连续管技术研究现状与发展趋势

连续管及其作业技术是石油天然气资源开发的一项技术利器，自2009年连续管实现国产化以来，通过不断深入研究、快速突破及应用，连续管制造技术实现了跨越式发展，为油气田大批量、规模化应用创造了条件，也有力推动了我国连续管作业技术的进步。详细介绍了低碳微合金连续管、耐蚀合金连续管、非金属复合连续管、多通道连续管、大功率电加热管缆、智能连续管等管材的研究现状、技术难点和发展方向，指出我国连续管在油气集输和海洋应用方面仍有较大的发展空间，大直径、高强度、高塑性、高耐蚀、非金属、多通道、智能化等是未来连续管制造技术的发展方向。     

电磁频谱泛在感知与精准管控导读

<正>电磁频谱是继陆、海、空、天、网络之后又一重要领域,是国民经济建设和国防建设的重要战略资源,是信息获取、信息传输、信息应用、信息安全等依赖的重要空间。随着信息技术的快速发展,电磁频谱的战略价值和基础作用日益凸显。2020年美国国防部发布《电磁频谱优势战略》,旨在建立有效的电磁作战管理,提高电磁频谱作战能力。根据国家人防办和《上海市人民防空专业队建设管理办法》等要求, 2021年上海市经济信息化委成立人民防空电磁频谱管控专业队,主要担负频谱管控规划和协调、空间信号监测与分析、     

降噪自编码器用于频谱感知对抗防御模型

基于深度学习的频谱感知模型虽检测性能优异，但普遍具有脆弱性，容易受到频谱对抗攻击的干扰。为了防御这种攻击，提出使用降噪自编码器过滤对抗信号，并在此基础上提出了一种结合降噪自编码器和防御蒸馏的联合防御方法。利用对抗信号和干净信号预训练得到降噪自编码器，频谱信号经降噪自编码器过滤后用于训练感知分类器，在测试阶段，联合使用降噪自编码器和分类器。同时，为进一步缓解扰动对模型性能的影响，在分类器训练阶段，利用蒸馏算法平滑训练网络，提高模型泛化能力。实验结果表明，对于可以降低深度学习频谱感知模型检测概率的频谱对抗攻击，所提出的基于降噪自编码器的防御方法仍然能够拥有较高的检测概率和较低的攻击成功率。     

低碳微合金钢连续管低周疲劳性能研究

通过控制应变和控制应力方法，对12CrMnMoNi低碳微合金钢连续管管材进行了室温下的低周疲劳试验和循环应变硬化测试，分析了影响疲劳寿命的因素。结果显示，在0.4%～1.2%不同应变幅条件下，管材总体呈现循环软化现象，在1.2%大应变幅下疲劳寿命只有54次，是0.6%～0.8%应变幅的20%左右；在循环初始阶段，低应变表现为循环软化，高应变表现为循环硬化，临界应变(ε_c)介于0.8%～1.0%。在控制应力高于屈服强度5%时，平均疲劳寿命为318次，表明管材在承受较高载荷下仍具有良好的疲劳性能；同时，硬化指数对疲劳寿命有直接影响，在总循环次数的50%以内，随着循环次数的增加，硬化指数增加，表明该管材在循环过程中依靠硬化实现均匀变形的能力增强；细小的铁素体+M/A组元是实现良好疲劳性能的组织保障；断口SEM观察表明，疲劳裂纹起源于外表面，且伴有二次裂纹产生。     

含裂纹转轴系统的动态特性与实验研究

裂纹是转轴系统常见的一种故障形式,裂纹的呼吸效应会改变转轴的动态特性.为研究该呼吸效应的影响,提出一种含裂纹模块和无裂纹模块的组合建模方法,通过设置不同模块之间的接触属性实现裂纹缺陷的预置,分析了不同转速和不同裂纹深度条件下裂纹呼吸效应对转轴系统动态特性的影响;并采用可对转轴水平和竖直两个方向振动信息进行高效同步测量的新型单目视觉位感条纹振动测量方法开展了含裂纹转轴系统的动态特性实验研究.仿真与实验结果相吻合,结果表明:裂纹缺陷会导致转轴振动中出现倍频成分,当转速接近1/2临界转速时,2倍频信号非常明显,且其幅值大于转频幅值,同时随着裂纹深度由1 mm加深至5 mm,转轴的振动幅值增大了5倍,2倍频成分更显著.     

