黏度可控凝胶体系注入参数优化

大庆油田聚合物驱后优势渗流通道发育,窜流严重,有效开采难度大。为保持油田持续有效开发,确立了调、堵、驱结合的技术研究。针对调堵需求,研制出一种黏度可控凝胶体系,该体系初始黏度小于20 mPa·s,10~40 d黏度小于300 mPa·s,成胶黏度2 500 mPa·s以上。根据聚合物驱后的取心井资料设计物理模型,利用正交试验设计法确定的最佳注入量为0.10 PV,注入浓度为1 000 mg/L,注入速度为0.6 mL/min.应用表明,高渗透层分流率由聚合物驱后后续水驱的66.9%降为0.7%,中渗透层分流率由33.0%升至85.0%,低渗透层分流率由0.1%升至14.3%,该体系对中、低渗透层污染小,对高渗透层有效封堵,可以满足现场需求。     

低初始黏度可控凝胶调堵剂的研制及性能评价

为了满足聚合物驱后深部定点调堵的需求,进一步挖潜剩余油,研发了一种以相对分子质量2500万的部分水解的阴离子型聚合物、金属离子交联剂、调节剂、缓凝剂、增强剂组合的低初始黏度可控凝胶调堵剂体系,对其性能进行了评价。研究结果表明:用现场回注污水配制的配方为500数1000 mg/L聚合物LH2500+1000数2500mg/L交联剂CYJL+200数500 mg/L调节剂(柠檬酸)+100数150 mg/L缓凝剂(亚硫酸钠)+100数200 mg/L增强剂(多聚磷酸钠)的凝胶初始黏度低,在10 mPa·s以内;成胶时间10数40 d内可控,成胶黏度2000 mPa·s以上。体系耐矿化度可达20000 mg/L,应用pH范围为8数9;体系具有较好的岩心封堵性能,对水测渗透率为0.48数3.9μm~2的岩心封堵率均在99%以上,残余阻力系数为95.6数396.1。三层并联岩心实验结果表明该体系对中、低渗透层的污染少,可以满足现场的封堵要求。图2表7参10     

基于混合时频域特征的卷积神经网络心律失常分类方法的研究

心律失常是常见的心血管疾病之一,目前很多方法通过计算机辅助系统对心电图进行分析以识别心律失常,但由于大多数心律失常数据样本较少,计算机辅助系统识别心律失常效果不佳.本文提出了一种基于混合时频域分析特征提取的卷积神经网络方法,该方法提取心电图的RR间期时域特征、希尔伯特-黄变换提取的频域特征和连续小波变换提取的时频域联合特征,经过特征融合后输入卷积神经网络训练分类模型,并采用Focal Loss作为网路的损失函数,实现对心律失常的分类.本文使用MIT-BIH(Massachusetts Institute of Technology-Boston’s Beth Israel Hospital)心律失常数据库验证本文提出方法对4类心电数据分类的结果,实验结果表明,与现有的分类算法相比,本文所提出的混合时频域特征方法能有效提升心律失常分类的准确性.     

基于单神经元自适应PID算法的直流有刷电机位置控制系统设计

位置控制式直流有刷电机在生产和生活中有广泛的应用。在一些控制惯量大、力矩变化、非线性强的应用场景中,现有的直流有刷电机位置控制系统具有成本高、适应性不强、鲁棒性差等缺点。因此,本文设计了基于双闭环单神经元自适应PID算法的直流有刷电机位置控制系统。搭建了基于STM32单片机的电机控制试验台并对控制系统进行了验证。实验结果表明本文设计的的控制系统具有适应性强、运行平顺、抗干扰能力强、控制精度高的优点,为低成本直流有刷电机控制系统提供了一种有效的方案。     

基于深度学习的心律失常分类系统设计

针对可穿戴设备的长时间心电记录、实时分类及对心电数据的远程监测分析问题,开发了一个对接医疗级心电采集终端,并实现实时监测、实时分析,并通过深度学习模型自动对心律失常分类的通用系统。该系统中部署的深度学习模型是基于残差网络构建的,深度学习模型的训练和测试使用2017年心脏病学挑战赛(CinC2017)提供的数据集。训练和测试结果显示,模型具有较好的性能。系统通过反向代理服务器(Nginx)部署在阿里云服务器上,能够稳定运行;心电采集终端贴在患者身上,通过用户App端和医生后端实时反馈系统自动监测分析的数据,并且有较好的分类效果。该系统可用于有心血管疾病风险的人群,起到早发现、早预防的作用。     

井网连通性对三元复合驱调剖效果的影响

针对三元复合驱低效、无效循环日趋严重的问题,以大庆油田二类油层作为研究对象,设计了7组“1注4采”平板岩心模拟实验,研究井网连通性对调剖效果的影响。实验结果表明,调剖措施可有效控制优势通道的窜流,一向、两向、三向连通、优势通道高渗层(角井1)调剖后的分流量比调剖前分别下降了69.9%、60.2%、33.2%、71.1%;优势通道模型最终采出程度65.82%,调剖阶段提高了23.54%,为大庆油田三元复合驱调剖方案设计提供了技术支持与理论依据。