-
题名基于渐进式卷积神经网络的焊缝缺陷识别
被引量：6
- 1
-
-
作者
陈立潮
解丹
张睿
解红梅
潘理虎
-
机构
太原科技大学计算机科学与技术学院
国电华北电力有限公司廊坊热电厂
-
出处
《计算机工程与设计》
北大核心
2020年第9期2611-2615,共5页
-
基金
山西省应用基础研究基金项目(201801D221179)
太原科技大学校博士科研启动基金项目(20162036)
山西省自然科学基金项目(201701D21059)。
-
文摘
焊缝缺陷的形状不规则等特点导致传统算法及技术难以达到高精度识别的要求,为此提出一种复杂度较低的渐进式卷积神经网络(progressive convolutional neural network,P-CNN)对焊缝缺陷进行识别。该网络各层采用相同大小的特征图,避免重要特征遗漏,为避免过拟合和欠拟合,学习过程中先以少量样本为基数进行训练,之后成倍增加训练样本的数量,直至准确率达到98%时,不再增加样本数量。实验结果表明,该方法能有效识别多种焊缝缺陷,较传统的卷积神经网络识别精度有6.7%的提高,在工程的应用与推广中具有一定意义。
-
关键词
焊缝
缺陷识别
卷积神经网络
渐进式学习
渐进式卷积神经网络
-
Keywords
weld
defect identification
convolutional neural network
progressive learning
progressive convolutional neural network
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名碱式硫酸铝解吸脱硫法催化氧化S(Ⅳ)试验
被引量：2
- 2
-
-
作者
王永欣
温高
赵爽
张子敬
-
机构
国电华北电力有限公司廊坊热电厂
内蒙古工业大学能源与动力工程学院
-
出处
《热力发电》
CAS
北大核心
2017年第3期98-103,共6页
-
基金
国家自然科学基金项目(51468048)
内蒙古自治区高等学校科学研究项目(NJZY13118)~~
-
文摘
针对碱式硫酸铝解吸脱硫法,研究Fe^(2+)、Fe^(3+)和Mn^(2+)单因素在不同浓度条件下对S(Ⅳ)的催化氧化效应和对SO_2解吸率的影响。结果表明:当脱硫液中Fe^(2+)浓度大于0.06mol/L、Fe^(3+)浓度大于0.04mol/L或Mn^(2+)浓度大于0.02mol/L时,均可将S(Ⅳ)催化氧化为S(Ⅵ),导致SO_2的解吸率降低,且离子浓度越高,催化氧化效果越显著,单位时间内SO_2的解吸率越低;将脱硫液中Fe^(2+)、Fe^(3+)和Mn2+的浓度控制在上述范围内,可完全抑制其催化氧化作用。
-
关键词
碱式硫酸铝
解吸脱硫法
金属离子
亚硫酸根
S(Ⅳ)催化氧化
SO2
解吸率
-
Keywords
basic aluminium sulfate, desorption desulfurization method, metal ion, sulfite, S（ IV ） catalyticoxidation, S02, desorption rate
-
分类号
TQ534.9
[化学工程—煤化学工程]
-
