电潜泵变频控制器数据采集系统的研制及应用

针对雷达(REDA)和森垂(CENTRILIFT)变频控制器研制的数据采集分析系统,可对电潜泵井下运行参数,即井底流压、运行电压、运行电流和运行频率进行实时采集、存储,并利用采集软件和RS232接口实现对数据的读取、处理和分析,从而准确了解机组运行情况,及时调整机组的运行参数,提高生产效率.     

大型钢架屋面雨水排水分析

大型钢屋架屋面厂房因有汇水面积大、雨水排水量大,以及其它特点在设计施工中遇到了一些问题.在此针对其特点介绍了檐沟的尺寸确定以及天沟坡度的几种设计方法及其优缺点,且对雨水斗的选择进行了探讨.     

低温离子渗硫技术及其应用

在现代的生产及生活中,很多机械零件都是依靠摩擦副来实现能量传递和运动的,摩擦副的磨损将导致零部件的逐渐消耗,降低工作效率、工作精度、工作的稳定性和可靠性,增加能源消耗,当磨损严重时,甚至使零部件之间相互咬死,不能正常运行。 为了提高零部件的性能及使用寿命,通常的方法是增加表面硬度和添加润滑油,然而这些措施也     

B+树索引机制的研究及优化

B+树索引是大型数据库系统中较为常用的一种索引技术。当数据庞杂时,B+树索引在查找效率和空间利用率方面还存在不足。针对该问题提出一种改进的B+树结构,首先通过调整叶子结点与非叶子结点的数量关系,以降低树的深度;然后优化原插入算法,在分裂结点前进行平衡处理(BP),以提高树的空间利用率。经试验,改进后的B+树与传统B+树相比,在查找效率和空间利用率上分别提高了10%和6%,证明对B+树的改进具有可行性。     

带启发信息的蚁群神经网络训练算法

ACOR算法是一种应用于连续域实值优化的蚁群算法(Ant Colony Optimization,ACO)。ACOR算法可用于训练神经网络。与常规的蚁群算法不同,ACOR在训练神经网络时未考虑启发式信息(Heuristic Information)。在ACOR的基础上,提出了一种将启发式信息与ACOR相结合的神经网络训练算法——h-ACOR。其中,启发式信息是通过计算神经网络的误差关于网络的权值向量的偏导数而得到的梯度向量。通过十折交叉验证方法,将h-ACOR 应用于UCI数据集中的zoo,iris和tic-tac-toe 3组数据的模式分类问题中来训练神经网络。与ACOR相比,h-ACOR算法在减小分类误差的同时能够提高收敛速度,其收敛的代数约为ACOR算法的1/2,且经过完全训练,对zoo,iris和tic-tac-toe 3组数据的分类准确率分别为91.1%,93.3%和95.6%,高于ACOR算法的83.1%,88.7%和91.9%。     

基于卷积神经网络的雷达回波外推方法

雷达回波外推技术目前被广泛应用于临近预报中。针对传统雷达回波外推方法存在外推时效较短,对雷达资料数据利用率不高的问题,采取深度学习的方法,提出了一种基于输入的动态卷积神经网络（DCNN-I）模型。根据相邻时刻的雷达回波图像之间相关性强的特点,该网络模型中增加了动态子网络和概率预测层,建立了卷积核与输入图像的映射关系,使卷积核在网络测试阶段仍然能够根据输入雷达回波图像的不同而变化,增强了预测图像与输入图像之间的关联。以南京、杭州、厦门三地的雷达数据为样本进行实验,实验结果表明,与传统的雷达回波外推方法相比,所提方法能够获得更高的预测图像准确率,并且有效延长外推时效。     

电潜泵工艺在四川气田的应用与分析

通过收集归纳和分析近二十年来电潜泵在四川气田19口井的试验和应用数据，指出了取得的成功经验和存在的问题，并提出选井条件及其依据，选机组和电缆的注意事项与原则。     

濮城油气田压力恢复曲线类型研究

本文主要介绍了采用双对数曲线和单对数曲线分析压力恢复曲线的方法,并着重整理和分析了濮城油气田压力恢复曲线的类型。这些类型包括:线型或续流直线型;断层遮挡型;边界或多井干扰型;驼峰型和多层双直线型等。我们认为,在压力恢复曲线分析中,采用有效的方法,研究其类型特征,对于正确地分析油气井产状和确定地层参数都是有益的。     

基于改进目标函数的机组汽温变结构预测控制EI北大核心CSCD

近年来,变结构预测控制算法因其结构简单、易于实现,在发电过程控制中得到应用,但该算法对目标函数利用不足,导致预测控制输出变化缓慢,被调量跟踪不及时。该文在原始变结构预测控制算法的基础上,设计可调节因子对目标函数进行加权修正,提出一种改进目标函数的变结构预测控制算法。同时,以1000MW机组汽温控制为研究对象,将改进目标函数的变结构预测控制算法与传统PID控制及原始变结构预测控制算法进行对比分析。结果显示:在±50%的过程模型参数摄动与环境噪音扰动下,改进目标函数的变结构预测控制算法对被调量的快速响应与超调抑制具有良好的控制效果。实际应用表明:稳定工况下,汽温控制偏差小于±2℃,负荷扰动工况下最大偏差不超过10℃,能够满足汽温系统大惯性、大迟延、多扰动的控制需求。