新时期我国潜山油气藏的勘探工作研究——以渤海油田为例

油气勘探针对不同类型的油气藏，研究人员都会做不同的工作。伴随着我国老油田，特别是中东部老油田的浅层油气勘探已经勘探殆尽，浅层砂体随着三维地震技术与测井技术的进步得到了更强的认识，油气勘探开发难度相对增大，因此研究人员将目光逐步投向深层。我国中东部大型油气田多为海相地层，其中北至辽宁，南至湖北，西至河南，东至渤海、黄海，郯庐断裂带成为了支撑我国中东部大部分油气田的重要走滑断裂，在浅层砂体油气藏开发殆尽的情况下，深层潜山构造型油气藏成为了未来支撑我国油气勘探开发持续稳产上产的重要保障。笔者通过查阅大量的文献资料，并结合自身学习、工作经验，发现潜山油气藏的勘探已经成为了现如今油气勘探的重要组成部分。目前在渤海油田以及胜利油田都得到了广泛应用。比如辽东湾、渤中、沾化、车镇、东营等凹陷中。潜山油气藏的成藏时间对比浅层砂体型油气藏成藏时间较晚，成藏机理也比较复杂，因此笔者根据工作内容，对潜山油气田的勘探历史进行了分析介绍，并且简要说明了潜山油气田的形成条件：(1)发育有利的构造背景；(2)具有良好的储盖保存条件。并且结合目前渤海油田的潜山油气田勘探现状，针对现有问题进行研究，希望能够在未来为相关的...     

基于改进DQN燃气轮机转子故障诊断方法

燃气轮机转子系统作为燃气轮机关键部件，由于难以获取敏感故障特征导致故障诊断精度不高，影响设备的安全服役。针对以上问题，提出一种改进深度Q网络（DQN）深度强化学习燃气轮机转子系统故障诊断方法。首先，以采集的一维工况原始振动信号为输入，该DQN模型的环境状态采用故障样本集组成，转子故障类型为当前模型输入的动作集合；然后，DQN模型的智能体使用一维宽卷积神经网络（WDCNN）拟合得到Q网络，并使用ε-贪婪策略做出决策动作，反馈奖励和下一状态并存储到经验池内；智能体内采用时间差分误差（TD-error）优先经验回放，使得算法更加稳定和训练收敛；智能体与环境不断交互决策出最大奖励，输出最优策略故障诊断结果。将该模型应用于西储大学轴承数据集与燃气轮机试车台数据集中，分别达到99.2%与98.7%的准确率，可以用于快速有效地进行故障诊断。结果表明该改进DQN模型具有较高的故障诊断准确性与通用性。     

基于一种新型架构的可重构智能超表面研究北大核心CSCD

本文介绍了一种可重构智能超表面（Reconfigurable Intelligent Surface, RIS）体系结构设计。该结构包括一块贴片天线、一块RIS和一个功率放大器。第一块天线接收的信号通过功率放大器馈入第二块RIS，前者固定指向基站，后者可以对信号相位调控。通过引入单个功率放大器，新设计克服了传统RIS的信号路径损耗问题，提高了信号的强度和质量。本文利用理论分析、仿真和信噪比(SNR)比较，验证了新设计相对于传统RIS的优势。相比于传统的无源RIS结构，新设计的优势显而易见。它不仅减弱了路径损耗，还简化了实施过程，降低自干扰，提高了通信系统的性能和可靠性。