期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于过渡金属的低温选择性脱硝催化剂的制备与性能
被引量：
1
1
作者
赵瑞环
于才渊
+2 位作者
李烁
毕秋实
王喜忠
《化工进展》
EI
CAS
CSCD
北大核心
2017年第B11期247-252,共6页
采用改性活性炭作为载体,过渡金属作为活性组分,进行低温SCR催化剂的制备和性能研究。使用浓硝酸对活性炭进行氧化改性,以Mn、Fe、Co、Ce作为活性组分,通过浸渍法加入到改性后的活性炭载体内,在惰性气体保护下进行焙烧并冷却得到催化剂...
采用改性活性炭作为载体,过渡金属作为活性组分,进行低温SCR催化剂的制备和性能研究。使用浓硝酸对活性炭进行氧化改性,以Mn、Fe、Co、Ce作为活性组分,通过浸渍法加入到改性后的活性炭载体内,在惰性气体保护下进行焙烧并冷却得到催化剂。利用固定床对催化剂进行性能测试,使用NH3作为还原剂,研究了各种操作条件对催化剂催化活性的影响。实验结果表明,本文研制的催化剂在80~150℃低温条件下对NO有较高的催化活性,脱硝效率最高可达99%。同时,对催化剂的抗硫性、催化剂的寿命进行了检测。本文的研究为低温SCR催化剂的工业应用奠定了坚实的基础。
展开更多
关键词
氮氧化物
选择性催化还原
过渡金属
脱硝
在线阅读
下载PDF
职称材料
基于机器视觉和卷积神经网络的轨道表面缺陷检测方法
被引量：
27
2
作者
姚宗伟
杨宏飞
+3 位作者
胡际勇
黄秋萍
王震
毕秋实
《铁道学报》
EI
CAS
CSCD
北大核心
2021年第4期101-107,共7页
为提高轨道表面缺陷查准率、召回率和检测效率,采用形态学滤波与概率霍夫变换算法剔除原始图像噪声,实现对轨道表面缺陷的快速准确识别;顺次应用阈值法和离散法得到轨道的真正边缘定位,解决Canny算子在提取轨道边缘时产生大量伪边缘的问...
为提高轨道表面缺陷查准率、召回率和检测效率,采用形态学滤波与概率霍夫变换算法剔除原始图像噪声,实现对轨道表面缺陷的快速准确识别;顺次应用阈值法和离散法得到轨道的真正边缘定位,解决Canny算子在提取轨道边缘时产生大量伪边缘的问题;构建能兼顾召回率和查准率的改进交叉熵损失函数,基于卷积神经网络进行特征提取,建立高效的轨道表面形态分类器。采用8523张实拍轨道图像进行试验,试验结果为:单次检测时间27 ms、查准率为96.42%、召回率为92.21%,综合表现优于MLC、Inception-v3和Cropimagecnn三种方法。
展开更多
关键词
轨道缺陷检测
机器视觉
深度学习
卷积神经网络
特征提取
在线阅读
下载PDF
职称材料
基于Kriging和MCMC的结构可靠性主动学习算法
被引量：
2
3
作者
张灏岩
毕秋实
+1 位作者
李勃
郭广勇
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2021年第10期1444-1450,共7页
在进行机械结构可靠性分析时,由于很多工程问题的性能函数较为复杂,计算成本很高,所以常采用代理模型拟合隐式性能函数来降低计算成本.为了能够利用较少的样本信息,获得较高的可靠度计算精度,将Kriging代理模型与学习函数相结合,提出一...
在进行机械结构可靠性分析时,由于很多工程问题的性能函数较为复杂,计算成本很高,所以常采用代理模型拟合隐式性能函数来降低计算成本.为了能够利用较少的样本信息,获得较高的可靠度计算精度,将Kriging代理模型与学习函数相结合,提出一种主动学习可靠性分析计算方法.该方法找出学习效果最好的样本点对Kriging模型进行更新,提高了模型的拟合精度.用马尔科夫链蒙特卡洛(MCMC)方法对结构的可靠性进行了评估,加快了样本点的收敛速度,节约了样本空间.通过分析4个算例的结果表明与其他方法相比,该方法能通过较少的样本点得到精度更高的计算结果,降低了计算成本.
