基于高光谱遥感技术的绝缘子表面污秽检测方法研究.pdf

分析测试 ():基于高光谱遥感技术的绝缘子表面污秽检测方法研究申 巍 宋治波 王 森 赵海英 朱明曦 薛建鹏 李振涛 杨 昊(.国网陕西省电力有限公司电力科学研究院 西安.西安工程大学电子信息学院 西安 .国网陕西省电力有限公司西安供电公司 西安)摘要:为实现绝缘子表面污秽成分实时检测 同时探究不同类型绝缘子对污秽成分识别的影响 提出了一种基于特征波段分数评比的高光谱遥感成像技术的污秽成分识别方法 利用高光谱成像技术对采用硅橡胶基材和陶瓷基材的单一污秽成分进行了数据采集 采用光谱空间自适应总变差模型对谱线进行预处理 通过最大相关最小冗余反向传播神经网络建立了基于谱线特征相关性最大的污秽成分分类识别模型光谱空间自适应总变差模型能够很好地对高光谱曲线进行去噪与平滑 获得能够建立分类识别模型的高光谱图像 最大相关最小冗余反向传播神经网络模型以谱线特征波段的分数排名作为筛选特征的基础 所建立的分类识别模型准确度较高 对采用硅橡胶基材时污秽成分分类准确率可达 对采用陶瓷基材时污秽成分分类准确率为 不同类型绝缘子为背景基材时 对高光谱污秽成分分类识别的影响有所差异 主要受到污层的覆盖程度和污秽颗粒形貌的影响 在对污秽成分进行在线检测时需避免污层稀薄区域 减少背景基材对检测结果的影响关键词:硅橡胶 绝缘子 高光谱技术 表面污秽成分 反向传播神经网络中图分类号:文献标识码:/.收稿日期:作者简介:申巍()男 博士 教授级高工 主要从事输变电在线检测与故障诊断、等离子体放电、接地网工程技术等方面工作:基金项目:国家自然科学基金()国网陕西省电力有限公司科技项目()(.):.第 卷 .:绝缘子是电力系统中最重要的外绝缘设备之一 其绝缘性能的优劣直接影响着输电线路能否安全稳定运行 绝缘子的闪络问题一直备受关注 特别是发生污秽闪络时线路重合闸概率低易造成长时间、大面积停电 会对电力系统造成巨大损失 随着工业社会的进一步发展 部分地区大气中的污秽颗粒浓度升高且成分愈加复杂污秽绝缘子在雨雪、雾露等潮湿天气下 由于表面受潮后绝缘性能大幅下降 极易引发污闪事故 为减少污闪事故发生 运维人员通过申报停电检修计划 经由人工或者无人机的方式对在运污秽绝缘子进行清洗 然而 高电压等级的输电线路停电清洗将带来较大的经济损失 此外 通过清洗的方式不能确定绝缘子表面的污秽成分及污秽等级 无法根据实际染污情况指导线路绝缘子的选型 因此 污秽闪络已成为电力系统的重大挑战之一为预防绝缘子污闪事故的发生 国内外学者开展了大量研究并取得了一定成果 在污秽等级检测方面 通常利用等值盐密法()、泄漏电流法()、表面电导率法()、红外成像及紫外脉冲法等评价绝缘子表面污秽等级 但上述方法操作复杂、易受环境及人员技术水平的影响 在污秽成分检测方面 通常通过原子吸收光谱法()、离子色谱法()对污秽液中的离子进行鉴定 或者利用 射线能谱 仪()、激光诱导击穿光谱检测法()等对污秽的化学成分及元素进行分析 但这些检测方法通常具有一定的破坏性且同样操作复杂 还无法实现对投运绝缘子的在线检测高光谱成像技术是基于光谱学原理的一种综合影像技术 具有高分辨率成像及图谱合一的特点 高光谱图像波段数量多 波长范围广通过光在物质表面反射率的不同而映射出不同物质独有的光谱信息 高光谱技术应用广泛 特别是在农作物状态评估、生物医学、矿物勘探等方面颇有成效 