排序方式: 共有71条查询结果,搜索用时 21 毫秒
61.
62.
63.
64.
塔里木盆地油气资源丰富,下寒武统玉尔吐斯组是深层碳酸盐岩沉积中重要的烃源岩发育层系之一,加之上覆的中-下寒武统台缘礁滩储层物性好、规模大,具有巨大的资源潜力。在重新落实玉尔吐斯组烃源岩分布范围的基础上,利用盆地模拟技术,建立单井的热演化史、生烃史和油气运移史模型,进一步刻画有效液态、气态烃源岩的分布和运移范围,判别油气运移的优势方向,最终预测油气运聚的有利区带。结果表明,玉尔吐斯组烃源岩在构造运动和热液活动的双重控制下,经历了加里东晚期和海西晚期2个主要的生烃期,热演化程度呈东早西晚的趋势。二叠纪后,除了巴楚隆起西南缘至塔西南一带进入生油高峰外,其余地区几乎进入生烃停滞阶段,生烃枯竭范围逐渐扩大。液态烃在加里东中期聚集于坳陷低隆起,加里东晚期聚集于坳陷周缘斜坡带;气态烃主要在加里东晚期至海西晚期大规模聚集于坳陷周缘斜坡带,并通过断裂向上覆地层运移。除塔西南地区外,有利的烃类聚集带在二叠纪后基本定型,大型古隆起及周缘低隆起和斜坡带依然是有利的聚集区。海西晚期在顺托果勒北部地区出现油气交汇,使其成为盆地最有利的油气聚集带。塔西南地区在海西晚期的构造反转使前期油藏大部分遭受破坏,有利的聚集带指向了巴楚隆起西南部。共预测9个有利液态烃聚集带和10个有利气态烃聚集带。 相似文献
65.
66.
为进一步提高多模5孔块电磁制动系统在高效连铸过程中的应用效果,以某钢厂FTSC薄板坯结晶器以及新型多模块连续电磁制动(MM-EMB)系统为原型,将结晶器内流场特征以及钢渣界面波动程度作为评判标准,采用数值模拟手段对不同电磁条件下的结晶器流场进行多物理场的耦合计算,重点揭示了在6 m/min的高拉速条件下,对电磁制动系统施加不同电流强度时,多模块连续电磁制动系统中不同线圈组合对薄板坯连铸结晶器内流场特征的影响规律。研究结果表明,结合5孔水口的结构特点,电磁制动(MM-EMB)系统依据其作用范围可将5组线圈分为2组控制单元,其中上部控制单元包含2组线圈,主要作用域为钢液流场上回流区域,当2组线圈施加电流由400 A增加到1 000 A时,可以有效降低钢液流股冲击钢渣界面的速度,减小钢渣界面波动;下部控制单元包含3组线圈,主要对结晶器内下回流起稳流作用,当3组线圈电流增大至800 A时,涡心位置和窄面冲击点明显下降,下回流强度和范围得到了有效控制。当将2组控制单元共同作用于结晶器钢液流场,下部控制单元线圈电流为800 A时,上部控制单元2组线圈施加电流取800 A可以达到最佳制动效果。将数值... 相似文献
67.
采用镁处理的第三代氧化物冶金技术,通过铁水预处理→转炉→LF精炼→VD精炼→CC→TMCP工艺生产70 mm厚的EH420海工钢。为了研究“焊接道次”和“线能量”对热影响区(heat-affected zone, HAZ)组织以及性能的影响,对厚板进行大线能量焊接,焊接工艺分别为170 kJ/cm线能量的三丝埋弧两道焊和250 kJ/cm线能量的三丝埋弧单道焊。结果表明,与170 kJ/cm上表面相比,170 kJ/cm T/4处由于“两道次焊接”,原奥氏体晶粒尺寸由58.60μm增加到75.22μm; M-A组元数量接近,但岛状M-A组元平均尺寸由0.96μm增加到1.26μm,条状M-A组元平均尺寸由1.89μm增加到2.44μm;恶化了低温冲击韧性,-40℃平均冲击功由205 J降低为156 J。与170 kJ/cm上表面相比,250 kJ/cm上表面由于“线能量提高”,原奥氏体晶粒尺寸由58.60μm增加到74.75μm; M-A组元数量减少,但M-A组元尺寸明显增大,岛状M-A组元平均尺寸由0.96μm增加到1.52μm,条状M-A组元平均尺寸由1.89μm增加到2.87μm... 相似文献
68.
目前业界对废钢智能评级和扣杂的方案都是基于目标识别模型,但是目标识别模型与语义分割模型相比其无法精确刻画废钢的边界,造成对废钢的面积估计和特征采集不精准。然而当前语义分割模型众多,如何选择一种适合废钢判级场景的模型是亟待解决的问题。针对该问题,首先在实验室建立1∶3物理模型,模拟不同类型废钢入厂验质场景;然后,用2K分辨率摄像头采集图像数据;最后,将主流的20种语义分割模型进行对比分析。试验表明,在139张废钢数据集上应使用全卷积神经网络(fully convolutional network, FCN)模型搭配高分辨率网络(high-resolution net, HRNet)对废钢进行语义分割;在图像增强的1 529张废钢数据集上应使用基于Transformer改进的高效语义分割模型SegFormer-B5对废钢进行预测分类;从平均交并比(mean intersection over union, mIoU)评价指标来看,FCN和基于上下文表示的语义分割网络(object-contextual representations network, OCRNet)使用HRNet主干网络比... 相似文献
69.
70.
废钢是现代钢铁工业重要的铁素来源,是钢企实现碳中和的重要原料。不同级别的废钢价格悬殊,其质量直接影响钢企的生产成本和产品质量,因此,废钢入炉前的分类和评级问题,受到钢企的普遍重视和高度关注。针对传统人工方法在废钢的分类评级中所出现的效率低、安全性和公正性差等问题,提出基于深度学习中的卷积注意力机制和加权双向特征融合网络构建废钢分类评级模型CCBFNet。首先搭建废钢质量查验物理模型,模拟货车卸载废钢的生产作业场景,采用高分辨率视觉传感器采集不同类别的废钢图像。其次,在模型训练阶段设计了一种结合注意力与特征融合的废钢验质深度学习模型,将卷积注意力模块(Convolutional Block Attention Module,CBAM)加入主干网络对采集的废钢图像数据集进行特征提取,聚焦并保留图像的重要特征;使用加权双向特征金字塔(Bidirectional Feature Pyramid Network,BiFPN)平衡多尺度特征信息,进行多尺度特征融合。最后,在模型预测阶段,利用所构建的废钢质量验质模型CCBFNet进行废钢类别和质量判级,验证模型的准确性与检测效率。基于自制废钢验证数据集,与主流的目标检测Faster R-CNN、YOLOv4、YOLOv5系列以及YOLOv7进行性能比较。实验结果表明:CCBFNet识别判级的平均准确度达到了90%,mAP为89.2%,均高于对比的目标检测模型,在准确性、实时性以及识别评级效率方面可完全满足实际生产应用,解决废钢分类评级过程中的诸多难题,实现废钢的智能验质和公正判定。 相似文献