三维感应线圈系极性检测方法与试验研究

三分量线圈系是三维感应仪器的核心部件,检测其极性的正确是保障三维感应仪器正确测量的必要步骤。为了解决三维感应仪器线圈系极性检测费时费力的问题,提出了利用幅值和相位对三维感应仪器线圈系进行极性检测的方法。应用有限元软件数值模拟仿真了移动发射天线时的响应特征,得到了线圈不同接法时响应信号的幅值变化曲线,同时仿真得到了不同频率时信号处理电路的相移特性,并在此基础上提出相应试验装置及测试方法,利用试验验证幅值和相位检测方法能够准确判断各分量线圈的极性。该方法已经在三维感应仪器中成功应用,应用效果表明可以提升三维线圈极性检测效率,保证线圈制作工艺的一致性,该成果也适用于其他感应类仪器。

绞车数据采集和处理装置的改进设计

油田使用的绞车为井下电缆提供动力,同时采集运行数据,以监视和控制井下作业的进程。依照小型化和实时性的设计要求,在消化吸收引进设备基本功能的基础上,开发了一种绞车运行工况数据采集和数据处理装置。对信号预处理、外部设备和接口电路进行了改进设计,详细介绍了该装置的基本结构组成,描述了组态画面显示、参数设置和数据处理等功能,同时增加了部分实用功能。

存储式测井仪器状态监测系统设计

过钻具存储式测井仪器测井过程中,地面系统无法获知井下仪器在泵出之前的工作状态,测井成功率低,需对测井仪器在泵出之前进行状态监测。针对一种改进的过钻具存储式测井施工工艺,设计了一套测井仪器状态监测系统。仪器状态监测系统包括地面系统和井下系统2个部分,地面系统发送控制命令,井下的相关仪器收到命令后将状态数据发送至地面系统,实现对测井仪器的状态监测。测试实验结果表明,该系统可以实现测井仪器的状态监测功能。

“15米一串测”测井仪实现提速增效

随着油气田大规模的开发,测井工作量逐年增加,油田建设和工程服务对测井提出了“高效益、低成本”的要求,要求一次下井能取全取准测井资料、快速准确识别油气的测井装备,以减少占井时间、提速增效,更好地服务于油气主营业务的发展.

基于深度学习的危险行为识别系统设计

随着人们安全意识的不断增强,传统的人工监控系统已不能适应社会发展的需要,在数量巨大的监控视频数据面前,单纯依靠人来处理监视内容难以构成真正安全的系统。将计算机视觉技术应用到监控系统中,使计算机对监视视频中的内容进行自动理解、识别出危险行为并发出报警,已成为新一代的智能监控技术。针对YOLOv4目标检测算法方便部署与监控系统的特点,本文提出一种基于深度学习的典型危险行为识别系统设计方案,基于YOLOv4算法提出一种有优化网络结构的方法,提高了算法检测的准确度。实验测试表明,本文设计的系统能提高监控系统对危险行为的识别准确度,同时在公共场合发生危险行为时也可发出警报进行警示。

基于OpenPose模型与ELM的人体行为检测

本文使用基于深度学习的OpenPose模型结合极限学习机(ELM)算法,对视频或图像中人体行为进行分析与识别,首先利用二维人体姿态估计模型获得人体的关节点坐标数据,进而对获取的骨架关节点数据进行处理,再使用ELM对数据进行分类,从而识别出当前的行为动作。在实验中使用自制数据集进行测试,算法的准确率达到90.41%。

一种地层测试器的电阻率探测器响应特性分析

介绍一种用于地层测试器的电流电极式电阻率探测器的结构及工作原理,并对电阻率探测器进行响应特性的实验研究。对该探测器进行三维有限元建模,通过数值模拟得到它的电流场、电压场分布及理论响应特性。计算结果和理论分析都显示该电阻率探测器响应特性应该为线性,但是实验结果却显示非线性的响应关系。分析后认为这可能是由于探测器的绝缘部分存在漏电现象造成的。提出下一步研究需对探头的绝缘性能进行改进,以获得良好的电阻率响应特性。