改进多线性主成分分析网络及其在滚动轴承故障诊断中的应用

针对实测滚动轴承振动信号通常存在噪声干扰,具有非线性和非平稳特性,而多线性主成分分析网络(MPCAnet)在处理复杂非平稳数据时存在非线性拟合能力差、特征聚类性一般的问题,通过引入核变换,提出了一种改进的多线性主成分分析网络,增大了训练样本间的差异度,进一步提高了MPCAnet在处理非线性数据时的泛化能力和分类精度.通...     

高温陶瓷材料延迟断裂寿命预测：Knoop压痕小裂纹技术

本文对Knoop压痕小裂纹技术在陶瓷材料寿命预测研究中的应用进行了简要的评述,并举出具体的寿命预测实例说明了这一技术的实用性。     

延迟焦化加热炉炉管温度的红外监测

高负荷运行下的焦化加热炉,由于局部炉管过热引起管内结焦是一个普遍性的问题。利用红外测试仪器对炉管温度进行红外监测, 能及时掌握炉管和炉膛内温度分布情况, 因而可通过调节火嘴的燃烧,稳定炉内温度场, 以避免炉管局部过热, 延长加热炉运行周期。     

聚合物铝冻胶堵剂的室内研制

研制了一种聚合物/铝冻胶堵剂并在室内考察了它的性能.得到的基本配方为0.5%-0.8%HPAM(分子量350-500万,水解度8.2%);0.1%-0.2%有机铝溶液(有效成份2000mg/L);0.04%-0.1%延缓剂溶液(有效成份2000mg/L);0.05%-0.08%除氧剂亚硫酸钠.该堵剂适应的温度范围为30-110℃,pH值范围为3-11,至少可以耐受高达2.8×104mg/L的高矿化度水,堵剂溶液耐剪切.堵剂成胶时间可调,可用于深部调剖,在更高的温度下可用于近井地带调剖堵水.此体系堵剂的材料费用较低.     

延缓交联深部调剖剂YHT的成胶性

本文介绍了一种延缓交联的聚丙烯酰胺HPAM水基凝胶 ,研究了HPAM、缓释交联剂、促进剂的浓度及 pH值对凝胶形成时间、凝胶粘度的影响。成胶溶液用大庆油田聚合物驱配液水配制 ,成胶时间可调 ,凝胶强度高 ,与大庆油田目的油层配伍性好 ,残余阻力系数高 ,适用于大庆油田聚合物驱前注入井的深部调剖     

间苯二酚在聚合物凝胶堵水技术中的应用

间苯二酚作为聚丙烯酰胺的优良交联剂已成功应用于油田聚合物凝胶堵水技术。本文综述了将间苯二酚应用于近井地带小剂量堵水作业、地层深部大剂量堵水作业以及地层内就地交联聚合物弱凝胶驱替作业的室内研究和现场应用成果。     

多共振分量融合CNN的行星齿轮箱故障诊断

针对行星齿轮箱中各部件所激起的振动成分混叠、早期故障特征经常被较强的各级齿轮谐波成分以及环境噪声所湮没的问题,提出一种多共振分量融合卷积神经网络（multi-resonance component fusion based convolutional neural network,简称MRCF-CNN）的行星齿轮箱故障诊断方法。首先,对振动信号进行共振稀疏分解,得到包含齿轮谐波成分的高共振分量和可能包含轴承故障冲击成分的低共振分量;其次,构建多共振分量融合卷积神经网络,将得到的高、低共振分量和原始振动信号进行自适应的特征级融合,通过有监督的方式训练模型并进行行星齿轮箱故障诊断。对行星齿轮箱实验数据的分析结果表明,该方法能够有效分类行星齿轮箱中滚动轴承和齿轮的故障,成功对行星齿轮箱故障进行诊断,同时能够进一步增强卷积神经网络对振动信号所蕴含的故障信息的辨识能力。     

基于深度语义分割的多源遥感图像海面溢油监测

针对遥感图像海面溢油区域通常受到斑噪声以及强度不均等因素的影响,从而导致溢油区域监测效果较差的问题,本文引入了深度语义分割的方法,将深度卷积神经网络与全连接条件随机场相结合,形成端对端连接。以Resnet结构为基础,首先通过深度卷积神经网络对多源遥感图像粗分割并作为输入,然后经过改进的全连接条件随机场,利用高斯成对势和平均场近似定理,建立条件随机场形成递归神经网络作为输出。通过多源遥感图像对海面溢油区域进行监测,并利用可见光图像估计溢油区域面积。实验在所建立的多源遥感图像数据集上与其它先进模型进行对比,结果表明本文方法提高了溢油区域的分割精度以及精细细节程度,平均交并比为82.1%,监测效果具有明显地改善。     

基于CNN的SAR车辆目标检测

传统的SAR目标检测算法容易受到复杂背景的干扰,因此利用被广泛应用于图像目标检测和识别领域的Faster-RCNN方法,对复杂背景下的SAR图像进行车辆目标检测实验。在对样本数据进行预处理后对车辆真实位置进行标记,采用可视化的深度学习客户端对样本进行裁剪和旋转,扩充样本数据库。利用已充分训练的模型权重对ZF和VGG-16网络进行预训练,再利用扩充的数据集进行训练和验证,并使用包含MiniSAR数据的测试集进行测试。实验证明,ZF网络和VGG-16的检测效果类似,但是ZF网络因为网络层数更少因而检测耗时更短。     

结合LSTM与CNN的野外车辆声信号分类

针对野外环境下微声传感器采集的小型轮式车、大型轮式车和履带车3种车辆声信号受风噪影响严重、分类性能较低的问题,提出了一种长短时记忆网络(LSTM)与多尺度、多层次特征融合卷积神经网络(CNN)相结合的分类算法——野外车辆识别算法(FVNet).该算法先采用一层LSTM网络提取声信号的时序特征,充分利用声信号的长时依赖关...