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。     

管桁架焊缝质量检测机器人结构与越障稳定性研究

管桁架焊缝质量检测机器人是一种在高空管桁架上采集焊缝信息,并对焊缝质量进行适时检测的机器人,它的越障稳定性是其安全可靠工作的关键.设计了一款能在管桁架上行走、越障,且适应管径变化的机器人系统;分别对沿竖直钢管爬升、周向旋转和越障状态下的驱动轮进行受力分析,初选了关键动作驱动电机参数;利用ADAMS平台进行翻转机构的运动学仿真,发现翻转角速度可影响机器人的工作效率和稳定性,以工作损失效能最小为目标优化翻转角速度,通过数据拟合和多次迭代求得最优翻转角速度;开展了样机稳定性试验,以测量不同翻转角速度下机器人的滑移量.分析和试验结果表明:翻转角速度为0.445 rad/s时,工作损失效能最小,且越障稳定性好;翻转角速度达0.785 rad/s时,出现滑落现象;样机稳定性试验与运动学仿真结果一致.     

废水除磷工艺技术研究进展

水体的富营养化是水体中氮磷等营养物质的过量排放引起的.其中，磷是产生水体富营养化的主要元素，磷含量超过0.02 mg/L时就能产生富营养化现象.为解决水体富营养化的环境污染问题，对除磷工艺的研究具有重大意义.文中综述了利用微生物法、化学法和物理化学法对磷的去除工艺，并着重介绍了废水化学和物理化学除磷中化学混凝沉淀法、结晶法、吸附法的特点及应用现状.阐述了化学除磷的发展方向，进一步提出开发更经济环保的化学除磷技术.      

准噶尔盆地中部地区深层西山窑组砂岩成岩作用及其对储层质量评价的启示

综合利用薄片、扫描电镜、电子探针和X-射线衍射等手段,研究了准噶尔盆地中部永进地区西山窑组砂岩的岩石学特征和成岩特征,讨论了成岩作用对深层储层质量变化的影响和相对优质储层的形成模式。结果表明:西山窑组三角洲前缘亚相砂岩主要是极细粒—中粒岩屑砂岩及长石岩屑砂岩,自生矿物主要是方解石、铁方解石、铁白云石、黏土矿物、硅质及少量沸石类;影响孔隙演化的主要成岩机制包括压实作用,碳酸盐、黏土矿物胶结和溶蚀作用,其中机械压实引起塑性颗粒变形是造成大部分孔隙损失的主要原因,碳酸盐不同程度地充填孔隙也是导致孔隙度降低和非均质性增强的重要原因,绿泥石薄膜可能阻止石英沉淀而保持孔隙,而不稳定颗粒的选择性溶蚀贡献于孔隙的增大;深埋储层的成岩特征很大程度上取决于砂岩粒径和组分,在沉积微相单元内呈现出一定规律性的分布样式,分流河道中下部粒度较粗的砂岩中塑性颗粒含量较低,以压实程度较低、胶结物数量有限、发育绿泥石薄膜和较强的次生溶蚀为特征,形成了相对优质储层。实例研究说明,深层砂岩层内的成岩分布样式受原始沉积作用的制约,这种样式强化了沉积微相和内部结构控制的储层质量变化,因而通过建立沉积与成岩作用的内在关联模式,能够为深埋储层质量预测提供重要的约束。     

GaN中质子辐照损伤的分子动力学模拟研究

本文利用分子动力学方法研究了GaN在质子辐照下的损伤。对不同能量（1~10 keV）初级离位原子（PKA）引起的级联碰撞进行了研究，分析了点缺陷与PKA能量的关系、点缺陷随时间的演化规律、点缺陷的空间分布及点缺陷团簇的尺寸特征。研究结果表明，点缺陷的产生与PKA能量呈线性关系，不同类型的点缺陷随时间演化规律相似，点缺陷多产生在PKA径迹旁，点缺陷团簇多为孤立的点缺陷和小团簇。     

采用数值计算和OrcaFlex软件对缆索张力函数的分析

采用数值计算的四阶龙格库塔法和OrcaFlex软件的凝集质量法分别对重型缆在定常拖曳状态下的缆索张力函数进行分析计算得到两组曲线,并对其进行对比,由此得出流速、重力角和缆索角对张力函数的影响,得到了确定缆索张力函数的一种实用方法。研究表明:在解决缆索张力函数问题时,采用Orca Flex软件的凝集质量法是一个很好的选择,因此工程应用中可以运用OrcaFlex软件对缆索进行设计和分析;而张力函数能够确定缆索的几何形状、张力以及拖体相对于原点的位置。     

利用协同表示与神经网络的高光谱图像亚像元定位

针对小样本情况下高光谱图像亚像元定位精度有限的问题,提出利用协同表示与神经网络的高光谱图像亚像元定位算法。该算法以一幅低空间分辨率的高光谱图像和少量的训练样本作为输入,首先应用空间上采样和基于协同表示的分类技术获取一幅亚像元级类别标签图,同时应用基于协同表示的分类、光谱解混和空间引力模型获取另一幅亚像元级类别标签图,之后依据两幅初始的亚像元级类别标签图扩充训练集,最后利用扩充后的训练集基于BP神经网络对高光谱图像进行亚像元定位,从而提高小样本情况下高光谱图像亚像元定位的精度。对于Indian Pines和Pavia University图像,所提算法的总体分类精度比ASPM算法分别高3.39%和9.63%,比ACSPM算法分别高0.26%和8.91%。实验结果表明,所提算法优于ASPM和ACSPM算法,尤其适用于细节信息较为丰富的高光谱图像。