地震反演技术在碳酸盐岩储层识别及预测中的应用

P区块位于哈萨克斯坦曼格什套州中部,目前中三叠系下部(T)以碳酸盐岩发育为主,勘探程度低,储层横向变化快,纵向不连续,油气分布隐蔽性强,有利目标区域难以有效追踪和寻找落实。针对上述特点,本次研究通过区三维高精度地震资料,利用地质属性、地震反演、岩石物理分析等地质、地球物理特征技术,并结合地质、测井、录井资料,对多种地震储层方法效果进行了比较,结合BP神经网络反演地震成果对T段碳酸盐岩储层进行了分析预测。结果表明:M油田东南部、Q油田西北部、Z油田南部为碳酸盐岩较为发育区域,是下步勘探及井位部署的有利区块。     

基于VMD瞬时能量与GA- RBF的滚动轴承故障诊断

针对滚动轴承早期故障的有效识别,提出了一种基于VMD瞬时能量与GA优化的RBF神经网络的滚动轴承故障诊断方法,可以有效对滚动故障做出诊断。首先,VMD将滚动轴承振动信号进行分解成合适数目的本证模态函数;其次,计算本证模态函数分量的瞬时能量并组成特征向量;最后,将特征向量输入到GA优化的RBF神经网络实现轴承故障识别。通过滚动轴承故障诊断实验对该方法进行验证。结果表明,该方法识别滚动轴承故障的准确率为96.43%,较默认参数的RBF神经网络和EEMD瞬时能量与GA-RBF神经网络有明显的提高,证明了所提方法的可行性。     

回转窑人工智能专家系统的应用实践

根据水泥熟料煅烧过程操作控制原理研发的"回转窑人工智能专家系统"采用了人工智能模拟技术、实时数据清洗技术、控制数据关联匹配技术。该系统由分解炉出口温度自动控制系统、篦速自动控制系统和氨水用量自动控制系统三个模块组成。该系统投运后,分解炉出口温度控制有效率由之前人工控制的平均60%~70%提高至平均80%~95%;篦下压力和二次风温稳定性提高;氨水消耗量下降显著;窑系统投料量增加10 t/h左右,熟料标准煤耗降低2.85 kg/t,熟料强度均有提高。     

2 000 t/d水泥生产线烧成系统技术改造

为了解决烧成系统不稳定，操作控制困难，对煤质的适应性差，存在安全、环保隐患，系统能耗高等问题，在保留原预热器框架不变的情况下，加大了C1旋风筒上部直筒段及涡壳，重新设置了C2、C3、C4旋风筒导流板，重新设计了C5旋风筒涡壳，并改造了相应的连接风管和下料管，更换了锁风翻板阀和撒料箱。同时将带流化床的管道式离线分解炉改为在线喷旋管道式分解炉，并对三次风管进行了改造，三次风从分解炉锥部单股旋切引入。本次技术改造实现了原定的各项技改目标，取得了良好的节能降耗效果。     

综合改进奇异谱分解和奇异值分解的齿轮故障特征提取方法

针对齿轮故障特征微弱，在强背景噪声下难以有效提取的问题，提出了一种改进奇异谱分解（ISSD）结合奇异值分解（SVD）的齿轮故障特征提取方法。针对奇异谱分解（SSD）算法中模态参数需凭经验选取的缺陷，基于散布熵优化算法对SSD算法进行了改进，在得到既定的一组奇异谱分量的基础上，根据峭度值最大准则筛选出了最佳奇异谱分量并进行了SVD处理，采用奇异值能量标准谱自适应地确定了信号重构阶数以还原信号和提高降噪效果。最后对信号进行包络解调以提取齿轮故障特征，将所提方法运用到仿真信号和齿轮实测信号中，并同传统包络谱、SSD包络谱以及经验模态分解结合SVD(EMD-SVD)方法进行了对比分析，结果表明，所提方法的降噪和特征提取效果更佳，能够更加有效地实现齿轮故障的判别。     

Fe-Cr-Ni系不锈钢在热老化和退火过程中铁素体调幅分解的相场法研究

用基于Cahn-Hilliard方程的相场法研究了Fe-Cr-Ni系不锈钢中的铁素体在热老化和后续退火过程中调幅分解的演化过程，结果表明：在热老化过程中调幅分解生成相连的网络状α'相，调幅分解引起的Cr成分波动的波长和振幅都随着热老化时间的延长而增大；在随后的退火过程中α'相逐渐溶解而Cr成分波动的振幅迅速减小，但是波长继续增大。还讨论了热老化时的调幅分解对铁素体纳米压痕硬度的影响以及退火温度对调幅分解回复(α'相溶解)所需时间的影响，结果表明：铁素体的纳米压痕硬度主要与调幅分解的振幅有关，且随着振幅的增大而提高。同时，提高退火温度能显著缩短调幅分解回复所需的时间，退火回复时间与退火温度之间有Arrhenius形式的关系。     