近年来 利用高光谱成像技术对绝缘子表面污秽进行识别开始成为研究热点 文志科等人通过高光谱遥感技术对复合绝缘子的运行状态进行了评估 等人基于高光谱技术对绝缘子的污秽等级进行了检测 污秽成分识别率可达 等人利用高光谱成像技术针对柱式绝缘子表面的粗糙程度进行检测 提高了现场检测技术的便利性 刘益岑等人基于高光谱成像与红外检测的融合技术实现了绝缘子污秽程度检测的可视化 沈龙等人利用小波能量谱特征提取提高了高光谱绝缘子污秽等级识别的准确率 然而 目前高光谱技术在电力行业应用时 仍然存在污秽成分识别准确率低、不同背景基材下识别差距大以及无法实现在线灵活检测等问题 导致其无法得到广泛应用本实验基于高光谱成像技术 通过对不同材质绝缘子表面污秽成分进行检测 获取了不同污秽成分下的高光谱图像 建立了绝缘子污秽识别高光 谱 图 库 利 用 最 大 相 关最 小 冗 余 算 法()提取了高光谱谱线特征峰 并通过分数排名选取特征波段 以反向传播神经网络建立了绝缘子表面污秽成分的分类识别模型 以期为绝缘子表面污秽成分在线监测与诊断提供理论参考 污秽成分的高光谱分类识别原理 高光谱技术原理高光谱技术是集信息采集、信息处理、光谱第 期申巍等.基于高光谱遥感技术的绝缘子表面污秽检测方法研究 捕捉及分析等多领域于一体的新型综合性影像技术 能够同时记录目标图像及光谱数据 其中成像光谱仪的光谱辐射、校准和光谱信息处理是光谱成像的关键技术 高光谱成像的分光原理包括干涉型、滤光片型和色散型 其中 色散型光谱分辨率高、成像稳定 可对直线上所有像素点同时计算 因此本实验选用了基于光栅色散原理的高光谱成像仪 图 为光栅色散成像原理:光经过光栅后 因波长差异产生不同的衍射角进而使光发生色散 将同一点的入射光分解成不同波长处的能量分布 并由传感器像元进行测量 同时获得目标物体一条线上的光谱信息 通过移动待测样品或镜头可实现整体成像图 光栅色散成像原理 绝缘子表面污秽成分复杂多样 其中可溶性成分主要为 近海地区绝缘子污秽中 含 量 较 高 不 溶 物 则 主 要 为 和 污秽成分的微观结构不同 在不同波段下对光的吸收和反射程度也不同 因此不同物质的反射光入射到探测器后 波段之间的能量存在差异 进而可生成该物质独有的“指纹”曲线 依据此特性能够对物质实现精准识别 高光谱技术由于其具有广泛波段及高分辨率特性 能够远距离、高精确度、无损地对污秽成分进行识别 反向传播神经网络原理反向传播()神经网络是通过对误差进行逆向传播从而校正结果的方法 利用梯度下降法实现网络输出值与真实值误差均方差最小化 对解决非线性工程问题有较好的效果 图 为 神经网络示意图如图 所示 通过输入层将原始数据读取至系统内 经隐藏层进行计算 最后获得对应的输出结果 训练时输出层与实际的误差经过反向传播用于提高结果精度 神经网络的计算主要分为两个过程 首先进行网络状态初始化 而后按照规则前向计算 在建立绝缘子表面污秽成分识别模型时 可以将不同污秽成分谱线的特征波段作为输入层信息 经过训练函数得出对应的结果 通过与标签进行对比减小误差 从而提高分类识别的精确度 神经网络具有较好的非线性映射能力 并且能够快速开展现场检测 因此本实验利用该算法建立污秽成分的分类识别模型图 反向传播神经网络示意图 试验平台及试验方法 试验平台设计本实验所用高光谱线扫描平台外观如图 所示 其包括高光谱相机和移动平台 其中 高光谱 相 