【摘 要】
：
当前随着我国经济实力的不断提升，各行各业的发展速度也在不断加快，其中石油化工行业整体的发展形势非常良好，受到社会各界的关注。石油化工设备是石油化工行业实现良好发展的重要基础，设备的正常运转对于行业的发展起到了决定性的作用。不过在石油化工设备中经常出现腐蚀情况，这会对设备整体的功能产生影响，如果腐蚀情况非常严重，会造成设备不能够正常使用甚至安全事故的发生。所以要对石油化工设备产生的腐蚀问题进行关注，
论文部分内容阅读
当前随着我国经济实力的不断提升，各行各业的发展速度也在不断加快，其中石油化工行业整体的发展形势非常良好，受到社会各界的关注。石油化工设备是石油化工行业实现良好发展的重要基础，设备的正常运转对于行业的发展起到了决定性的作用。不过在石油化工设备中经常出现腐蚀情况，这会对设备整体的功能产生影响，如果腐蚀情况非常严重，会造成设备不能够正常使用甚至安全事故的发生。所以要对石油化工设备产生的腐蚀问题进行关注，同时根据实际的腐蚀状况，拿出有效的防腐措施。
其他文献
＜正＞ 在人体排尿过程中尿流最是由小转大而达到高峰,然后再逐渐减小,直到排尿结束为止,可构成一条尿流尾曲线。下尿路的很多病变可影响这条曲线的形态。医生直接观察尿流虽然比较直接、简单,但是不准确,因此需要用仪器加以记录。近十几年来各国的学者分别用不同原理设计制作各种类型的尿流量计。早在1948年,Drake报告利用尿流重量来测定尿流量。1967年Cardus等让尿流经一个漏斗,使尿流中所含的电解质改
以KOH为活化剂，优化毛豆壳活化生物炭（A-SBC）的制备条件，研究不同体系对A-SBC吸附甲萘威的影响，分析A-SBC对甲萘威的吸附动力学、热力学特性，以期为实现毛豆壳的资源化利用和控制甲萘威农药的环境污染提供理论依据和技术支撑。结果表明：将毛豆壳在700 ℃、1 h预碳化后，与KOH按1:2.0的质量比混合，在750 ℃、1.5 h的条件下活化，获得的A-SBC对甲萘威的吸附性能最佳，吸附率达
显著对象检测是计算机视觉领域中捕获图像关键区域的重要手段。随着互联网的普及以及移动拍摄技术的完善,大量图像数据涌现,在为显著对象检测工作提供便利的同时,也对其精准度和泛化性提出了新要求,带来了新挑战。近年来,基于深度学习的显著性检测工作在特征提取方面做出了突破,可以有效代替传统手工特征提取,节省了人力、物力资源。然而,如何提取高质量的有效特征,实现更高效的检测,是当下面临的主要挑战。对此,论文提出
目前3D数据的深度学习架构被广泛应用于分类、分割、场景识别等任务中,众多的3D数据表示形式中3D点云和体素是较为常见和常用的两种表示方法,基于3D点云数据提出的Point Net和基于体素数据的Vox Net网络均在3D物体的分类领域得到了很好的效果。但是基于点云的深度学习方法和体素的深度学习方法各有缺陷和不足。点云数据是非结构化数据,缺乏数据结构,从无序的点集输入中获取模型的局部特征较为困难,需
射频干扰的识别和标记是500米口径球面射电望远镜（FAST）数据处理流程（pipeline）的主要步骤之一。由于其较高的灵敏度和较大的数据产生率,需要一种准确和有效标记FAST的中性氢数据中射频干扰的方法。在过去的几年里,采用人工智能（AI）的方法,如使用卷积神经网络（CNN）的模型,已经能较为可靠和有效地识别射频干扰。然而,用这种方法标记FAST的射频干扰通常还需要进一步对结果进行人工优化,仍无
利用环境脉动作为激励振源,测试了一叠层橡胶支座隔震结构的脉动响应信号,并利用工程振动反演理论分析得到了该结构的固有频率、振型、阻尼比等动力特性。将其与理论计算结果进行了比较分析,可以认为,用脉动法获得的是隔震结构发生微小变形时的动力特性,为今后进行隔震结构的设计提供了参考。
将机器学习应用到推荐系统,可以使数据快速获取并转变为至关重要的决策。但是,当前的研究工作仍有一些挑战性问题需要进一步解决。例如,传统的推荐算法中缺少足够有用的数据,大大降低了效率,甚至会严重影响到推荐精度。事实上,推荐系统一直面临这样的稀疏数据问题,解决方案之一是引入信任信息。但是,信任信息本身也可能存在稀疏性问题,即所谓的稀疏信任问题。本文提出了一个在可传递信任网络中具有双向稀疏信任的推荐模型,
人群计数是指在监控区域中进行数据收集,通过计算机对数据的处理,从而分析得到其中的的人数。它在公共安全管理,交通检测,市场分析等方面有着广泛的应用。目前较为成熟的人群计数工作大多是计算机视觉方向的。但是由于用户隐私与光照条件的限制,这些工作无法全面满足各种不同的人群计数监测的需求。Wi-Fi凭借着成本低、非侵入性、普适性好等诸多优势,也引起了不少学者的研究兴趣。本文研究了基于Wi-Fi信道状态信息（
随着信息技术的不断发展,学术数据也逐渐信息化规模化,有效的利用学术数据探索学科,揭示学科结构及其发展规律对于推动学科发展促进学科交流至关重要。对于学科的领域专家来说,深入的了解学科结构和发展历史有助于科研新话题的发掘;而对于非专家来说,文献数据中的学科发展规律可以帮助他们更快的建立起对该学科的初步了解。本文提出了一种对文献数据的可视分析方法,该方法利用文本挖掘技术从大规模的科学文献中提取出语义上的
稀疏奖赏环境在现实场景中十分常见,如何让强化学习算法在稀疏奖赏环境下能够取得良好效果是一个被广泛研究的课题。面对稀疏奖赏的挑战,一个被广泛使用的方法是给智能体设计内在奖赏,使它能够探索更多的未知状态空间并获得潜在的环境奖赏,利用这种方法,前人提出了许多在单智能体环境下的强化学习探索算法,并取得了非常好的效果。本文研究的是在多智能体稀疏奖赏环境下的强化学习的探索难题,但直接将单智能体强化学习探索方法