海上工程方案优化和招标策略

论述了降低平湖油气田海上工程费用的重要途径,海上工程方案优化和招标策略并简述了平湖工程海上平台和海底管道主要方案的优化措施以及平台招标策略。     

制氢转化炉出口集合管的代用材料

介绍了炼油厂中、小型制氢转化炉出口集合管使用材料情况;论述了用材质与轧材相同的(1Gr20Ni32等)高合金离心铸材代替进口轧材的根据和可能性;结合国内实际情况指出了代用材料需要注意的问题与大型制氢转化炉出口集合管采用冷壁方案的设想。     

仿生防冲刷系统在埕岛油田中的应用

介绍了海底仿生防冲刷保护该系统的特点、防冲刷作用机理以及应用效果,为河流及海底管线的防护提供参考。     

非连续性抛石处理海底管道悬跨原理及施工工艺

为解决海洋石油管道工程中海底管道悬跨的问题,阐述非连续性抛石处理海底管道悬跨的原理及施工工艺,该技术通过常规工程船舶搭载石料,采用遥控无人潜水器可操作自卸式抛石漏斗进行抛石作业,采用多点抛料、逐级堆叠的施工工艺完成抛石处理,应用三级校核标准实现抛石质量控制,完成悬跨点抛石支撑。非连续性抛石处理海底管道悬跨施工工艺简单、对作业船要求低、不影响油田生产,而且可靠性高,在费用和效果上都具有较大的应用优势。该方案为处理海底管道悬跨问题提供了新的思路和途径。     

基于OrcaFlex水下采油树钢丝绳下放作业窗口研究

水下采油树的下放安装作业环境载荷非常复杂,下放作业窗口是我国南海水下采油树下放过程中亟待解决的关键问题.针对东方1-1气田73 m水下采油树钢丝缆绳下放安装方法,分析了水下采油树下放作业过程.利用OrcaFlex建立了工程船-钢丝缆绳-水下采油树系统的耦合模型,研究了不同浪高、流速、波浪方向角等关键因素对水下采油树安装...     

基于卷积与稀疏编码的半监督学习方法

卷积神经网络(CNN)在半监督学习中取得了良好的成绩,其在训练阶段既利用有标记样本,也利用无标记样本帮助规范化学习模型。为进一步加强半监督模型的特征学习能力,提高其在图像分类时的性能表现,本文提出一种联合深度半监督卷积神经网络和字典学习的端到端半监督学习方法,称为Semi-supervised Learning based on Sparse Coding and Convolution(SSSConv);该算法框架旨在学习到鉴别性更强的图像特征表示。SSSConv首先利用CNN提取特征,并对所提取特征进行正交投影变换,下一步通过学习其稀疏编码的低维嵌入以得到图像的特征表示,最后据此进行分类。整个模型框架可进行端到端的半监督学习训练,CNN提取特征部分和稀疏编码字典学习部分具有统一的损失函数,目标一致。本文利用共轭梯度下降算法、链式法则和反向传播等算法对目标函数的参数进行优化,将稀疏编码的相关参数约束于流形上,CNN参数既可定义在欧氏空间,也可以进一步定义在正交空间中。基于半监督分类任务的实验结果验证了所提出SSSConv框架的有效性,与现有方法相比具有较强的竞争力。     

中国海底地球物理探测仪器的新进展

获取海底的地球物理信息,需要采用综合的地球物理探测方法。但在我国由于技术原因，电磁法、核放射性法和天然地震法等，长期未能进入海洋勘查领域。其难点表现为,这些方法所用的探测仪必需下沉至海底进行测量。与陆上仪器的不同点在于，水下仪器需解决密封承压、拖曳行进以及投放与回收等关键技术。“九五”期间，中国海洋物探仪器的研制取得突破。五分量海底大地电磁仪、海洋拖曳式多道γ射线能谱仪和宽频带大动态三分量数字记录海底地震仪等先进的探测仪器相继研制成功，并投入了试验。首批采集数据显示，所有仪器均达到设计目标。海洋探测已有了新的技术支撑点。     

深水水下管汇设计研究

水下管汇作为一种典型的水下生产设备,设计时需要考虑环境、安装、检查、维护和生产等工况要求,确保在寿命期内能安全、可靠和稳定地运行。因此,对水下管汇的总体布置、结构、管线和控制系统等4个方面进行研究,确定了相应的设计原则及方法。根据设计原则和方法,设计了一种深水水下管汇,并试制了原理样机。该设计原则和方法可以为水下管汇和其他水下设备的工程设计提供参考。     

水下连接器毂座加工工艺研究

针对水下连接器典型工件毂座的加工难点,通过研究其结构特点与材料特性,制定了工艺路线,并通过工艺试验,研究了抑制颤振和自适应插补在复杂型面数控加工中实现技术,确定了关键工序的工艺参数,满足了水下连接器毂座的加工精度和使用性能要求,也为类似结构加工制造提供借鉴。     

基于低阶近似分布源的目标方位估计

广义阵列流型描述的分布源模型,利用了一阶Taylor级数展开,使得模型与分布源空间能量分布形式无关,能够更加广泛地在实际中得到应用,称之为一阶近似分布源模型。研究表明,此种模型忽略高次Taylor级数项后带来的模型误差以及后续方位估计算法的性能损失,因此提出了二阶近似分布源模型,即利用二阶Taylor级数展开。新模型能够进一步减小模型误差,并且对相应的方位估计算法带来较大的性能提升。将分布源的一阶近似模型和二阶近似模型统称为低阶近似分布源模型。随后分析了低阶近似分布源模型在方位估计中的应用,提出了广义SMVDR算法。通过计算机仿真,验证了低阶近似分布源模型方位估计算法的性能,并且研究了分布源的低阶近似模型、空间频率模型和低阶Jacobi-Anger(JA)级数展开模型的模型误差。