基于证据推理的激光惯组最优维护方法

为解决激光惯组存在的故障样本获取困难和监测维护周期不合理等问题，采用一种融合多元信息的性能评估方法对激光惯组的性能进行评估。首先，综合考虑了惯组指标信息的权重和可靠度，基于证据推理融合多元信息得到激光惯组性能评估结果。其次，根据性能评估结果，通过维纳过程预测综合考虑激光惯组的监测维护成本和性能设计要求，在满足性能状态要求前提下以单位时间内期望维护成本最小为目标，确定最优维护时机。最后，使用某型号激光惯组进行了实验验证，说明所提出的方法的有效性。     

DEA方法在项目厂址选择中的应用

厂址选择是项目建设的重要环节。通过建立方案评价模型,将数据包络分析(DEA)方法应用于项目厂址选择。引入天然气净化厂厂址选择实例,拟定投入、产出因素,利用Matlab对模型进行求解,通过对运算结果的分析,确定最优方案,说明模型及方法的有效性。     

全尾砂和废石联合胶结充填体最佳配比及应用

针对红岭铅锌矿分级充填骨料来源不足、地表废石堆积污染环境的情况,提出将该矿选厂产生的全尾砂和地表废石作为充填骨料的联合胶结充填方案。分别测试了全尾砂和地表废石的物理化学性质,验证了碎石和全尾砂作为联合充填骨料的可行性。通过充填配比试验,分析了不同配比全尾砂废石充填体强度特性,得出了最佳充填配比。结果表明,充填试块的强度随灰砂比减小而减小,随养护龄期增加呈增大趋势,随充填料浆质量浓度增大而增大,最佳配比为: 胶结充填灰砂比1∶8、普通充填灰砂比1∶12,全尾砂∶废石配比4∶6,质量浓度78%。根据研究结果,在红岭铅锌矿进行了全尾砂废石充填技术工业应用,证实该技术可行。     

9000m顶部驱动钻井装置结构选型研究

为大幅提高钻井效率,针对9 000 m钻井深度对顶驱的设计要求,通过比较顶驱装置关键部分几种典型的结构,提出适合该型号顶部驱动钻井装置的最优结构形式,为后续9 000 m钻井深度顶部驱动钻井装置的研究提供指导和借鉴。     

内热型超声雾化溶液再生系统最优内热量的研究

基于质量守恒、能量守恒定律，建立了内热型超声雾化溶液再生系统（IH-UARS）的再生性能预测模型并进行了充分的实验验证，通过研究不同内热量下IH-UARS的再生性能及其变化规律，寻求系统所需的最佳内热量并明确其可能的影响因素。结果表明：IH-UARS系统存在最优的内热量范围，使其再生系统性能最佳；所需最优内热量随着再生溶液流量增大呈显著的对数增长，但受空气流量的影响较弱；在该研究中的标准工况下，IH-UARS所需最优内热量约为275~350 W。此外研究发现：内热量的增长有益于促进初始浓度较高的溶液进一步浓缩再生，如当IH-UARS中内热量增至800 W时，其初始浓度为36%的溶液比24%的溶液浓度增量指标改善幅度高37%。研究所得结果可对提高溶液再生性能及经济性提供积极参考。     

GOS+MU:一种查询对象选择新方法

在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种"全局最优搜寻"方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询不确定性最强的样本补充训练集。通过对网络商品的用户评论进行分类仿真,并比较其他采样学习方法的效果,证明了GOS+MU方法在压缩学习成本、提高训练效率方面的有效性。     

电动汽车动态无线电能恒功率充电

电动汽车充电时,且电池电量低于80％时,为了保证充电效率一般采用恒功率充电.在动态无线电能传输系统中,电动汽车的不断移动会导致发射线圈和接受线圈的互感系数变化,致使电动汽车充电不稳定.为实现恒功率充电,提出了一种基于模型预测控制(MPC)的动态无线电能传输系统(DWPT)恒功率输出的控制方法.通过对系统建立数学模型,对输出功率进行模型预测,建立最小化目标函数来获得期望输出功率所对应的最优占空比,使输出功率恒定.进行了模型预测控制的动态无线电能传输系统Simulink仿真,通过对比不同线圈互感系数下的输出功率,验证了该方法的可行性,并且通过搭建实物测得的数据也证实了该方法的可行性.     

基于神经网络算法的井下裂缝诊断与堵漏技术

在钻井过程中，常常钻遇不同宽度的井下地层裂缝。钻遇裂缝时容易发生钻井液漏失现象，甚至发生钻井液失返现象，严重影响了安全、高效钻井。目前裂缝封堵的方法常存在封堵成功率不高、堵漏承压能力低的问题，其中一个重要的原因是对井下地层的裂缝宽度等特征认识不清。基于地层裂缝产生的岩石力学机理，确定影响裂缝宽度关键的6个力学和工程因素，并利用神经网络计算的非线性、大数据特点建立了井下地层裂缝宽度的分析模型，模型包含输入层、输出层和3个隐藏层。通过该模型诊断井下裂缝宽度，提高了计算精度，平均误差仅为2.09%，最大误差为5.88%，解决钻井现场仅凭经验判断裂缝误差较大和依靠成像测井成本较高的问题。同时根据神经网络模型诊断得到的裂缝宽度优化堵漏材料的粒径配比，提高了裂缝内的架桥封堵强度和架桥的稳定性，封堵层的承压能力达到12.8 MPa，反向承压能力达到4.5 MPa。现场堵漏试验最高憋压10 MPa，经过封堵作业后大排量循环不漏，达到了裂缝性地层高效堵漏的目的，堵漏一次成功。