机 型 号 为 采 集 范 围 为 光 谱 波 段 数 为 分 辨 率 为 移动平台为内置卤素灯的一体化步进电机 最大速度可达 /卤素灯光谱范围为 照射角度为 可以通过调整速度与高光谱相机实现同步线扫描功能高光谱数据采集过程如图 所示 测试前先对高光谱成像仪进行黑白校正 以保证后续采集时环境干扰的一致性 然后将样品放于传送带上 调整镜头聚焦于样品表面 提高分辨率 再根据 光 谱 线 扫 描 速 度 设 置 移 动 速 度 为 /由于自然光随机性强 还需开启卤素灯补足光强 最后通过控制与分析软件 进行数据采集 提取成像后目标区域的光谱曲线 试验样品制作为了在与实际工况接近的前提下简化实验流程 选取了多种具有代表性的物质模拟自然污秽成分 分别为、高岭 第 卷土()和 每种物质质量均为 为探究不同类型绝缘子对高光谱污秽识别的影响 分别利用 硅橡胶片与 陶瓷片作为背景基材 如图 所示高光谱平台光谱采集过程图 高光谱线扫描平台 硅橡胶片 陶瓷片图 背景基材 样品按/制作 首先利用高岭土打磨基材表面 减弱硅橡胶表面的憎水性 以便于涂覆污秽 而后通过去离子水清洗表面颗粒成分 称取定量污秽成分并涂覆于基材表面 放置自然阴干 样品如图 所示 本实验选取的陶瓷基材的处理方式与硅橡胶基材处理方式类似 但陶瓷片由于未上釉之前表面较为粗糙 因此不需打磨即可进行涂污 仅需对陶瓷基材表面进行清洗 而后按照上述步骤进行涂污涂污后污层部分较为均匀图 试验样品 谱线处理及特征提取 谱线预处理高光谱成像时 光照不均匀和暗电流的存在均会产生噪声 严重影响曲线的识别 为此 在数据采集之前需进行黑白校正 以反射率接近 的白板采集到的信息作为上限 封闭镜头后反射率为 作为下限 式 即为黑白校正公式 ()式中 为原始谱线图像 为标准黑校正数据 为标准白校正数据 为经过黑白校正后的谱图数据原始谱线噪声较大 对高光谱曲线的分类、解混和检测有较大负面影响 由于高光谱图像中每个波段之间的强度不同 因此去噪时也应与光谱各波段的强度相适应 否则将失去具有特征信息的波段并降低去噪的准确率 每个像素中含有一条谱线信息 但像素的尺寸与物质成分相比较小 因此单个像素的谱线通常难以体现污秽的信息 还需要样品目标区域中所有像素谱线信息的共同作用 然而 区域中部分含有噪声信息的像素也会影响含有特征信息的像素 故去噪强度还应与光谱图像不同的像素相匹配 因此 本实验引入了光谱空间自适应总变差模型 该模型同时考虑了噪声与波段信息的关系和不同像素之间光谱信息的关系 能自适应地根据光谱空间分布调整去噪强度 光谱自适应性计算如下 通过式 和式 计算高光谱图像所有像素中每个波段之间的信息强度 再根据计算结果决定单条谱线去噪和保留的幅度大小()()()()第 期申巍等.基于高光谱遥感技术的绝缘子表面污秽检测方法研究 ()()()式中 和 为第 个像素谱线中第 个波段的水平和垂直的一阶梯度 为高光谱图像 中的像素总数 为总的波段数将 个像素中每个波段的梯度信息相加取平方根后 可得到该像素的信息强度 如式 所示()()高光谱图像去噪的空间自适应特性计算如下 首先按式 和式 计算高光谱图像中第 个像素的去噪权重值 和信息强度()()式中 为第 个像素信息强度的倒数 为常数 的值为 其平均值为 信息强度越大 去噪比例越小 以避免过度去噪导致谱线失真 最后得到光谱空间自适应总变差()去噪模型 如式 所示()()()图 