装配式结构钢塑复合板拟静力试验研究

对两种由镀铬C型钢做骨架、聚苯乙烯颗粒填充热塑压轧而成的钢塑复合板(其中A类板件规格为3 650mm×2 395mm×140mm(长×宽×厚),B类板件是在A类板件的内外侧表面增加厚度为10mm的硅酸钙板)进行了低周往复水平加载试验,分别研究其承载力、变形能力、滞回特性等方面性能。试验结果表明,两种板件均具备一定的侧向承载力,其中B类板件的水平极限承载力更高;两者变形性能均较好,两种板件均展现了良好的耗能能力,能满足作为非承重垂直分隔构件的要求,符合抗震设计的延性要求。试验结果可为装配式结构墙体在设计和施工方面提供参考。     

江坪河水电站坝址深层风化岩体对坝型选择的影响研究

江坪河水电站坝址河谷呈"V"形,宽高比约1. 8,具备修筑高拱坝的地形条件,但坝址两岸尤其是右岸谷坡在进入弱风化下限或微风化岩体后,出现范围较大的深层风化岩体。通过分析深层风化岩体对拱坝和面板堆石坝2种坝型坝基变形、坝肩及边坡稳定的不同影响表明,坝址区地质条件对修建拱坝的适宜性较差,工程处理费用高,可实施性及实施效果有待论证;面板堆石坝虽然施工条件较差,但对地基要求低,对地质条件适宜性较好,工程处理难度较小,为可选坝型。     

玄武岩纤维填料应用于两种混合生长反应器的评价

采用单丝直径微米级的伞状玄武岩纤维(BF)作为填料,将其引入序批式反应器(SBR)和后置缺氧反硝化SBR外聚合物(EPS)含量和扫描电子显微镜形貌图,考察了两种SHBR的污水处理效果。试验结果表明:基于SBR的SHBR的出水COD、氨氮、总氮去除率分别为83.2%、89.9%、86.8%;基于后置缺氧反硝化SBR的SHBR优良,而基于后置缺氧反硝化SBR的SHBR的脱氮效果得到进一步的优化和提升。两种SHBR的BF填料中EPS含量分析结果显示:在好氧环境下,蛋白质(PN)的含量高于多糖(PS)的含量;在缺氧条件下,PS的含量明显高于PN的含量。     

碳酸盐岩岩溶储层多井评价方法及地质应用

多井评价是建立在单井精细解释对比分析基础上的预测储层及含油气性平面分布规律的技术方法,而常规测井资料无法区分碳酸盐岩岩溶储层,因而利用多井评价结果确定岩溶发育程度在平面上的分布规律就显得十分重要。为此,在岩心标定成像测井的基础上,对四川盆地高石梯—磨溪地区15口井的成像测井岩溶发育特征进行分析,建立了中二叠统茅口组岩溶发育各分带的标准成像图版,利用交会图及直方图分析各分带的常规测井响应特征,在此基础上形成了电成像测井刻度常规测井识别岩溶发育带的新方法。研究结果表明:①高石梯—磨溪地区茅口组岩溶带自上而下可划分为风化壳残积带、垂直渗流岩溶带、水平潜流岩溶带以及受岩溶作用较弱的基岩;②风化壳残积带在成像测井图像显示为"暗—亮—暗"条带状模式,垂直渗流岩溶带为垂直线状与暗色斑状组合模式,水平潜流岩溶带为水平线状—层状与斑状组合模式,基岩整体显示为亮色块状模式偶见线状或斑状特征;③有效储层主要发育在垂直渗流带和水平潜流带的顶部;④该区茅口组岩溶发育主要受裂缝发育控制,而裂缝发育又与断层关系密切。结论认为,该新方法对碳酸盐岩岩溶储层的多井评价具有普遍适用性,为四川盆地中二叠统风险探井的部署提供了技术支撑。     

基于三相感应电机的小型化超低频发射天线研究

针对低频电磁传输中天线尺寸过大的问题，设计了一种基于三相感应电机的小型化超低频发射天线.电机工作时产生了时变低频电磁场，可作为超低频发射天线.为有效分析其电磁场分布，文章建立旋转磁偶极子数学模型以等效电机内部旋转时产生的磁场.首先，对电机内部磁场和旋转磁偶极子的关系进行阐述，利用麦克斯韦方程组，得到旋转磁偶极子的电磁场分布.其次，通过电磁仿真软件验证旋转磁偶极子的近场分布特性和远场辐射特性.最后，通过实验对电机近场的磁场分布进行验证.仿真和实测结果表明，三相感应电机具有超低频天线的辐射特性.     

胜利油田勘探模型Web应用系统研究

油田经过多年发展,积累了大量的勘探研究成果数据,但是都分散在不同部门、不同科室、不同的研究人员手上,没有一个统一有效的研究成果管理、共享及探讨平台,极大的影响了勘探效率。现在数字油田的发展已经逐步上升到新的知识管理和服务阶段,胜利油田高瞻远瞩地认识到了这个战略性的发展方向,提出"勘探模型"的研究与建设工作。首先根据"勘探模型"描述规范,提出了基于B/S和C/S结构体系的勘探模型集成方案;然后根据勘探模型涉及的数据类型,设计了勘探模型数据库并采用Web页面录入数据;最后通过统一的数据服务去获取不同的数据库中的业务数据和成果数据,在Web页面进行二维图形导航展示及业务数据的关联查询,并支持网络化自动三维地质建模及Web页面启动展示。实现了勘探模型数据共享机制,并在胜利油田示范区块取得了良好效果,为统一研讨及勘探决策提供服务。     

深度学习识别光网络单元故障的设计与应用

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。