干式井口采油树声发射检测仿真与试验研究

井口采油树是石油天然气开采过程中的核心设备之一,对油井的生产与安全起着至关重要的作用。由于干式井口采油树结构复杂的特点,利用常规无损检测手段对其进行安全检测有一定的局限性,因此,采用声发射检测技术对干式井口采油树的缺陷进行检测研究具有重要意义。通过仿真分析得到,声发射信号在经过干式井口采油树四通、法兰、卡箍和闸阀组合件等关键部件时,幅值衰减为10～20 dB。然后根据仿真分析结果获得现场试验传感器布置方案,运用9个传感器组成4个线性定位组,实现对干式井口采油树的完整性检测,检测结果显示,出油管线和注水管线定位分析偏差在20 mm以内,主干线定位分析偏差在40 mm左右,误差均在可接受范围以内。     

在役大型游乐设施健康评价方法研究

大型游乐设施是人们追求美好生活的重要工具和弘扬传统文化的有力平台,其安全性、可靠性和经济性受到了社会的广泛关注。实施健康管理是保障大型游乐设施在服役期间能安全、可靠、经济运行的一种先进手段。围绕大型游乐设施健康管理中健康评价这一核心环节,第一,从健康状态的本质出发,建立健康状态的数学模型;第二,通过分析在役大型游乐设施的损伤发展和功能退化规律以及游乐园的实际需求,提出了大型游乐设施健康状态分级的概念,并划分为"健康"、"亚健康"、"微病态"和"病态"4个等级;第三,针对国内外大型游乐设施的技术现状,提出一种综合利用对设备的定期检验、日常维护保养和设备实时状态监测三方面信息的定量健康评价方法;最后,通过典型大型游乐设施进行综合应用及分析,验证了该方法的有效性和实用性,实现由静态的安全评价向动态的健康评价转变和升级,为今后进行更加深入的大型机电设备健康管理研究提供可以借鉴的思路。     

做单纯的奢侈品

正"生产好的产品,永远不要在产品质量上做出任何妥协。始终坚持简单的想法,并认真地去实践。"——法国娇兰创始人、调香师奠基人娇兰香水制作是一项传统、古老的技艺——最早的香水是用大量花瓣提炼的。到了中世纪,人们才掌握了提取酒精原液的技巧,大大减少了原材料的使用量。香水在19世纪中期的法国盛行,诞生在这片土地上的香水品牌中,"娇兰"的名字无可避之。三代男性掌门人,在旧时代向新时代过渡的背景下,开启了一个香水王国。     

避雷器常见缺陷分析及预防技术

例举金属氧化物避雷器常见缺陷案例,通过带电检测、诊断试验及解体检查等方式找到缺陷的原因,并提出相应的预防技术,目的在于提高金属氧化物避雷器制造、检修与运行维护水平,为厂家、检修及运维人员分析与处理金属氧化物避雷器缺陷提供技术参考,减少金属氧化物避雷器故障的发生。     

超细粉碎技术研究现状及发展

超细粉碎技术在工业矿物深加工中占有重要的地位，相关应用领域对各类超细粉体产品需求量不断增大，超细粉碎技术急需提高。对目前超细粉碎技术的研究现状进行了分析，指出了今后超细粉碎技术的发展趋势。     

甲烷掺混氢气的燃烧特性试验研究

通过在定容燃烧室内研究不同的初始温度、初始压力、燃空当量比、掺氢比下甲烷-氢气-空气混合气的燃烧压力变化规律,得到了上述条件对混合气最大燃烧压力、最大压力升高率、火焰发展期、燃烧持续期以及最大燃烧压力循环变动的影响.研究结果表明:其他初始条件不变时,甲烷-氢气-空气混合气在高温低压时火焰传播的更快;随着甲烷中掺氢比增加...     

高性能整数倍稀疏网络行为识别研究

目的 行为识别在人体交互、行为分析和监控等实际场景中具有广泛的应用。大部分基于骨架的行为识别方法利用空间和时间两个维度的信息才能获得好的效果。GCN (graph convolutional network)能够将空间和时间信息有效地结合起来,然而基于GCN的方法具有较高的计算复杂度,结合注意力模块和多流融合策略使整个训练过程具有更低的效率。目前大多数研究都专注于算法的性能,如何在保证精度的基础上减少算法的计算量是行为识别需要解决的关键性问题。对此,本文在轻量级Shift-GCN (shift graph convolutional network)的基础上,提出了整数倍稀疏网络IntSparse-GCN (integer sparse graph convolutional network)。方法 首先提出奇数列向上移动,偶数列向下移动,并将移出部分用0替代新的稀疏移位操作,并在此基础上,提出将网络每层的输入输出设置成关节点的整数倍,即整数倍稀疏网络IntSparse-GCN。然后对Shift-GCN中的mask掩膜函数进行研究分析,通过自动化遍历方式得到精度最高的优化参数。结果 消融实验表明,每次算法改进都能提高算法整体性能。在NTU RGB+D数据集的子集X-sub和X-view上,4流IntSparse-GCN+M-Sparse的Top-1精度分别为90.72%和96.57%。在Northwestern-UCLA数据集上,4流IntSparse-GCN+M-Sparse的Top-1精度达到96.77%,较原模型提高2.17%。相比代表性的其他算法,在不同数据集及4个流上的准确率均有提升,尤其在Northwestern-UCLA数据集上提升非常明显。结论 本文针对shift稀疏特征提出整数倍IntSparse-GCN网络,对Shift-GCN中的mask掩膜函数进行研究分析,并设计自动化遍历方式得到精度最高的优化参数,不但提高了精度,也为进一步的剪枝及量化提供了依据。     

基于高斯过程分类的串联直流电弧故障检测

随着可再生能源和电力电子技术的飞速发展,直流系统在各个领域都得到了广泛应用。但由绝缘损坏、接头松动等原因引起的直流电弧故障是威胁直流系统正常运行的主要因素。为了解决直流电弧故障由于不存在过零点和平肩现象而难以检测的问题,文中将高斯过程模型引入电弧故障研究,进行不同负载下串联直流电弧故障试验。通过提取电流差均值、谐波能量和组成特征向量,利用高斯过程分类进行电弧故障训练、预测分类。试验结果表明,该检测方法能够准确识别电弧故障。