为未经处理的原始曲线和经过上述步骤预处理后的曲线对比(样品为硅橡胶片)从图 可以看出 原始曲线噪声大、毛刺多 若以此建立模型将会包含较多的无信息区别的特征波段 造成数据冗杂多余 不仅延长了分类识别的时间 还降低了识别的准确性 经过预处理后的谱线在保留特征的前提下更加平滑 因此在建立神经网络分类模型时更有优势高光谱图像中像素数较多 并且由于光照和物质分布不均匀 同种物质所得到的谱线也会存在偏移现象 不同物质之间反射强度不同 无法统一建模对比 为获取污秽成分标准谱线 将不同物质成分进行统一规划 本实验首先在采样时使用空间像素合并的方法以减少采样分散率 同时提高采集速度 其次 将同种物质的谱线进行多元散射校正以获得污秽物质的标准谱线 最后将所获得的标准谱线归一化 建立能够统一对比的污秽成分分类识别数据库未平滑处理的谱线 平滑处理的谱线图 谱线平滑处理结果 多元散射校正是通过将大量谱线标准化以消除样本间的基线平移和漂移的数据处理方法该方法增强了物质的吸收和反射特性 消除了由于位置、光照和污秽不均匀导致的错误特征 多元散射校正的流程是先将同种物质的不同样本数据进行平均值计算 获得该物质的平均光谱数据(式)()式中 为样本光谱的平均值 为第 个样本谱线 为样本数将所有样本数据与平均光谱数据进行一元线性回归计算 以获得不同样本数据与平均光谱数据间的线性浮动值(一元回归常数)和偏移值(一元回归系数)如式 所示 ()最后 将样本数据进行线性回归处理 去除浮动值和偏移值 同时保留物质之间的特征 散射校正结果()可按式 计算()()()不同物质之间的反射强度差别较大 为便于 第 卷建立分类数据库 将每一样本的数据进行归一化处理 以每个样本中最大值及最小值作为上下限 将数据范围归化至 之间 图 为经过多元散射校正和归一化后 硅橡胶片作基材时单一污秽成分标准谱线图 单一污秽成分标准谱线 如图 所示 不同物质的标准谱线差别较大 因此可作为污秽物质分类识别的基础 此外 由于不同波段上的反射强度和峰谷特征不同 则需通过机器学习的方式更好地捕捉细微特征 从而进行物质区分 波段权重评分及特征提取本实验采集波长范围为 即使经过波长合并 也仍然存在 个波段 冗杂信息中能够作为特征对污秽物质进行分类识别的波段占比较低 高光谱数据维数高、数据多 若使用全波段对污秽成分进行识别会造成特征识别错误或陷入局部最优解的问题 并且应用于在线检测时效率也更低 为降低维数、提高分类识别准确率和效率 本实验采用以互信息计算为基础的 算法对高光谱全范围的特征波段进行权重分数计算 并提取高光谱数据中权重分数较高的特征波段 对所有特征与真实标签之间的相关性和彼此间的冗余性进行计算 将计算结果作为权重分数进行排名 权重分值越高 特征波段与目标标签的相关性更大、冗余性更小 因此作为分类识别的特征波段时会更有效、误差率更小互信息是指特征之间或者特征与类别之间所包含的信息量 两个连续变量、之间的互信息 可以用下式求解()()()()()()首先计算所有特征 与标签 之间的互信息()选出 个相关性最大的特征组成集合(式)集合 与 之间的相关性通过每个特征()与标签 之间所有互信息的均值 计算()()()()然后 计算所选特征之间的冗余信息 ()()结合式 与式 可获得最大相关和最小冗余的模型(式)()()()谱线中的波段均带有一定的特征 对所有的波段特征进行计算并评分 