展开更多
关键词
可靠性
KRIGING
MCMC
主动学习
失效概率
在线阅读
下载PDF
职称材料
题名
基于过渡金属的低温选择性脱硝催化剂的制备与性能
被引量：
1
1
作者
赵瑞环
于才渊
李烁
毕秋实
王喜忠
机构
大连理工大学化工学院
三力本诺化学工业有限公司
出处
《化工进展》
EI
CAS
CSCD
北大核心
2017年第B11期247-252,共6页
文摘
采用改性活性炭作为载体,过渡金属作为活性组分,进行低温SCR催化剂的制备和性能研究。使用浓硝酸对活性炭进行氧化改性,以Mn、Fe、Co、Ce作为活性组分,通过浸渍法加入到改性后的活性炭载体内,在惰性气体保护下进行焙烧并冷却得到催化剂。利用固定床对催化剂进行性能测试,使用NH3作为还原剂,研究了各种操作条件对催化剂催化活性的影响。实验结果表明,本文研制的催化剂在80~150℃低温条件下对NO有较高的催化活性,脱硝效率最高可达99%。同时,对催化剂的抗硫性、催化剂的寿命进行了检测。本文的研究为低温SCR催化剂的工业应用奠定了坚实的基础。
关键词
氮氧化物
选择性催化还原
过渡金属
脱硝
Keywords
nitrogen oxide
selective catalytic reduction （SCR）
transition metal
denitration
分类号
X511 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
基于机器视觉和卷积神经网络的轨道表面缺陷检测方法
被引量：
27
2
作者
姚宗伟
杨宏飞
胡际勇
黄秋萍
王震
毕秋实
机构
吉林大学机械与航空航天工程学院
数控装备可靠性教育部重点实验室
一汽-大众汽车有限公司
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2021年第4期101-107,共7页
基金
国家自然科学基金(51875232)。
文摘
为提高轨道表面缺陷查准率、召回率和检测效率,采用形态学滤波与概率霍夫变换算法剔除原始图像噪声,实现对轨道表面缺陷的快速准确识别;顺次应用阈值法和离散法得到轨道的真正边缘定位,解决Canny算子在提取轨道边缘时产生大量伪边缘的问题;构建能兼顾召回率和查准率的改进交叉熵损失函数,基于卷积神经网络进行特征提取,建立高效的轨道表面形态分类器。采用8523张实拍轨道图像进行试验,试验结果为:单次检测时间27 ms、查准率为96.42%、召回率为92.21%,综合表现优于MLC、Inception-v3和Cropimagecnn三种方法。
关键词
轨道缺陷检测
机器视觉
深度学习
卷积神经网络
特征提取
Keywords
track defect detection
machine vision
deep learning
convolutional neural network
feature extraction
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于Kriging和MCMC的结构可靠性主动学习算法
被引量：
2
3
作者
张灏岩
毕秋实
李勃
郭广勇
机构
吉林大学机械与航空航天工程学院
出处
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2021年第10期1444-1450,共7页
基金
国家自然科学基金资助项目(51775225).
文摘
在进行机械结构可靠性分析时,由于很多工程问题的性能函数较为复杂,计算成本很高,所以常采用代理模型拟合隐式性能函数来降低计算成本.为了能够利用较少的样本信息,获得较高的可靠度计算精度,将Kriging代理模型与学习函数相结合,提出一种主动学习可靠性分析计算方法.该方法找出学习效果最好的样本点对Kriging模型进行更新,提高了模型的拟合精度.用马尔科夫链蒙特卡洛(MCMC)方法对结构的可靠性进行了评估,加快了样本点的收敛速度,节约了样本空间.通过分析4个算例的结果表明与其他方法相比,该方法能通过较少的样本点得到精度更高的计算结果,降低了计算成本.
关键词
可靠性
KRIGING
MCMC
主动学习
失效概率
Keywords
reliability
Kriging
MCMC
active learning
failure probability
分类号
TB114.3 [理学—概率论与数理统计]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于过渡金属的低温选择性脱硝催化剂的制备与性能
赵瑞环
于才渊
李烁
毕秋实
王喜忠
《化工进展》
EI
CAS
CSCD
北大核心
2017
1
在线阅读
下载PDF
职称材料
2
基于机器视觉和卷积神经网络的轨道表面缺陷检测方法
姚宗伟
杨宏飞
胡际勇
黄秋萍
王震
毕秋实
《铁道学报》
EI
CAS
CSCD
北大核心
2021
27
在线阅读
下载PDF
职称材料
3
基于Kriging和MCMC的结构可靠性主动学习算法
张灏岩
毕秋实
李勃
郭广勇
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2021
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