分解炉空气分级燃烧及NOx排放特性研究

随着我国经济的飞速发展,作为重要基础材料的水泥产品需求量极大且趋于稳定。水泥生产过程中的NOx排放与燃煤火电厂和汽车尾气产生的NOx排放已成为空气污染的主要来源,而分解炉是降低水泥生产工艺中NOx排放的有效设备。笔者在引入高温烟气的模拟分解炉内进行空气分级燃烧试验,研究配风位置、配风比例以及石灰石/煤比例对分解炉内燃烧和NOx排放特性的影响规律。试验稳定过程中,高温烟气发生装置的给煤量和配风量保持不变。此时,高温烟气发生装置的时间平均温度为911℃,其产生的高温烟气温度稳定在750℃左右,高温烟气中NOx主要以NO和N2O的形式存在,其浓度分别为261.49×10^-6和12.96×10^-6。该股高温烟气将模拟实际回转窑产生的烟气进入分解炉内。在分解炉的上部区域(距离顶部0~2 000 mm区域)的温度为800~1 000℃,与实际分解炉运行温度一致,排放烟气中NOx主要以NO和N2O形式存在。随着中间配风位置的下移,煤粉燃烧放热区域下移,而顶部区域的石灰石吸热量变化较小,则原有热量平衡被打破且原有吸热量高于现有放热量,导致顶部区域内燃烧温度降低。此时,还原气氛中煤粉燃烧和石灰石分解反应时间均变长,导致NOx的还原反应更加充分。但石灰石分解产生的氧化钙(CaO)作为中间产物会促进NO的生成反应,其反应时间增加也促进了NO的生成;另一方面,石灰石作为催化剂参与焦炭和挥发分还原NO的反应过程,分解炉顶部区域的温度下降使得该还原反应变弱。综上,NO的最终排放浓度是以上反应的综合结果。随着配风位置的下移,该变化对NO的生成作用更加明显,故NO的排放浓度逐渐升高。当一级风量与二级风量的配风比例降低时,分解炉上部区域的煤粉燃烧份额减少和石灰石分解量降低,而分解炉下部区域的煤粉燃烧份额增加和未分解的石灰石份额增加,但石灰石的吸热增加量高于燃烧增加份额的放热量,因此分解炉内整体温度均降低。分解炉内NO浓度是由石灰石催化的氧化过程和还原过程综合决定的。一级风量变小时,尾部CO浓度随之增加,烟气中NO浓度呈现降低的趋势。当石灰石/煤比例增加时,分解炉内沿程温度逐渐下降。随着石灰石给粉量增加,分解炉内石灰石受热分解产生的CaO浓度增加,CaO催化NO还原反应更剧烈,从而NO浓度逐渐降低。而石灰石给粉量增加和分解炉温度降低的过程导致尾部的CO浓度升高。     

CEEMDAN-PE-TFPF降噪法在齿轮故障诊断中的应用

针对齿轮故障诊断过程中,大量噪声使得故障特征难以完全提取的情况,提出了一种完整的自适应噪声集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)、排列熵(Permutation Entropy,PE)和时频峰值滤波(Time-Frequency Peak Filtering,TFPF)相结合的去噪方法。由于TFPF方法在窗长问题上的局限性,引用CEEMDAN和PE对此进行改进,使信号在噪声抑制和信号保真方面得到了很好的权衡。首先利用CEEMDAN算法得到原始信号的本征模态函数(Intrinsic Mode Functions,IMFs),计算每个IMF的PE值来判断IMF是否需要滤波,然后针对不同的IMF选择不同的窗口长度进行TFPF滤波,最后将滤波后的IMFs和剩余IMFs重构得到最终的降噪信号。通过模拟仿真信号和实测齿轮信号验证了该降噪方法的可行性,且降噪后的信号可以有效地揭示故障的特征信息。最后与多种降噪方法对比,体现了所提方法的有效性和优越性。     

基于FOA的变分模态分解在轴承故障诊断中的应用

变分模态分解(VMD)广泛应用于故障诊断中,从振动信号中提取故障特征是故障诊断过程中的关键部分。针对强背景噪声和脉冲干扰下滚动轴承早期故障特征难以提取的问题,提出了一种新的基于果蝇优化算法(FOA)的变分模态分解的轴承故障诊断方法。首先,利用果蝇优化算法自适应优化VMD的惩罚参数α和分解数K,获取最优参数组合;然后,对信号进行VMD分解,得到K个模态分量;最后,基于峭度最大化准则选取最优模态分量进行包络解调分析,提取出故障特征频率。通过仿真信号分析、实际故障轴承信号验证以及与基于果蝇优化算法的多分辨奇异值分解(MRSVD)方法进行对比,证明了所提方法的有效性。