装机的设计与控制技术 ,该包装机开发和应用表明 ,多管的吸管包装机的质量和生产率均能达到设计要求。

基于ECO-HC的钻杆计数方法

针对现有煤矿井下钻杆计数方法存在精度较低、抗干扰能力弱等问题,提出了一种基于ECO-HC的钻杆计数方法。使用ECO-HC算法实时跟踪钻杆目标,从而得到钻杆目标运动轨迹。通过分析钻杆目标轨迹波形图建立计数模型,实现钻杆计数。ECO-HC算法采用相关滤波和高效卷积操作方法,充分利用跟踪目标的特征信息,快速准确地得到跟踪目标在下一帧的位置。实验结果表明,ECO-HC算法在跟踪速度上达到了65帧/s,满足了实时性的要求,并且在遮挡和光照变化干扰下仍能准确跟踪目标。实际应用结果表明,基于ECO-HC的钻杆计数方法平均钻杆统计精度为99.35%,满足实际应用需求。

基于HSV空间与形态学的石油套管计数方法

针对人工盘点套管效率和准确率低,提出一种基于图像处理的自动检测方法。首先采集套管端面原始数字图像在空间域去噪,然后转到HSV空间中利用H通道的高低阈值限定与形态学开闭操作形成清晰的轮廓,再提取形状特征去除干扰,得到准确的识别计数结果。对现场采集的图片进行实验,验证了该算法计数准确、高效。

融合注意力机制与逆残差结构的轻量级钻机目标检测方法

为实现煤矿下定向钻进钻机钻孔深度的精准测量,提出一种融合注意力机制与逆残差结构的轻量级钻机目标检测网络(GCI-YOLOv4),通过自动、快速及准确检测记录钻机的运动轨迹,获取打入钻杆数量,计算出钻孔深度。针对煤矿下色域区分度低问题,采用GhostNet作为特征提取网络去除复杂背景的冗余特征,同时轻量化模型,加快推理速度。针对煤矿井下光照不均导致钻机目标显著度低的问题,引入注意力模块增强钻机在复杂背景中的显著度。针对钻机高速运动时难以被准确检测的问题,引入逆残差结构,提取更丰富语义特征的同时保持速度与精度的均衡。为保证模型的准确性和可靠性,将提出的检测算法与5种经典目标检测算法进行对比。实验结果表明,GCI-YOLOv4可以较好的解决煤矿下背景色域区分度低、钻机高速运动以及受光照不均等问题,平均检测精度达到99.49%,检测速度达到58.10 FPS,性能优于经典目标检测算法。将GCI-YOLOv4部署在工作面现场进行测试,能够准确获取钻机的运动轨迹,通过滤波处理统计上升沿计算钻杆数量,钻杆计数精度达到99.4%,精确计算出钻孔深度,验证了该方法的可行性和实用性。

基于样本集提取的现场钢材计数研究

针对现有方法实现现场计数的不可行性,提出一种基于提取样本的方式来实现现场环境下钢管计数方法。首先采用GRA和Top-hat联合增强方式改善图像质量,然后通过采用形态学填充的方式寻找标准物体样本集,最后形成权值模板再对梯度图像进行检测、统计计数。实验结果表明,该方法可以很好地在钢管加工过程及出入库中检测出钢管数量,具有较强的实用性。

基于改进MobileNetV2的钻杆计数方法

针对现有基于人工及仪器的钻杆计数法存在精度较低、耗时耗力,现有基于图像处理的钻杆计数方法难以提取图像特征,网络模型复杂度高、计算量大等问题,提出了一种基于改进MobileNetV2的钻杆计数方法。通过摄像头采集钻机工作状态图像,采用数据增强对采集的图像进行预处理,在MobileNetV2的基础上,添加卷积注意力模块增强特征的细化能力,优化目标函数提升识别精度,通过迁移学习获取初始参数。将改进后的MobileNetV2作为钻机工作状态识别模型,提取钻机工作状态特征,通过识别钻杆钻进完整过程中装钻杆、打钻杆、卸钻杆、停机4种钻机工作状态生成置信度数据,通过滑动窗口对置信度数据进行滤波,统计钻杆数量,明确钻孔深度。实验结果表明:改进后的MobileNetV2模型识别准确率达99.95%,与经典分类模型ResNet50,Xception,InceptionV3,InceptionResNetV2,MobileNetV2相比,准确率分别提升了1.35%,1.28%,1.43%,0.85%,1.25%,参数量比MobileNetV2模型减少了38.9%,模型收敛速度更快,综合性能更好。将基于改进MobileNetV2的钻杆计数方法应用于煤矿综采工作面的钻杆计数中,平均钻杆计数精度为98.4%,实现了钻杆精确计数,验证了该方法在复杂环境下应用的可行性和实用性。