选取分数较高的特征作为建立分类识别模型的特征量 可以在提高分类识别准确率的同时保证检测效率图 为采用硅橡胶基材时 种污秽成分高光谱数据汇总后的波段特征 权重分数排名图 特征分数排名 由图 可见 共有 个波段 其中前 个波段的分数较高 均在 以上 为避免特征数量对分类识别的精度造成影响 选取前 个分数排名最高的波段作为分类特征 将所选择的分类特征位置标注在光谱曲线中 如图 所示由图 可见 从特征波段位置看 分数较高的特征主要集中在谱线转折点或者峰谷等位置并非曲线光滑无变化的位置 这有利于提高后续分类识别模型的准确性 此外 采用硅橡胶基材第 期申巍等.基于高光谱遥感技术的绝缘子表面污秽检测方法研究 时污秽成分谱线存在较大的幅值波动 因此其所有波段的 相关性分数较高 这有利于建立分类识别模型图 特征波段提取 绝缘子表面污秽成分分类识别 模型建立及训练本实验以、高岭土和 的高光谱信息建立训练集数据库 首先通过训练集中一部分数据进行模型验证 训练集中验证集比例为 然后采用新制样品所采集到的高光谱数据作为测试集进行污秽成分分类测试 神经网络通过梯度下降法求解输出结果与真实值之间的最小均方误差()当 达到设定最小值后 即为最终输出结果 图 为训练性能的均方误差随训练轮数的变化情况图 训练性能 由图 可见 最佳验证性能 是第 轮的 随着训练次数的增加 训练和验证所产生的误差均大幅下降 表明模型用于污秽成分分类时具有较好的稳定性 训练数据包括 种污秽成分 共 组 当设置 阈值为时训练和验证在第 轮达到目标值 训练时间为 模型计算速度较快采用硅橡胶基材的 种污秽成分的实验数据进行训练 建立分类识别模型 将 组数据作为验证集对训练模型进行验证 结果如图 所示 图中标签号 依次表示、高岭土和 下同验证混淆矩阵分类识别结果()图 模型验证结果 由 图 可 见 预 测 数 据 的 准 确 率 为 仅有 组样本数据的真实值与预测值存在差别 其中一组样本真实值为 被错认为 另一组样本真实值为 被错认为 错分率为 对于出现这种情况的原因 推测是由于 与 形态接近对光的反射效果类似 且两者特征波段的反射幅值差异较小 基于 神经网络所建立的模型对 种单一污秽成分进行训练的结果较好此外 为避免训练过程中结果失真 通过将训练集和测试集随机排列 对建立的模型进行了 第 卷 次 重 复 训 练 和 验 证 所 得 准 确 率 均 在 以上 基材种类对高光谱识别的影响对采用硅橡胶基材的 种污秽成分 共计 组样本进行了分类测试 结果如图 所示图 污秽成分预测结果 由 图 可 见 预 测 数 据 的 准 确 率 为 有 组数据被错误分类 其中 组被 错 分 为 组 被 错 认 为 整体预测准确率为 预测结果较为理想上述实验中 污秽涂层在人工制作过程中并不处于严格的均匀分布状态 不同时间点及不同光照强度下 污层的反射率也略有差异 这会导致高光谱曲线出现差别 影响识别过程中的准确率 同时 由于 与 形貌接近 在污秽层阴干之后析出的颗粒均为晶体状态 导致涂层对光的反射和谱线波动性较强 因此在识别过程中易造成错分类现象 在检测过程中 可以通过增加样本数量和采集数量 或在不同时间点及光照强度下进行测试 以及增大训练用数据量来提高识别的准确率 此外 除、高岭土外 其它 种污秽成分在涂覆质量较少时 并不足以完整覆盖背景基材 因此光谱曲线与纯硅橡胶基材的相似性高 但在特征波段的反射率仍存在差别 