调水工程大数据技术应用

文章分析了国内外大数据的相关研究成果,阐述了调水工程大数据的特征和研究方法,给出调水工程大数据技术架构,明确了调水工程大数据生成与采集、数据存储与共享、数据分析和处理、数据应用和决策的机理,提出了调水工程大数据七个应用场景,为调水工程大数据应用发展提供了理论方法基础。     

咖啡渣“出圈”

对于起早贪黑的上班族来说,咖啡的存在可以说是"曾经用来消遣,现在用来保命"。在城市的各商圈中,星巴克、Luckin等咖啡店络绎不绝;在写字楼里,咖啡机几乎已成标配。有数据统计,全球每年约消耗12000亿杯咖啡,与此同时,每年至少累计产出800万吨咖啡渣。咖啡在制备过程中会产生大量的咖啡渣,约占咖啡干豆的2/3。大部分咖啡渣最终被填埋,并会排放约50.4亿公斤的二氧化碳,简直就是个隐形的二氧化碳"制造器",给环境造成了污染。     

数据驱动的机床等待过程节能方法研究

为了降低机床等待过程中的能耗，提出了一种实时数据驱动的机床等待时间预测与节能控制方法。首先，建立了射频识别驱动的生产进度评估方法，并以生产进度数据作为输入，构建了基于堆栈降噪自编码的机床等待时间预测模型；其次，依据预测的机床等待时间，提出了机床状态切换方法，以降低机床能耗；最后，通过一个电梯零部件制造车间的案例分析，表明该方法的预测误差仅为4.1%，同时将机床等待过程能耗降低了57%，实现了制造车间的节能减排。     

基于PCA和灰色关联的齿根裂纹损伤程度识别

在齿轮齿根裂纹故障检测方面,利用倒频谱分析可以比较损伤程度的轻重,但很难具体量化损伤程度范围。为实现损伤程度的量化检测,提出采用主成分分析(Principal Component Analysis,PCA)与灰色关联分析(Grey Relational Analysis,GRA)相结合的方法。首先,利用能量法计算含不同齿根裂纹的齿轮副时变啮合刚度,分析不同损伤程度的响应,并结合损伤检测统计指标进行量化检测,通过PCA算法,对多维损伤检测统计指标进行降维优化后,计算待检目标序列与各个比较状态序列的关联度,用关联度表征裂纹损伤程度。在理论仿真的基础上,进行实验验证。结果表明,倒谱分析可有效地识别出齿根裂纹故障,损伤程度越大,倒谱的尖峰幅值越大。PCA与GRA结合算法与GRA算法计算的关联度相比更大,区分度也更加明显。并可以有效地量化待检目标的损伤程度,为齿根裂纹的定量识别提供理论依据。     

智慧化加油建设探讨

在智能化加油站的基础上,结合互联网大数据时代和用户的需求,对智能加油进行系统描述和设计探讨研究。加油站系统工程,并不是因为智慧加油站涉及的新技术领域复杂、信息化的媒介和工具多样;而是因为智慧加油站建设是一次变革,是一次流程再造和升华,是伴随产业技术升级不断完善、尚无止境的过程。     

灰色关联与劈分系数相结合开展分层配注研究

注水开发的过程中,因为每个油层的渗透率,连通性等因素各不相同的原因,使得生产井在各层开采时每层的具体情况上也不相同,容易造成层间干扰,影响开发效果。大43区块为低渗透油藏,其注水开发目前采用有效厚度法从宏观上确定配注量。井口注入采出结果显示配注量较高,但厚度上分析则分水注入量不足,呈现矛盾。针对这一问题,本文将研究重心转移到如何合理将区块的配注量劈分到层段配注量这一问题上来。     

儿童用品TBT通报数据可视化预警研究

探索采用数据可视化技术分析儿童用品TBT通报数据,以可视化图形图像呈现通报热点并揭示趋势信息,提出对策与建议,助力为儿童用品产业升级、TBT预警数据分析和信息传播工作提供新思路,提高中小企业的国外市场准入机会。