低电阻率地层基于凹陷电极对的油基泥浆电成像测井四参数计算方法

油基泥浆电成像测井是当前测井领域的研究热点之一。针对电成像测井在油基泥浆环境中存在的问题，提出了在低电阻率地层中基于凹陷电极对的油基泥浆电成像测井四参数计算方法，4个参数包括地层电阻率、泥饼厚度、油基泥浆电阻率和油基泥浆介电常数。基于凹陷电极对的极板结构、工作原理及四参数的计算方法分析了4个参数的影响因素，绘制了油基泥浆电阻率和相对介电常数的校正图版，并利用随机数据和层状地层模型验证了计算方法的准确性。结果表明，泥饼厚度是油基泥浆电成像测井四参数计算中的关键参数。参数的计算步骤为：首先计算出泥饼厚度，进而确定电极系数、计算地层电阻率；然后，根据电流频率、地层电阻率、泥饼厚度等参数对油基泥浆电阻率及其相对介电常数的数值计算结果进行校正。在低电阻率地层条件下，基于凹陷电极对的测量和计算能够准确地反映油基泥浆电阻率、油基泥浆相对介电常数、地层电阻率和泥饼厚度的变化，为油基泥浆电成像测井仪器设计和数据处理提供有利支持。     

青海牦牛皮防腐保藏的研究

摘要本文对青海高寒地区牦牛原料皮霉烂及菌伤的原因进行微生物学研究.培养出真菌、放线菌及细菌200余株,经鉴定有17株细菌液化明胶,与牦牛皮腐烂有关.对其进行了防腐剂敏感试验和致牛皮腐烂研究,为寻找高效、低毒、不损伤原皮的化学灭菌剂提供了资料.     

一种障碍环境下机器人路径规划的蚁群粒子群算法

针对机器人在障碍环境下寻找最优路径问题, 提出了一种障碍环境下机器人路径规划的蚁群粒子群算法.该方法有效地结合了粒子群算法和蚁群算法的优点, 采用栅格法进行环境建模, 利用粒子群算法的快速简洁等特点得到蚁群算法初始信息素分布, 以减少迭代次数, 加快算法的收敛速度; 同时利用蚁群算法之间的可并行性, 采用分布式技术实现蚂蚁之间的并行搜索, 求解精度高等优点, 求精确解. 仿真实验结果证明了该方法的有效性, 是机器人路径规划的一种较好的方法.     

基于同步挤压变换的地震勘探信号时频特性分析

地震信号的时频特性分析对于地层界面分析和油气储层研究具有重要意义。不同频段的地震数据反映的地质信息也不同,即不同频率成分对应不同性质的界面信息。地震信号是典型的非平稳信号,应用适合于非平稳信号的时频分析方法研究地震信号的时频特性,能够较好地反映信号频率随时间的变化情况,并且可为后续的地层界面及储层分析提供帮助。本文采用具有高分辨特性的同步挤压变换时频方法分析地震信号的时频特性,较之于传统小波时频分析能更加真实地反映地震信号的频率随时间的变化情况。     

新的融合算法在机器人路径规划中的应用

机器人路径规划一直是机器人学领域的一个非常重要的研究课题。提出了一种基于蚁群粒子群算法融合的机器人全局路径规划算法,该方法有效地结合了蚁群算法和粒子群算法的优点,利用粒子群算法的快速简洁等特点得到蚁群算法初始信息素分布;然后利用蚁群算法的并行性、正反馈性、求解精度高等优点,求得全局最优解。仿真实验结果证明了该方法的有效性和可行性。     

某燃料电池动力系统管道密封性能分析

车用燃料电池动力系统采用大量的硅橡胶管路系统,为了提升车用燃料电池动力系统管路的密封性能可靠性,本文基于Rivlin模型对硅橡胶管路接头处进行了有限元分析,并进行了密封性试验验证,建立了保证硅橡胶管路接头密封性的设计方法.试验结果表明,采用此设计方法,可以满足硅橡胶管路接头的密封性要求.     

ER100型温度记录仪的改制

介绍了电子位差计的工作原理，阐述了ＥＲ１００型温度记录仪的改装电阻的制作技术。     

基于粒子群优化的MIMO系统判决反馈均衡研究

为了更好地消除多输入多输出(MIMO)系统中的码间干扰(ISI),提出了一种基于粒子群优化(PSO)的判决反馈均衡(DFE)算法;将该算法与基于最小均方(LMS)算法的判决反馈均衡进行了比较.仿真结果表明,PSO DFE的误码率性能明显优于LMS DFE,且收敛速度快.     

基于形态滤波的声波法测油井中动态液面信号消噪算法

在声波法测油井中动态液面信号过程油套环空会产生各种噪声,使采集到的声波信号有效波受到干扰甚至湮没于噪声中不易被辨识提取,需采取有效措施将噪声尽可能地滤除。信号处理中采用形态滤波方法对声波测油井中的动态液面信号进行消噪处理。形态滤波的特点在于能够根据有效信号的形态特征对其进行滤波提取,其中结构元素的恰当选取非常关键。通过对实际声波法测油井数据形态滤波,噪声被较大程度地抑制,有效信号在形态上具有较高的保真度;通过对滤波前后的信号作频谱对比,滤波后信号的频谱更为平滑。     

自适应均衡算法在信道均衡技术中的应用研究

文中描述了两种非线性均衡器分别为判决反馈均衡器(DFE)和最大似然序列估计(MLSE)均衡器.所用信道模型为加性白高斯噪声信道,在DFE和线性均衡器(LE)中都是使用递归最小二乘(RLS)算法和最小均方(LMS)算法对数据进行分块处理.MLSE均衡器中使用了维特比最佳译码算法.就误比特性能来做以比较,DFE远好于LE,MLSE均衡器又明显优于DFE,并且它能达到几乎最优的性能.