因此硅橡胶基材的误导性可忽略不计 和高岭土溶解后析出不会形成晶体颗粒 因此谱线较为平缓 在识别过程中准确率较高 温度较高时 污秽层呈干燥状态当温度下降后 其吸收空气中的水分而处于潮湿状态 因此不同温度时的高光谱曲线会存在差别 在线检测物质成分时需要根据环境温度调整用于检测的数据库和预测模型为探究不同基材对高光谱识别的影响 还以陶瓷片为基材作为对比组进行了测试 采用陶瓷片时 各污秽成分进行 计算后的特征分数排名见图 图 陶瓷基材背景下谱线特征分数排名 由图 可见 分数普遍低于 即使分数下降梯度较大 但整体特征与真实标签之间的相关性不高 并且特征之间的冗余较大 在识别过程中会导致准确率下降针对陶瓷基材污秽成分的分类识别 本实验共设置 种污秽成分 共 组数据作为训练集建立模型 以 组数据进行验证 结果如图 所示图 陶瓷基材污秽分类识别结果 图 显示 准确率为 低于采用硅橡胶基材时的实验结果 图 为采用陶瓷片时各污秽成分的标准谱线由图 可见 各污秽成分谱线变化趋势接近 不同污秽成分的特征峰差异较小 因此第 期申巍等.基于高光谱遥感技术的绝缘子表面污秽检测方法研究 求得的特征权重分数较低 在利用模型分类识别时困难较大对出现上述情况的原因进行了分析 陶瓷基材底色为较光滑的纯白色 当涂覆污秽量较少时 背景基材对光线的反射效果更明显 从而影响了实际污秽成分的光谱检测结果 此外 部分单一污秽例如、和 在污层干燥后会析出细小颗粒 不能完全覆盖基材当基材为硅橡胶片时 上述 种污秽成分受到基材背景像素的谱线影响 整体趋势相似 而与高岭土呈现细密的白色颗粒 基材对其影响较小 此两种污秽成分的谱线更相近 而当基材为陶瓷片时 由于、和的覆盖面小 陶瓷片的反射率高 影响着整体的谱线趋势 整体均与 和高岭土谱线接近 因此造成了识别准确率的下降 为此 在对陶瓷绝缘子进行高光谱成分检测时 需要注意污层较薄的位置数据可能与真实值存在明显差距 检测时应尽量避免检测污层较稀薄的位置图 陶瓷基材下不同污秽成分标准谱线 结论利用高光谱成像技术对采用硅橡胶基材和陶瓷基材的单一污秽成分进行了数据采集 采用光谱空间自适应总变差模型对谱线进行预处理通过最大相关最小冗余反向传播神经网络建立了基于谱线特征相关性最大的污秽成分分类识别模型 光谱空间自适应总变差模型能够很好地对高光谱曲线进行去噪与平滑 获得能够建立分类识别模型的高光谱图像 最大相关最小冗余反向传播神经网络模型以谱线特征波段的分数排名作为筛选特征的基础 所建立的分类识别模型准确度较高 对采用硅橡胶基材时污秽成分分类准确率可达 对采用陶瓷基材时污秽成分分类准确率为 不同类型绝缘子为背景基材时对高光谱污秽成分分类识别的影响有所差异 主要受到污层的覆盖程度和污秽颗粒形貌的影响 在对污秽成分进行在线检测时需避免污层稀薄区域 减少背景基材对检测结果的影响 上述方法可作为绝缘子污秽成分在线检测的一种技术方案参考文献 张仁豫.绝缘污秽放电.北京:水利电力出版社:.杨化彪 杨思广 张利萍 等.硅橡胶在电力行业中的应用现状.有机硅材料 ():.张志劲 蒋兴良 孙才新.污秽绝缘子闪络机理研究综述.电网技术 ():.吴光亚 钱之银 肖勇 等.防污闪技术的现状与发展趋势.电力设备():.贺姣姣.不同运行条件下复合绝缘子伞裙老化特性研究.宁夏电力():.刘阳.盐碱地区接触网绝缘子的污闪预测与运维研究.兰州:兰州交通大学.谭蓓.