基于斑点检测的钢管堆垛自动计数方法

针对待检测的钢管数量大、背景杂乱、拍摄角度和光照条件不一致、钢管形状和堆垛不整齐等复杂场景,在研究分析现有方法不足的基础上,文章首先提出了利用支持向量机(SVM)算法进行图像阈值估计,然后利用斑点检测对目标图像中的钢管进行识别的方法。现场图像进行识别实验的结果证明,对于复杂场景下的钢管识别,此算法具有很高的精度和鲁棒性。相对于现有的方法,本算法具有更好的识别效果和工程实用性,具有很高的推广意义。

2种消毒剂对牙周超声洁牙机独立水路消毒效果的比较

目的 比较体积分数3%过氧化氢溶液和500 mg/L含氯消毒液分别用于牙周超声洁牙机独立水路的消毒效果,为口腔科临床水路消毒管理工作提供参考。方法 将牙周科18台超声洁牙机随机分成3组,1个对照组和2个实验组,每组6台。对照组更换无菌水源和供水管,对机器及手柄连接线内不可更换的水路管道不做处理;实验组更换无菌水源和供水管,对不可更换的水路管道采用消毒剂消毒处理。实验1组采用3%过氧化氢溶液消毒,实验2组采用500 mg/L的含氯消毒液消毒。3组均在当天消毒前、消毒后即刻、消毒后1~10 d每天开诊前在洁牙机工作端出水口取水检测,进行水样细菌培养及菌落计数,比较组内及组间消毒前后菌落数,水中菌落数不超过100 CFU/mL为合格。消毒后在每组菌落数首次出现超标时进行一次细菌种类质谱鉴定分析。在消毒后第10天时扫描电镜观察3组水路管道内壁生物膜情况。结果 消毒前,3组细菌菌落计数均不合格,差异无统计学意义(F=2.549,P=0.111)。消毒后,各时间点对照组洁牙机出水口水样细菌菌落数均超标,培养出瓜类鞘氨醇单胞菌、哈特草螺菌、皮氏罗尔斯通氏菌3种细菌。实验1组消毒后第1、2天的水样菌落数达标,与对照组相比,差异有统计学意义(P<0.05),消毒后第3天起菌落数超标,同时培养出鞘氨醇单胞菌、哈特草螺菌、皮氏罗尔斯通氏菌3种细菌。实验2组消毒后第1~6天菌落数达标,与对照组比较,差异有统计学意义(P<0.05),消毒后第7天起每日菌落数超标,同时培养出哈特草螺菌和皮氏罗尔斯通氏菌2种细菌。实验2组消毒后的10 d平均菌落数少于实验1组(P<0.001)。电镜下见2个实验组生物膜厚度明显低于对照组。结论 牙周超声洁牙机独立水路存在污染;3%过氧化氢溶液和500 mg/L含氯消毒液两种消毒剂对洁牙机内水路均有消毒作用,500 mg/L含氯消毒液消毒效果优于3%过氧化氢溶液;采用3%过氧化氢溶液消毒牙周超声洁牙机独立水路建议隔日消毒1次,采用500 mg/L含氯消毒液则建议每周消毒1次。

焊接贝氏体-奥氏体钢管贝氏体钢侧的巴克豪森效应

研究了焊接贝氏体－奥氏体钢管贝氏体钢侧显微组织变化和残余应力分布对巴克豪森噪声（ＢＮ）的影响。结果表明，随着离焊缝距离的增加，显微组织可分为四个区域：粗大板条贝氏体加少量板条马氏体区，均匀细小的粒状贝氏体区（正火区），较粗大粒状贝氏体加少许块状铁素体区（过渡区）和原始粒状贝氏体区；轴向残余应力逐渐减小，周向残余应力的分布特征不明显；ＢＮ振铃计数率在焊缝贝氏体钢侧具有最大值而在距其１０ｍｍ处降至最低值，此后有逐渐回升趋势。对试验结果进行了分析与讨论。