麦田童话

在个人喜好正好与品牌性格吻合的时候,商业创作可以说是一种幸运;拍摄的故事感或者情节性及画面的电影感,是我比较偏爱的东西。我希望图片能让人产生画面以外的幻想,或者萦绕某种气味和声音,好的摄影往往不仅在画面本身。     

许河灌区农田渠系配套现状与规划对策

对许河灌区农田渠系配套现状及存在问题进行了分析,认为加强农田渠系配套确实必要可行,提出了规划对策,并对重点工程进行了规划与投资效益分析。     

录井技术发展现状及前景综述

现场岩性迅速识别、地层可钻性判断、及时卡准取心层位、油气水层判别、钻井风险监测、数据信息实时发布等是录井技术在随钻过程中的突出优势,也是有别于其他专业的显著特点,录井采集的现场第一性资料,经过分析处理后能为油气田勘探开发提供重要的参考依据。在分析油气勘探开发需求与录井中面临的如岩性识别、物性判断和油气水层解释评价方面的困难间关系的基础上,结合录井数据采集、资料处理、解释评价和信息技术的发展现状,综述了录井行业在资料采集智能化、数据处理模型化、解释评价随钻化和信息发布多样化等技术的发展前景。     

移动床生物膜反应器同步硝化反硝化脱氮特性研究

为了研究同步硝化反硝化过程中的脱氮特性,采用移动床生物膜系统,在C/N比为12的条件下,分析了单个代表性周期内同步硝化反硝化过程中三氮和有机物降解规律。并研究了各技术参数对同步硝化反硝化脱氮性能的影响.结果表明,在移动床生物膜中实现了同步硝化反硝化现象。脱氮效率达到90%;考察了反应过程中ρ(DO)、氧化还原电位V(ORP)、pH值和碱度等技术参数的变化规律,建立了这些参数与同步硝化反硝化中各污染物指标间的关系.同时对比研究了理论碱度和试验过程中实际碱度间的关系,发现在移动床生物膜反应器中,同步反硝化作用产生的碱度可以补充硝化作用消耗的碱度,反应过程中不必再补充碱度.     

漳河水库流域水土资源承载能力分析

依据漳河水库流域自然现状,采用水资源负载指数与气候生产潜力等模型,对水资源负载指数、水资源承载指数等进行分析,对耕地面积、人口增长、粮食产量、耕地人口承载容量等进行预测,认为流域水资源丰富,为漳河水库奠定了可持续发展的基础,但流域土地资源利用已超过了可承载能力,应引起有关部门的高度重视。     

基于多源信息融合的风电机组轴承故障诊断方法

在风电机组滚动轴承故障诊断中,采用单个传感器所能提供的信息有限,针对这一问题,为了提取输入原始信号的多尺度特征以保证故障信息的有效性和完整性,同时为了提高信息融合的效率及有效性,提出了一种基于多源信息融合注意力机制卷积神经网络(MSIF-ACNN)的风电机组滚动轴承故障诊断方法。首先,提出了一种将普通卷积与空洞卷积相结合的融合卷积方法,对原始时域信号进行了多尺度特征提取;其次,采用双层通道和空间注意力机制方法,对不同通道数据进行了自适应校准与权重分配;对注意力机制输出的多源信息进行了特征融合;最后,为了验证该多源信息融合方法的有效性,采用由全连接层与分类层组成的分类方法,对实际风电机组轴承数据进行了试验验证。试验及研究结果表明：不同位置和方向传感器对不同故障的敏感性存在差异,MSIF-ACNN通过有效地利用这种差异,实现了多源信息特征互补的目的,风电机组滚动轴承故障诊断准确率达到了96.7%,效果优于其他多源信息诊断模型,促进了信息融合在风电机组轴承故障诊断领域的应用。     

漳河水库灌区节水改造工程渠道边坡混凝土衬砌施工

对渠道的混凝土衬砌是提高引水式电站和灌区引水渠水利用系数的重要环节。在漳河水库灌区渠道混凝土衬砌施工中,不断分析总结渠道混凝土衬砌施工工艺流程、操作要点、施工特点,对设备、质量、安全等加强控制,并注重了环境保护、文明施工、提高管理水平和指导后续施工等,取得了良好的工程质量和经济效益。     

基于压缩激励残差神经网络的轴承损伤诊断

滚动轴承是旋转机械的重要零件之一,文中针对滚动轴承损伤类型有效识别问题,提出了一种基于压缩激励残差神经网络的滚动轴承损伤诊断方法。本方法对轴承原始振动信号使用连续小波变换提取特征,形成二维时频样本,再利用样本对压缩激励残差神经网络进行训练,最后在全连接层使用Softmax分类器实现对轴承损伤的分类。用QPZZ-Ⅱ旋转机械振动损伤实验平台数据验证模型性能。实验结果表明：该方法对不同负载下滚动轴承损伤识别的准确率达99.95%,具有良好的泛化性和鲁棒性。     

基于一维卷积循环神经网络的深度强化学习算法

针对现有深度强化学习算法在状态空间维度大的环境中难以收敛的问题,提出了在时间维度上提取特征的基于一维卷积循环网络的强化学习算法;首先在深度Q网络(DQN,deep Q network)的基础上构建一个深度强化学习系统;然后在深度循环Q网络(DRQN,deep recurrent Q network)的神经网络结构基础上加入了一层一维卷积层,用于在长短时记忆(LSTM,long short-term memory)层之前提取时间维度上的特征;最后在与时序相关的环境下对该新型强化学习算法进行训练和测试;实验结果表明这一改动可以提高智能体的决策水平,并使得深度强化学习算法在非图像输入的时序相关环境中有更好的表现。     

基于迁移学习的风电机组轴承故障诊断研究

针对风电机组运行工况复杂，实际采集的振动信号存在分布差异，导致故障诊断模型的分类效果偏低问题，提出一种具有多核领域适应（MKDA）的多尺度卷积神经网络（MSCNN）风电机组轴承故障诊断研究方法（MKDA-MSCNN）。该方法通过迁移理论将已知风电机组知识迁移至目标风电机组实现故障诊断。首先，利用源域数据预训练MSCNN网络，再利用多核领域适应减小源域和目标域分布差异，最终获得目标风电机组故障诊断模型。试验结果表明，该文提出的MKDA-MSCNN方法在实际风电机组轴承故障诊断中分类精度高达96.17%，对比结果表明该文所提方法的故障分类准确度优于其他深度学习和深度迁移学习方法，对迁移学习理论在实际工程风电机组轴承故障诊断中的研究具有一定价值。