基于高光谱图像处理技术的绝缘子污秽度与污秽成分研究.成都:西南交通大学.邱彦 张血琴 郭裕钧 等.基于高光谱技术的绝缘子污秽等级检测方法.高电压技术():.赵佳乐 王广龙 周冰 等.深度学习下高光谱图像目标检测技术研究进展.激光杂志():.文志科 孔晨华 闵绚 等.高光谱遥感检测复合绝缘子运行状态技术研究 .高压电器():.:.:.刘益岑 杨琳 王杨宁 等.基于高光谱与红外技术融合的绝缘子污秽程度检测方法.电工电能新技术 ():.沈龙 钱国超 彭兆裕 等.绝缘子污秽等级的 第 卷高光谱特征优化识别技术研究.电力工程技术 ():.高泽东 郝群 刘宇 等.高光谱成像与应用技术发展.计测技术 ():.刘凯 朱天容 刘庭 等.绝缘子污秽成分分析与清洗剂去污机理研究.高电压技术():.黄丽.神经网络算法改进及应用研究.重庆:重庆师范大学.中国电器工业协会.交流系统用高压绝缘子的人工污秽试验:/.北京:中国标准出版社.马欢 郭裕钧 张血琴 等.基于高光谱技术的绝缘子污秽含水量检测.高电压技术():.():.李军怀 付静飞 蒋文杰 等.基于 的文本分类特征选择方法.计算机科学 ():.联合征订合成技术及应用(季刊)定价 元/年合成技术及应用 是国家科委批准的 面向合成纤维、塑料等合成材料及其原料的生产、科研与应用领域的专业性期刊 主要报道国内外高分子材料(合成纤维、薄膜、塑料等)及其单体的合成技术及科研进展 新产品、新技术的开发和应用 化纤及相关产业市场动态与发展预测等 合成技术及应用 创刊于 年 深受有关从事生产、科研、教学、管理等人员及部门的欢迎 主要设“专家论坛”、“研究论文”、“专题论述”、“应用技术”、“分析测试”、“设备改造”、“国内外消息”、“最新专利”等栏目合成技术及应用 已入编 中国核心期刊(遴选)数据库、中国期刊全文数据库、中国学术期刊(光盘版)等合成技术及应用 为大 开 季刊 页 国内标准连续出版物号为/国际 标 准 号 为 邮 发 代 号:每期定价 元 全年 元(含邮费)读者可在当地邮局订阅 本刊为高、中级技术职称资格评审认定期刊 欢迎投稿地址:江苏省仪征市仪征化纤有限责任公司研究院 合成技术及应用 编辑部邮政编码:电话:传真:化工装备技术(双月刊)定价 元/年化工装备技术 杂志于 年 月创刊国内外公开发行 由上海市化工科学技术情报研究所主办 上海华谊(集团)公司主管 以应用科技为主 普及与提高并重 及时报道国内外化工装备领域的新技术和信息 旨在推动我国化工装备事业的发展 促进化学工业的振兴 沟通本领域科研、教学、设计、生产、应用和管理之间的交流 发挥科学技术为第一生产力的作用 主要报道领域:化工机械、化学工程及设备、化工材料及防腐蚀、泵阀管道等通用设备、计算机应用等领域的学术论文、应用研究、发展动态、国内外新技术、综述等具体报道范围:传热、蒸发、干燥、造粒、粉碎、过滤与分离、混合、精馏、吸附、压力容器、化工机泵、化工材料及防腐蚀、化工仪器及自动化、化工计算机应用等 读者对象:化工、石化、制药、轻工、食品、冶金和机械等行业包括高等院校、科研设计院所和工厂等单位的教学、科研、工程技术人员和管理人员化工装备技术 年定价为每期 元全年 元 每双月 日出版 各地邮局均可订阅(邮发代号:)若误了邮局订期 可直接向本编缉部订阅 国内统一连续出版物号/国 际 标 准 连 续 出 版 物 号 邮发代号 地址:上海市斜土路 号 号楼邮政编码:电话: