数字孪生椒江“四预”平台建设实践

为进一步提升椒江流域水治理管理能力,运用数字孪生、知识图谱、大数据、云计算等新技术,从构建BIM+GIS数字孪生大场景出发,以水利工程为单元,以河流为脉络,以流域为核心,进行数字孪生椒江“四预”平台建设实践,打造全国数字孪生流域样板。针对当前水利业务存在数据底板精度低、数据更新不及时、部门联动不足等痛点问题,从数据融合、结果展现、模型耦合、体制机制创新、共建共享共防等方面进行探索突破,以期为其他受洪潮涝影响的沿海地区数字孪生“四预”平台提供思路借鉴与案例支撑。     

湖南雪峰金矿田桐溪金矿地质特征、控矿规律及矿床成因浅析

桐溪金矿的矿体赋存于新元古界高涧群砖墙湾组中,该组岩性主要为中厚层状条带状粉砂质板岩、绢云母板岩、灰白色厚层块状变质中细粒长石石英杂砂岩、变质长石砂岩。金矿化严格受SSW-NNE走向的地层（砖墙湾组）、岩性（金矿化砂岩体）控制。金矿体产出于蚀变砂岩透镜体内的硅化强烈、石英细脉、网脉发育和大量硫化物（毒砂、黄铁矿和黄铜矿）出现的地段。该金矿的矿床类型可能属于造山型金矿床。     

FHI改质异构降凝技术在40万t/a加氢装置的应用

介绍了抚顺石油化工研究院( FRIPP)开发的FHI柴油加氢改质异构降凝技术在天津石化炼油部40万吨/年柴油加氢装置的工业应用,采用FHI技术可使催化柴油中的硫、氮含量显著降低,同时大幅度降低了凝固点,并使密度、T95和十六烷值等指标得到明显改善,很好的满足了天津石化分公司的生产需求.     

MMC与混合式直流断路器开关操作的瞬态电场实测及其在状态监测中的应用

文中对换流站中模块化多电平电压源型换流器(modular multilevel converter,MMC)和混合式直流断路器中IGBT开关操作产生的瞬态电场进行实测,并分析其在设备状态在线监测中的应用。首先,证明换流站中开关瞬态电场属于准静态场,且与设备电压之间存在线性关系,为基于开关瞬态电场状态监测方法提供理论基础。进一步,在舟定换流站人工短路试验中,对MMC高频电场波形和直流断路器开关瞬态电场脉冲进行实测。分析MMC不同工作状态下高频电场信号特征,特别发现高频电场信号中包含通过换流站自带录波系统不易测量的高次谐波信息。另一方面,发现基于开关电场脉冲的陡峭脉冲前沿,可测量MMC和直流断路器闭锁时刻,误差小于0.005ms。因此,基于瞬态电场测量方法可以在一定程度上弥补换流站自带录波系统测量带宽有限的缺点,补充系统高次谐波等运行信息,提高设备闭锁时刻测量精度,在MMC和高压直流断路器等设备在线状态监测中具有潜在应用价值。     

SiCf/Ti-60热稳定性研究

本文对采用磁控溅射先驱丝法制备的SiC_f/Ti-60复合材料进行不同温度下长时间热暴露实验,分析了热等静压态和热暴露态复合材料界面区结构稳定性及元素扩散规律。研究结果表明,界面反应层主要产物为TiC,纤维中C、Si元素和基体中Ti及其它合金元素进行互扩散;C元素扩散速率较快,在界面处和基体内形成TiC,基体中的TiC主要集中分布在α相晶界处。SiC_f/Ti-60复合材料反应层长大受扩散控制并遵循抛物线定律,界面反应层长大指数因子为2.27×10_-4 m/s_1/2,界面反应层长大激活能为118 kJ/mol。     

SiCf/Ti6242复合材料热机械疲劳损伤原位研究

采用声发射技术和高分辨X射线成像技术对SiC_f/Ti6242复合材料在热机械疲劳过程中的损伤进行了原位监测。实验中采用同相位梯形波加载来模拟钛基复合材料整体叶环服役时的实际载荷工况,应力变化范围130～1300 MPa,温度变化范围100～500℃,500℃时保持最大载荷2min。结果表明,声发射信号主要出现在加载阶段和保载阶段,声发射系统检测到纤维断裂、基体裂纹信号,而在卸载阶段声发射信号非常稀少。利用高分辨X射线成像技术对声发射确认已损伤的样品进行检查,发现试样内部存在连接多个纤维的基体裂纹;在样品裂纹区域,部分断裂纤维的钨芯出现缩颈。声发射技术和高分辨X射线成像技术均表明SiC_f/Ti6242复合材料热机械疲劳损伤机制由纤维断裂和基体裂纹共同控制。     

石油地质与录井的影响协调

从录井行业现状分析入手,剖析了制约录井发展的问题,阐述了其问题原因,论述了录井与石油工程地质的关系,指出了录井对石油地质解释及后续数据处理在油田开发中的重要性,对录井需解决的问题进行了讨论,为推动创新技术发展,更好的满足服务对象的要求。     

信息检索方法在手写数字识别中的应用及改进

本文首先将文本信息检索中LSI方法的思想和原理应用于手写数字识别问题,把手写数字图像看作空间向量的表示,通过计算未知数字与各训练集之间相关度排序来达到识别的目的,计算量小且有较低的误识率(5.5%);其次,通过对所有0-9数字的训练样本排列为一个矩阵,并对该矩阵进行奇异值分解,将各训练样本在适当维数的左奇异向量上分别投影,得到了一种低阶表示下的相关度计算方法,该方法在保持原有较低误识率的同时,能极大地压缩原有训练样本数据(压缩掉的数据百分比超过95%);另外,利用了区分不规范样本的思想,获得了更低的误识率(下降到4.5%)。     

针对多模态图像的自适应引导形态学设计

针对传统数学形态学（TMM）细节保持能力较差,以及现有自适应改进方法数学性质丢失的问题,提出了一种针对多模态图像的自适应引导形态学（GAMM）。首先,通过考虑输入图像和引导图像的联合信息进行结构元素的构建,从而在一定程度上增强了相应算子对噪声的鲁棒性;其次,借助3σ原则,使结构元素成员的选取能够自适应于图像内容;最后,利用稀疏矩阵的哈达玛积对结构元素施加一个对称性约束。理论证明和仿真实验均表明所提形态学的相应算子能够同时具备保序性和附益性等重要数学性质。在多模态图像上进行去噪实验,结果表明GAMM比TMM以及近年所提出的鲁棒自适应形态学（RAMM）在峰值信噪比（PSNR）上高出约2～3 dB;同时,主观视觉效果对比表明了GAMM在噪声去除、结构保持方面明显优于TMM和RAMM。