白豹-南梁地区长4+5_1油层组储层特征及综合评价研究

鄂尔多斯盆地白豹-南梁地区延长组长4+5油层段是重要的储集层之一,包括长4+51和长4+52。由于白豹-南梁地区长4+51油气富集规律尚未明确,亦有必要对白豹-南梁地区4+51储层开展评价。通过岩心铸体薄片、物性分析、压汞分析等资料对研究区长4+51储层特征进行了研究。结果表明,研究区岩石类型以长石砂岩和岩屑长石砂岩为主,分选性以中-好为主,磨圆度以次棱角状为主;孔隙类型主要为粒间孔、长石溶孔,孔隙空间分选性较差,喉道分布不集中;研究区整体以Ⅱ类储层分布为主。     

论城市山水画的艺术魅力

城市山水画概念的提出虽只有短短的二十多年,但随着社会、经济、文化的发展,城市山水画作为一个崭新的绘画题材越来越受到业界人士的关注。城市山水画作为传统山水画的一个分支,丰富了现代化人文都市的艺术意境,满足了人们的精神需求。该文阐述城市山水画的概念和发展历程,结合相关实例,分析当下城市山水画的艺术魅力,以促进城市山水画的发展。     

Morondava盆地西部侏罗纪断陷盆地构造特征

系统分析了Morondava盆地西部侏罗纪断陷盆地构造特征,实可分为东部断陷带、中部断裂构造带和西部侏罗系残留斜坡带,可能存在有断鼻型、背斜型、地层剥蚀尖灭型、断块型、古潜山及岩性圈闭。     

基于深度一维残差卷积自编码网络的齿轮箱故障诊断

一维振动信号常常被用于齿轮箱的监测与故障诊断中,使得能及时地对齿轮箱维护以减少损失。因此,从一维振动信号中提取出关键故障特征决定了故障诊断模型的准确性与可靠性。典型的深度神经网络(deep neural network, DNN),如卷积神经网络已经在故障诊断中表现出良好的性能并得到了广泛的应用,但其监督式训练方式往往需要大量的标签数据而限制了其可应用性。因此,提出一种新的深度神经网络模型,一维残差卷积自编码器(1-dimension residual convolutional auto-encoder,1DRCAE),成功应用于振动信号的无监督学习及故障特征提取,显著提高了齿轮箱的故障诊断率。首先,提出了一维卷积层与自编码器的有效集成方法,形成了深度一维卷积自编码器;其次,引入残差学习机制训练一维卷积自编码器,实现对一维振动信号有效地特征提取;最后,基于编码器提取的特征,使用少量标签数据进行分类微调实现齿轮箱故障模式识别。通过齿轮箱试验台采集的传感器数据进行实验验证表明,这种无监督学习方法具有良好的去噪能力和故障特征提取能力,其特征提取效果好于典型的深度神经网络,如深度置信网络(Deepbeliefnetwork,DBN)和堆叠自编码网络(Stackedauto-encoders,SAE),同时故障诊断效果也优于一维卷积神经网络(1-dimension convolutional neural network, 1DCNN)。     

基于弥散燃料颗粒开裂的金属基体裂纹特征模型

金属基弥散燃料元件在特殊工况下会发生表面起泡失效。燃料颗粒开裂是金属基体开裂的前提条件，只有当金属基体开裂后元件才会发生表面起泡。燃料颗粒开裂后，裂纹宽度和塑性区长度等裂纹特征决定了金属基体开裂行为。基于弹塑性断裂力学和应力平衡条件，建立了基于弥散燃料颗粒开裂的金属基体裂纹特征模型。计算结果表明：裂纹张开位移随退火温度和燃耗深度的升高而增加；裂纹尖端塑性区长度主要与退火温度相关。裂纹张开位移和塑性区长度的计算结果与实验数据均符合较好，验证了金属基体裂纹特征模型的有效性。     

球团矿矿相显微结构鉴别特征分析

为了帮助球团矿矿相鉴别初学者快速和准确的识别球团矿的矿相和显微结构,总结和分析了球团矿矿相在显微镜下和扫描电镜-能谱分析中的鉴定主特征信息。对光学显微镜下球团矿的主要矿相呈现的形状、位置、光学组织颜色等特征进行了区分和识别,同时利用扫描电镜-能谱分析对不同球团矿矿相进行了能谱特征对比,探讨了不同矿相呈现的能谱特征的区别。     

基于客户特征的产品环境需求预测方法研究

针对产品绿色设计中客户需求的模糊性和不确定性,提出了一种基于客户特征的产品环境需求预测方法。通过建立客户环境需求采集模版获取客户信息,采用感性工学及语义差异方法对客户环境需求进行规范化表达,构建了人工神经网络模型挖掘客户特征与客户环境需求之间的关系,帮助企业预测具有不同特征客户的环境需求,采用信息增益量化了各个客户特征对客户环境需求的影响程度。最后以某冰箱企业的客户环境需求分析为例,应用MATLAB进行仿真研究,验证了方法的可行性与有效性。