基于深度学习的自动调制识别方法综述

自动调制识别(Automatic Modulation Recognition,AMR)是复杂电磁环境下的信号感知和识别领域中的重要技术,广泛应用于频谱感知、链路自适应、干扰防护等领域。传统的AMR方法主要依赖于人工提取特征、决策理论和识别器的选择。而深度学习(Deep Learning,DL)算法直接从海量数据中自动获取信号特征,同时实现特征提取和识别。因此,针对复杂多变的电磁环境中的信号识别问题,提出了将DL算法应用于AMR任务。首先,从数据集、信号表示和网络模型三个层面系统地综述基于DL的AMR方法;其次,详细总结了针对不同的信号表示所设计的神经网络模型,其中接收信号可以由专家特征、序列和图像来表示;最后概述了AMR存在的问题、潜在的研究方向和结论。     

参数优化最大二阶循环平稳盲解卷积行星轮轴承故障提取EI北大核心CSCD

在行星齿轮箱振动中,齿轮相关振动分量通常具有较大的能量,同时轴承滑移会造成行星轮轴承故障对应振动分量的特征频率获取困难。为此,提出一种基于参数优化最大二阶循环平稳盲解卷积(cyclostationary blind deconvolution, CYCBD)的行星轮轴承故障提取方法。该方法针对CYCBD技术在轴承滑移条件下难以获取循环频率和滤波器长度的问题,以改进的包络谱故障特征比(improved envelope spectrum fault feature ratio, IFFR)指标作为粒子群算法的适应度函数,自动获取CYCBD算法中实际的循环频率和优化滤波器长度,利用参数自适应的CYCBD算法增强了轴承故障冲击。通过解卷积结果的平方包络谱反映轴承故障特征,达到准确提取故障特征的目的。故障仿真和试验研究结果表明,该方法可以有效提取行星轮轴承故障特征。     

基于深度学习的认知无线电调制参数估计

自动调制分类是电磁空间感知的一个关键问题，目前传统的识别技术很难适应复杂的信号情况。现有的调制分类算法大多忽略了不同特征之间的互补性和特征融合的重要性。基于此，提出一种用于自动调制分类的图像特征融合方法。该方法充分利用了不同图像特征之间的互补性，通过格拉姆角场(Gramian Angular Field, GAF)方法将原始信号转换为图像，同时利用累积极坐标特征转换技术将接收到的信号从I-Q域转换为r-θ域，在r-θ域对原始信号进行特征编码然后转换为图像。使用深度学习对两种图像进行特征提取，将提取的特征融合后用作神经网络分类器的输入，以实现对多种类型信号的自动调制分类。实验结果表明，使用Swin-Transformer网络模型对转换后的图像进行分类，在信噪比大于4 dB的情况下，调制方法的识别率超过90%。     

基于特征融合的通信语音干扰效果客观评估

针对通信语音干扰效果客观评估问题，提出了基于多测度与多模态融合的2种评估方法。首先，利用端点检测算法以及动态时间弯折算法对受扰语音数据进行预处理。然后，提取数据中的语音内容并与标准语音进行测度计算得到5种测度，将5种测度融合后利用随机森林模型进行质量等级评估。最后，结合多模态融合技术，设计了基于残差结构的神经网络模型，融合受扰语音数据的图域、测度域特征并进行质量等级评估。实验结果表明，2种方法的评估准确率均达到了90%以上。其中，多模态评估方法与现有的研究方法相比，准确率提升了约3.269%，证明所提方法具有更优的性能。     

国产CT150连续管性能研究及应用

为满足超深井、超长水平井及高压井开发对连续管强度、下入深度、承压能力提出的要求，研制开发了目前世界最高强度CT150连续管，并在油田开展应用。通过金相、力学性能和低周疲劳等试验，研究了国产CT150连续管的强度、塑性、承压能力和弯曲疲劳寿命等性能。结果显示，国产CT150连续管屈服强度为1 078 MPa，抗拉强度为1 141 MPa，硬度<363HV_1.0，伸长率为21%；Φ50.8 mm×4.0 mm规格CT150连续管爆破压力达196.2 MPa，挤毁压力达161.4 MPa，疲劳寿命达到248次。研究表明，CT150连续管具有较好的强塑性，相比同规格CT110连续管，疲劳寿命提高了1倍，承载承压能力也大幅提升，相同条件下下入深度可提高36.4%。该产品在新疆油田总计应用28口井，下井作业51次，有效减少管材螺旋自锁现象发生，显著提升长水平段的下入深度，同时具有优异的承压性能，大幅提高了作业的安全性。