基于阀芯位移软测量的数字阀智能驱动方法研究

针对数字阀在目前驱动方法控制下存在动态响应慢、静态线性可控区间小、电能损耗较高等问题,提出一种基于阀芯位移软测量的数字阀智能驱动方法。建立数字阀机理模型,分析数字阀动态响应过程,得到驱动电压和阀入口压力是影响数字阀响应速度的关键参数;建立阀芯位移软测量模型,通过有限元仿真和试验修正温度对位移软测量模型的影响,精度达到92.04%;基于关键参数对数字阀动态响应的影响规律,提出一种智能驱动方法,阀芯位移软测量值作为多级工作阶段精准切换的条件,维持阶段驱动信号智能调节以适应压力的变化;搭建数字阀性能测试试验平台,验证智能驱动方法的有效性。结果表明,相较单电压驱动方法,智能驱动方法下阀芯启闭时间最高缩短43.9%,占空比-流量特性曲线线性区间最高提升20%,饱和区间均在10%以内,电能损耗降低66%。该智能驱动方法有效提高了数字阀的动静态特性,降低了线圈电能损耗。     

陇东长7致密油藏气驱喉道动用半径下限

相比水驱,气驱能够波及到较小的喉道,研究气驱过程中气体所能波及到的最小喉道半径很有意义。选择常见的3种气驱用气:CO_2、N_2和空气,在驱替实验的不同阶段进行核磁共振测试,并选择相应岩心的平行样进行高压压汞测试。通过对比2种测试方法计算出来的喉道半径分布,计算出相应的转换系数C和n。再根据气驱过程中的T_2截止值,使用各自转换系数求得对应的喉道动用半径。实验结果表明,驱替压差越大,驱油效率越高,其中CO_2的变化幅度最高。同时发现,驱替压差越大,喉道动用半径越小,在驱替压差达到6 MPa下,气驱动用半径基本稳定。该方法为致密油储层研究气驱可行性提供了评价依据,在实际生产过程中需要综合评价选择最优的驱替用气及驱替压差。     

外国政要争相来，“政要餐”成都版美食

“政要游”成都版地图 自2004年起，成都便迎来外国元首访问潮。在成都，元首们最喜欢去哪里游玩？记者根据公开资料，梳理了5位元首的成都行程，发现他们喜欢去的地方各不相同。有的青睐杜甫草堂，有的喜欢熊猫基地，还有的钟情于学校。     

基于YOLOv3与MSER的自然场景中文文本检测研究与实现

针对在复杂的自然场景中中文本倾斜、模糊、光照等检测难题,提出一种基于卷积神经网络YOLOv3与最大极值稳定区域MSER的检测方法YOLOv3-M,并针对中文场景分别改善YOLOv3与MSER.通过YOLOv3算法对图像文本区域的矩形坐标进行回归预测,设计一个基于MSER的角度检测方法与之关联,实现倾斜文本行的检测.YOLOv3-M弥补了YOLOv3不能检测倾斜目标的缺点以及MSER检测容易被复杂场景干扰的缺点,并且YOLOv3与MSER都在检测速度上有着优秀的表现.实验结果表明,YOLOv3-M算法准确率达到81.2％,召回率达到69.7％,其检测速度达到45帧/s.     

促进工程训练快速发展的几点看法

现在的工程训练课程是在原有《金工实习》基础上发展起来的。通过不断的发展和扩大,创建一个菜单式、模块化为一体的实训平台为核心内容,集操作实训、课程选修、综合创新为发展方向,提高学生的综合素养,培养能够服务于社会现代化建设的高素质、复合型优秀人才。     

德总理逛成都菜市买豆瓣市民称呼“默孃孃”

默克尔沉稳、务实,每天起床第一件事是给丈夫做早饭,一位典型的巨蟹座女人。业余时间,她自己去超市采购、做饭、烤蛋糕,完全是一种邻居大婶的感觉。默克尔到访成都,市民们亲切地称呼她为“默孃孃”。     

基于自适应网络的球磨机负荷预测方法

鉴于多工况环境下的数据漂移限制了深度学习方法预测球磨机负荷的效果，提出一种基于自适应网络的球磨机负荷预测方法。首先建立基于深度相关对齐的磨矿分级工况划分模型；然后将相对位置编码引入Transformer,对注意力机制进行解耦来将位置信息直接编码进注意力机制，进而提高预测性能；进一步提出一种自适应网络，将分布匹配正则化项应用于Transformer模型的隐层特征，通过减少不同工况之间的分布差异来学习模型隐藏状态的共同参数，提高模型泛化能力；最后采用基于Boosting的方法学习隐藏状态的重要性。试验结果表明，所提自适应预测网络可以明显提高预测球磨机负荷参数的准确性，而且在面对未知工况时预测性能也领先于对比方法。