专利介绍

一种微波加热连续硫化挤出型遇水膨胀橡胶材料及其制备方法申请公布号:CN 112341675A申请公布日:2021年2月9日申请人:西北橡胶塑料研究设计院有限公司发明人:李兴忠、韦增红、张卫斌等本发明介绍了一种微波加热连续硫化挤出型遇水膨胀橡胶材料及其制备方法。该橡胶材料的组分及其用量为:氯丁橡胶7~9.5,天然橡胶19~21,活性剂1~1.5,双相补强剂8~11,无机填料2~6,增塑剂10~12,聚醚型聚氨酯预聚体18~20,反应水0.4~0.6,吸水树脂14~21,吸湿剂2~6,着色剂1~1.3,防霉剂0.2~0.3,多功能助剂0.7~0.8,硫化剂2~3。     

临兴区块新型储层保护钻井液技术研究与应用

临兴区块地层非均质性强,具有低孔、低渗、低温、低压的特点,需要后期压裂改造,才能实现工业化气流.随着该区域的钻井数量逐渐增多,储层伤害问题日益突出,笔者对地层进行了敏感性分析,在此基础上,研制了超双疏剂,并对其性能进行了评价.结果表明:超双疏剂能够使岩心孔喉表面润湿性由亲水亲油向疏水疏油转变,有效降低低渗储层发生自吸水锁概率,达到保护储层的目的;同时,3％质量分数的超双疏剂比传统的抑制剂KCl和聚醚胺等具有更好的抑制性能.现场应用表明,加入超双疏剂后的钻井液黏度低、切力高、老化前后性能稳定,应用双疏钻井液体系后现场平均机械钻速提高32.33％,井眼扩大率降低33.89％,作业井日产量平均在35973.5 m3/d.     

基于NR-Transformer的集群作业运行时间预测

高性能集群的作业调度通常使用作业调度系统来实现，准确填写作业运行时间能在很大程度上提升作业调度效率。现有的研究通常使用机器学习的预测方式，在预测精度和实用性上还存在一定的提升空间。为了进一步提高集群作业运行时间预测的准确率，考虑先对集群作业日志进行聚类，将作业类别信息添加到作业特征中，再使用基于注意力机制的NR-Transformer网络对作业日志数据建模和预测。在数据处理上，根据与预测目标的相关性、特征的完整性和数据的有效性，从历史日志数据集中筛选出7维特征，并按作业运行时间的长度将其划分为多个作业集，再对各作业集分别进行训练和预测。实验结果表明，相比于传统机器学习和BP神经网络，时序神经网络结构有更好的预测性能，其中NR-Transformer在各作业集上都有较好的性能。     

基于人脸卡口数据的行人共现关系图谱构建

随着人脸识别技术的不断进步以及人脸卡口的大范围且密集的部署, 本文针对团伙犯罪案件侦察这一应用场景, 对人脸卡口数据进行深入挖掘, 探究其中行人间的共现关系, 获取所关注的嫌疑人的现实社交网络, 锁定团伙其余人员. 经过实验比对和论证, 本文使用Chinese Whispers聚类算法对行人节点进行识别, 通过Faiss加速邻接边的构建, 加速图的初始化步骤, 解决其聚类效率低下的问题. 在此基础上, 使用共现频次和Apriori算法中的置信度挖掘行人间的共现关系, 构建行人共现关系图谱.     

减水剂类型对赤泥—矿渣基地聚物注浆材料性能的影响及机理研究

针对赤泥等固体废弃物对环境危害性大且利用率低等问题,以碱激发赤泥-矿渣基地聚物注浆材料为 研究对象,研究了不同掺量的聚羧酸(PA)减水剂、醛酮缩合物(AKC)减水剂和萘系(N)减水剂对材料凝结时间、流动 性及强度等的影响,并通过 XRD、傅里叶红外光谱及 SEM 等设备对减水剂的作用机理进行研究。 结果表明:减水剂增 强了材料的流动性但降低了材料的剪切应力;N 和 PA 减水剂能缩短材料的凝结时间,但 AKC 减水剂会延长材料的凝 结时间;N 和 AKC 减水剂能提高材料的强度,但 PA 减水剂会降低材料的强度;N 减水剂对材料的综合性能提升效果 更加明显,其最优掺量为 0. 7%;减水剂对赤泥-矿渣基地聚物性能提升的作用机理主要是促进地聚合物凝胶的形成。 研究成果为拓展赤泥在工程上的使用途径和效率提供了理论指导。     

机器学习理论的超光谱遥感图像无损压缩

针对一般超光谱遥感图像的压缩方法无法同时实现图像信息缩减和图像完整性的问题，提出一种机器学习理论的超光谱遥感图像无损压缩方法。利用机器学习中的聚类算法进行第一次压缩，减少超光谱遥感图像中的冗余波段光谱，并降低图像维度；再利用机器学习中的人工神经网络进行第二次压缩，将不同图像子块送入不同压缩率的神经元当中，通过隐含层自主完成图像压缩编码。通过与四种一般压缩方法的对比验证，本方法图像压缩后，图像压缩率更小，图像分辨率和信息熵更高，既有效地减少了图像信息量，能够保留有效关键信息，达到了图像信息缩减和图像完整性的双重目标。     

自交联型油基钻井液降滤失剂的研制与评价北大核心

针对传统油基钻井液降滤失剂耐温性能不足、影响体系流变等问题,基于自交联改性思路,以N-羟甲基丙烯酰胺为功能单体,与丙烯酸丁酯和苯乙烯进行乳液聚合,研制了一种自交联型油基钻井液降滤失剂(BSN)。通过红外光谱仪、激光粒度仪和透射电镜表征了BSN的主要官能团、微观形貌和自交联特征。实验结果表明,BSN含有自交联功能基团羟甲基,平均粒径为247 nm,颗粒间具有明显的交联结构。热重测试结果显示,BSN热稳定性良好,初始分解温度高达355℃,显著高于非自交联型的降滤失剂BS(278℃)。在油基钻井液体系中添加1%的BSN,不仅不影响体系流变参数而且能够提高破乳电压,180℃下的高温高压滤失量仅为4 mL,滤失控制能力明显优于非交联型的降滤失剂BS以及3%的传统油基钻井液降滤失剂有机褐煤和氧化沥青。     

针对细微特征进行K-means聚类的电台分选识别技术

现代战场中的无线通信设备日益增多，精准获取个体信息已成为研究热点，但也是难点。针对通信电台，提出了一种分选识别技术。该技术从电台物理层特性出发，对其辐射信号的细微特征进行K-means聚类以实现分选，分选的同时提取各个个体的特征属性值，未知信号通过与特征属性值相关运算实现个体识别。该技术无需先验知识，无需训练运算，通过实验验证，其可行、高效，易于工程实现。