船舶舱底含油废水中的超滤膜深度处理研究

船舶舱底的含油废水,主要是由船舶机舱内各种阀件和管路中漏出的废水,或是轮机在运转过程中泄漏的油污组合而成。而超滤膜技术凭借其小空间、低能耗、精简化、高效率的特点,目前在处理船舶舱底含油废水中效果显著。但在运行过程中,膜污染则不可避免,其在实际应用中不仅会造成膜通量下降甚至影响膜的分离特性,进而降低超滤膜工艺的工作效率。同时如果对船舶舱底长期采取化学药剂的清洗,还是会不可避免的对船体本身造成损耗,减少其使用寿命,甚至会导致其过滤性能彻底失效。因此针对船舶舱底含油废水,如何科学合理地采取超滤膜技术对其进行处理,是本文研究的重点。     

改进神经网络的船舶红外图像边缘检测方法

研究改进神经网络的船舶红外图像边缘检测方法,提升边缘检测抗噪声干扰能力。采用块匹配的主成分分析方法对船舶红外图像实施去噪处理后,经梯度算子将降噪后船舶红外图像转换为二值图像;以BP神经网络为基础,通过附加动量法-自适应学习速率调整BP神经网络权值,提高网络训练鲁棒性;将转换后舰船二值图像作为改进神经网络的输入,在实施网络训练后得出输出值,依据输出值和设置阈值的对比结果,获取船舶红外图像边缘点,实现船舶红外图像边缘检测。实验结果表明：该方法降噪后船舶红外图像的PSNR值全部高于40 dB,降噪效果较好;可有效提取船舶红外图像边缘特征且边缘检测结果清晰、连贯,能够达到船舶红外图像边缘检测标准。     

深度神经网络在船用齿轮箱故障诊断中的应用

船用齿轮箱故障诊断系统,通常采用的是基于模型的故障诊断方法,需要依赖专家对采集到的振动信号进行分析和判断,且设备的运行状态会随着时间的推移发生变化。传统的故障诊断方法受专家知识和经验的影响较大,难以获得全局最优解,导致其准确率较低。针对该问题,本文基于深度神经网络（DNN）的故障诊断方法,通过大量实验研究,确定了DNN模型中最佳参数和超参数。实验结果表明,在船用齿轮箱故障诊断领域,DNN模型不仅能够有效地对齿轮箱进行故障诊断,而且具有较高的准确率和较快的收敛速度。     

“党建+水上红旅”大学生党史学习教育实践路径浅析

大学生作为年轻有活力一族的代表,是社会进步的主要推动力,而党史教育是大学生增强对党的认同感和归属感、树立正确价值观的主要方式。本文通过调查分析大学生党史学习教育现状,重视实践,突出实践,从全新红旅融合出发,探索符合新时代需求的党史学习教育新模式,焕发高校学生党建新活力。     

基于自动深度学习盾构掘进姿态预测与控制

提出了基于自动深度学习（AutoDL）算法和多目标优化算法的结合可实现数据驱动的姿态偏差控制指导,用于盾构掘进姿态的预测与控制,以解决现有盾构掘进姿态预测中所面临的执行难度高、成本高、效率低等问题,可用于自动精准地预测盾构掘进姿态随着工程进展的动态变化趋势,并针对盾构机施工状态执行多目标优化算法,快速自动搜寻最优策略,实时调整合适的盾构操作参数,减少对于现场操作人员经验和主观判断的依赖。以上海市天然气主干管网崇明岛-长兴岛-浦东新区五号沟LNG站管道工程隧道A线工程为例,展示该算法框架的优越性。研究结果有助于降低深度学习进入盾构智能控制领域的门槛,推动智能盾构发展。     

哲思高邃慧臻大成--序《智慧的钥匙--钱学森系统科学文选》

钱学森院士的原著《智慧的钥匙——钱学森系统科学文选》由上海交通大学出版社编辑出版,这是全国人民在以胡锦涛为总书记的党中央领导下,落实十六大精神,按照科学的发展观,全面建设小康社会的一本重要的学习材料。对于广大公务员和大学师生来说,更是学习科学的工作方法和用马克思主义哲学研究自然科学、社会现象的一本重要指南。     

一种气动式深度模拟器设计

提出一种气动式深度模拟器,通过实时检测计算实际模拟压力和设定压力的误差和误差变化率,采用模糊PID算法控制进／排气比例阀的开度,产生期望的压力输出,用来模拟不同海洋深度下的压力。讨论了密闭容器充放气过程的简化模型,并对系统中的关键技术及具体实施方案进行了研究,具有实际使用价值。     

检修无级变速器特殊故障的教训

如今中国汽车科技飞速发展,各式各样的新技术应用于汽车上,无级变速器的应用就是一个例子,这就迫使我们要不断学习,以适应时代潮流。最近笔者遇到这样一个故障:　一辆南京菲亚特派力奥轿车因一次事故对变速器修理后,换挡杆从P 挡到R挡,或从N 挡到D挡时,变速器冲击严重,正常行驶     

基于一维ConvNeXt网络的齿轮箱故障诊断

针对齿轮箱发生故障时内部齿轮与滚动轴承受损情况复杂且难以识别的问题,提出一种基于ConvNeXt网络的齿轮箱故障诊断方法。该网络模型以深度可分离卷积为基础框架,构建适用于一维数据的残差块。为了提升网络模型的拟合能力,引入GELU(Gaussian Error Linear Units)激活函数对数据进行非线性变换。使用层标准化对数据进行归一化处理,抑制了中间协变量偏移现象并提升了网络的收敛速度和稳定性。使用DDS(Drivetrain Dynamics Simulator)齿轮箱故障数据集进行实验,结果表明此网络模型大幅降低了网络模型参数量,对齿轮箱各类故障均有较高的识别精度并具有良好的抗噪性。     

基于双路神经网络融合模型的高速公路雾天检测

高速公路天气状况实时监察对于高速行车安全具备重要意义,然而气象检测只能对大范围区域的气象情况进行预报,不能满足高速行车各个路段气象情况实时检测的需求. 为此,提出一种基于双路神经网络融合模型的高速公路雾天检测算法. 该算法基于双路深度神经网络融合模型,提取雾天图像的可视深度图以及暗通道图像两种视觉特征,并利用深度神经网络进行建模,获得初步分类结果;然后,再利用均值融合层进行分数融合. 为了全面评测该算法的性能,构建了一个覆盖多个省份高速公路的视频监控雾天数据集（express way fog detection dataset,EWFD）,该数据集能够全面涵盖国内高速公路的天气情况,并在该数据集上做了全面的分析对比实验. 实验结果显示,本文所提出的双路神经网络融合模型的雾天监测算法取得了93.7%的准确率,与国际前沿的检测分类算法101层残差网络（ResNet-101）相比,本文提出的算法准确率提高了10%以上.