气体发动机涡轮增压器的使用注意事项

对于气体发动机而言,涡轮增压器的工作环境更加恶劣,故障率较高,正确合理地使用和保养,可有效提高增压器的使用寿命。本文介绍了气体发动机的增压特点和增压器的常见故障,结合多年的使用维护经验,简要阐述了涡轮增压器在使用和保养过程中应注意的事项。     

B油田N1井区地层压力恢复研究

针对N1井区油藏地层压力下降过快、能量不足的问题,开展了转注方案研究。首先利用区域沉积体系展布特征结合井上钻遇资料将N1井区储层划分为三期河道沉积,幵对N1井区的注采对应率迚行详细的分析。然后利用物质平衡法研究了合理地层压力。最后运用数值模拟方法对转注方案迚行优选。通过对压力、增油量等指标的优选,最终推荐D24,A32井转注。     

气中高速走丝电火花线切割放电状态的研究

气中电火花线切割加工是电火花线切割精加工的发展趋势.因此对气中电火花放电状态的检测是电火花线切割加工过程中极为重要的一个环节,文中介绍了利用放电状态时不同的电压波形对放电状态进行区分并分析了它们的特点.     

植物甾醇酯与维生素E复配抗氧化剂对玉米油的抗氧化效果研究

本研究将植物甾醇酯与天然维生素E以1∶1比例进行复配作为天然抗氧化剂添加到玉米油中,从测定其不同添加量时的过氧化值、茴香胺值、总氧化值和酸价的变化趋势可以看出,与对照组相比复配天然抗氧化剂对玉米油有较好的抗氧化作用。结果表明,添加200 mg/kg复配抗氧化剂的玉米油抗氧化性和品质较好。在最佳添加量条件下,复配天然抗氧化剂抗氧化效果优于BHT、BHA,因此复配抗氧化剂有其明显的优势,可为玉米油贮存过程中添加天然抗氧化剂提供参考。     

风电并网对南方电网可靠性的影响评估

在同时考虑发电机组和输电线路可靠性的前提下,引入了等效无风电场景,利用蒙特卡洛法来评估风电并网后对系统可靠性的影响,并基于此场景提出在可靠性意义下风电备用需求的计算方法,来量化风电间歇性对系统可靠性的影响。同时随着南方电网风电渗透率逐步增加,需要对风电在规划中的容量效益以及对系统容量充裕度的贡献进行评估,来减小电力供需预测产生的偏差,避免投资浪费,并为今后电力市场改革中容量市场的建立提供数据参考和支持。以上述可靠性评估模型为基础,基于序列运算对南方电网风电可信容量和容量可信度进行评估,并以南方电网实际系统为例,研究风电出力特性、渗透率和风区相关性等对容量可信度的影响。     

极化-空域联合抗机载雷达欺骗式主瓣干扰

机载雷达欺骗式主瓣干扰不仅会引起大量虚警,还会污染空时自适应处理(STAP)器的训练样本,引起自适应方向图畸变,导致期望信号相消和杂波抑制性能下降。针对此问题,利用目标信号与干扰信号极化特性的差异,该文提出一种极化-空域联合自适应波束形成的方法来抑制欺骗式主瓣干扰。该方法首先在多普勒清晰区挑选干扰样本,并采用特征融合技术估计干扰协方差矩阵,然后采用重叠滑窗的子阵合成方式进行极化-空域联合自适应波束形成,在抑制主瓣干扰的同时为后续杂波抑制保留了空域自由度,最后通过STAP抑制剩余的杂波。该算法可以有效滤除密集欺骗式干扰,减少由其引起的虚警,改善机载STAP雷达的杂波抑制性能。仿真结果验证了该方法的有效性。     

中压配网无功补偿优化方法研究

针对中压配电线路无功补偿装置位置和容量规划问题,在将整个中压配电网络进行等效主分支计算的基础上提出了简便、有效的优化设计方法.算例分析验证了该方法的有效性.     

激发极化法在西藏嘎日阿统银铅矿勘查中的应用效果

阐述激发极化法在西藏申扎县嘎日阿统钼多金属矿区银铅矿的应用效果,通过在测区进行直流激电中梯和直流激电测深工作,圈定五个银铅矿激电异常,结合工区的岩矿石的电性和激电特性,对其场源性质和极化体特征进行了推断和解释,认为Mη1、Mη2、Mη5异常显示相对低阻,ηs异常幅值较低,规模较小,Mη3、Mη4异常显示低阻,η5异常幅值高,规模较大;从物探勘查角度及产生的效果对测区做出评价,为进一步开展地质工作提供依据.用该方法在区域上寻找同类矿床具有一定的参考意义.     

基于残差网络与特征融合的改进YOLO目标检测算法研究

以深度学习为基础的YOLO目标检测技术因检测速度快，而广泛应用于实时目标检测领域中，但其检测准确率不高，尤其是对小物体的检测能力较差。针对上述问题，本文提出一种改进模型——R-YOLO。该模型将残差单元引入YOLO目标检测，既可以通过增加网络的深度，提高网络的准确性，又可以利用残差网络的快捷连接方式，以保证检测的实时性。同时结合CBNet结构，增强语义信息，进一步提高R-YOLO的准确性。最后在改进的YOLO模型中通过特征金字塔融合，结合不同阶段卷积层输出的特征信息，使得融合后的特征图同时具有深层次的语义信息和浅层次的位置信息，以提高对小物体的检测准确性。在Pascal数据集上的实验显示R-YOLO在准确率上较YOLO提高了7.6个百分点，对小物体的检测结果更准确。结果表明，残差单元和特征金字塔融合的引入有效改进了YOLO网络模型的检测性能。