属性分析技术应用于断陷盆地沉积相带划分

断陷盆地的油气勘探,对各种类型储层的研究是必不可少的,而湖盆沉积的各种储集层,主要表现为各种扇,包括扇三角洲,浊积扇、滑塌扇等。为了寻找优质的扇体储集层,就必须对扇体的沉积相带开展仔细研究。在划分沉积相方面,应用最为广泛的技术就是地震属性分析技术。本文主要讲述了在具有三维地震资料的情况下,综合应用地震属性分析技术成功地划分了沉积相和沉积微相,对扇体的岩性和物性都有较好的预测,为后续的油气勘探提供了技术支持。     

兆瓦级风力机翼型多目标优化设计和研究

随着风电发电技术的不断发展,对风力机的各项性能要求越来越高,气动噪声问题已成为风电行业研究的关键方向。以提高叶片的气动性能和降低噪声为设计目标,基于改进的Hicks-Henne型函数优化翼型结构方程,并结合多目标粒子群优化算法,对S8035翼型进行优化设计;利用Xfoil软件对优化后的翼型进行评估计算,并对其气动噪声和流动特性进行模拟仿真。分析结果表明优化后的叶片具有更好的气动特性和更低的噪声特性,验证了该设计方法的可行性。     

混合动力汽车燃油经济性模型预测控制策略

为了实现对混合动力汽车实时的燃油经济性控制,提出了改进的马尔可夫模型预测控制方法。建立了混合动力汽车关键部件模型,从克服阻力和速度跟踪两个方面建立了车辆需求转矩模型,从而建立了混合动力汽车仿真模型;使用多步马尔可夫模型预测车辆状态;在模型预测控制目标函数中引入电量参考值,当电量大于参考值时使用模型预测最优控制策略,当电量低于参考值时,在目标函数中引入电量惩罚项,使用改进的模型预测控制策略。经仿真验证,在新欧洲行驶工况下,马尔可夫模型预测控制比恒值预测控制的油耗减少了4.27%,比规则能量管理策略减少了4.99%;在中国城市工况下,马尔科夫模型预测控制比恒值预测控制的油耗减少了8.32%,比规则能量管理策略减少了13.16%。     

多共振分量融合CNN的行星齿轮箱故障诊断

针对行星齿轮箱中各部件所激起的振动成分混叠、早期故障特征经常被较强的各级齿轮谐波成分以及环境噪声所湮没的问题，提出一种多共振分量融合卷积神经网络（multi-resonance component fusion based convolutional neural network，简称MRCF-CNN）的行星齿轮箱故障诊断方法。首先，对振动信号进行共振稀疏分解，得到包含齿轮谐波成分的高共振分量和可能包含轴承故障冲击成分的低共振分量；其次，构建多共振分量融合卷积神经网络，将得到的高、低共振分量和原始振动信号进行自适应的特征级融合，通过有监督的方式训练模型并进行行星齿轮箱故障诊断。对行星齿轮箱实验数据的分析结果表明，该方法能够有效分类行星齿轮箱中滚动轴承和齿轮的故障，成功对行星齿轮箱故障进行诊断，同时能够进一步增强卷积神经网络对振动信号所蕴含的故障信息的辨识能力。     

基于多体动力学仿真的冰箱助吸器优化设计

某款冰箱在关门过程中,门体在多个小角度处出现悬停的现象,影响用户的体验。针对这一问题,基于多体动力学仿真对冰箱助吸器进行了优化设计。将助吸器变形量、刚度、有效力臂接触位置点至铰链轴心连线长度,以及这一连线与接触位置法向夹角作为关键因子,研究关键因子与设计目标之间的关系,进行助吸器的结构设计与性能评估。在此基础上,基于多体动力学仿真,实现助吸器的优化,并形成最终设计方案。基于多体动力学仿真进行优化设计,可以缩短开发周期,提高设计效率,具有较高的实用价值。     

基于LDA的英汉维文本聚类系统的设计与实现

以英汉维三种大规模文本聚类为目标,针对三种语言的特点实现基于LDA模型的静态文本聚类系统。因为存在博客、微博等网络媒体的文本不太规范及涉及的话题范围广泛等现象,对文本特征的提取及聚类算法的选择带来一定的难度。通过对样本文本的分析,计算出适当的聚类数k,再调用LDA算法将文本聚为k类并给出每类文本的关键词。测试结果表明,该系统能将英汉维三种语言的文本相似度高的聚为一类,可显著提高聚类效果。     

比特串划分多索引的近邻搜索算法

哈希表示的比特串是解决海量数据相似性搜索问题最有效的方法之一.针对比特串索引方式导致搜索效果低下的问题,提出一种基于比特串划分多索引的近邻搜索算法.首先由于比特串划分本质是一个组合优化问题,采用贪婪的思想给出该问题的近似解;其次在近邻查询阶段,结合多索引结构提出新的查询扩展和融合机制;最后通过采用一种查询自适应的办法优化多索引之间的不平衡性.在MNIST, CIFAR-10, SIFT-1M和GIST-1M数据集上使用Matlab软件进行实验的结果表明,该算法在基于哈希表示的索引结构以及在近邻搜索方面具有有效性和通用性.