油气管网智能感知体系

油气管网运行管理的数字化转型和智能化运行需要感知体系提供数据作为支撑。阐述了智能感知的定义和油气管网感知体系的历程,分析了油气管网在供给侧(源)、输运侧(网)、存储侧(储)和需求侧(荷)4个环节的感知需求,从油气量、工艺量、环境量、状态量、行为量、空间量等6个方面介绍了油气管网感知的信息类型,在此基础上论述了油气管网智能感知体系的内涵和架构。最后,从提升感知能力、实现全产业链感知、增强智能化水平等方面提出了油气管网感知体系的发展建议。

鄯-兰管道原油低输量输送方案研究

针对鄯-兰管道的原油运输量将低于管道的设计输量范围这一现状,根据鄯-兰管道主要输送的北疆原油、哈国原油、吐哈原油和塔里木原油的物性设计新的输送工艺。可采用原油间歇顺序输送、原油间歇混合输送和原油连续混合输送、原油连续顺序输送几种方案。

鄯—兰管道吐哈原油加降凝剂运行分析

针对吐哈原油凝点高的特点,在鄯—兰干线运输过程中,对其采用加降凝剂降凝处理。通过实验研究与实践观测,提出在确保安全的前提下,要对不同批次的吐哈原油优化降凝剂的种类与剂量,改进运输方案,降低运输成本。

谈谈81#原油处理站目前存在的问题

结合实际,重点阐述了81#原油处理站存问的问题与解决方案。

不停输带压封堵 换管技术在石克气线中的应用

为避免管道停输造成的经济损失、天然气放空对油田环境的污染,提高管道动火联头的安全性,我们在石西至克拉玛依输气管道改造工程中采用不停输带压封堵换管技术,结合具体施工中总结几点经验。

惠宁原油管道全年常温输送的可行性研究

惠安堡—中宁原油管道(以下简称惠宁线)输送长庆油田原油,每年超过八个月的时间采取加热输送,消耗了大量的燃料油和天然气,不仅增大了管输成本,同时会释放大量温室气体、氮氧化物、二氧化硫等有害气体,对环境造成很大影响,为此开展了管道常温输送的可行性研究。根据统计,近几年惠宁线每年的实际年输量均在450×10~4t以上,平均输量可达到640 m^3/h,油田交油平均温度为32℃。在日常运行中,通过合理的优化配置和调度运行,可以延长常温输送时间;同时,根据惠宁线2016年实际输量以及实际能耗情况分析,如果全年实施常温输送,每年可节约燃料油1 318 t,可节省费用约378万元。

基于VME-M1DCNN-LSTM的齿轮异常状态智能识别

针对工程实际中齿轮振动信号受噪声污染严重导致其异常状态难以准确识别的问题,提出了一种基于变分模态提取(variational mode extraction,VME)和多尺度一维卷积(multiscale one-dimensional convolution,M1DCNN)融合长短时记忆神经网络(long short-term memory,LSTM)的齿轮异常状态智能识别新方法。首先,采用VME方法分别对采集到的齿轮处于正常状态、轮齿碎裂、齿轮断齿、齿根裂纹以及齿轮磨损等5种状态的原始振动信号进行预处理,去除原始振动信号中的噪声干扰,提取齿轮不同状态的主模态分量作为齿轮状态的特征信息;其次,由提取的齿轮状态主模态分量构建训练数据集与测试数据集;最后,设计了M1DCNN-LSTM异常状态识别模型,并采用所构建的数据集对设计的异常状态识别模型进行了测试试验验证。结果表明,所提出的方法可以很好地实现齿轮异常状态智能识别效能,异常状态识别准确率达99.25%,明显高于其他相关齿轮异常状态识别方法。

81#原油处理站一次沉降罐改造效果分析

对81#原油处理站一次沉降罐改造的目的、内容和改造后的效果进行了详细分析。

基于1D-CNN的齿轮3D振动信号故障诊断方法

为了解决从齿轮一维振动信号提取故障特征不全面的问题,提出一种基于一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)的齿轮3D振动信号故障诊断新方法。首先,提取原始三维振动信号各维的时域特征;其次,利用一维卷积神经网络(1D-CNN)模型进行特征选择;最后,将选择后的特征进行重组,重组特征作为1D-CNN故障诊断模型的输入实现故障分类操作。结果表明,利用提出的故障诊断方法,诊断准确率显著提高。模型的结构简单,训练速度快,能够快速实现故障诊断。

基于参数优化VMD和CNN的滚动轴承故障诊断

针对滚动轴承在实际运行环境中的振动信号复杂且具有非平稳性等问题,为提高滚动轴承故障诊断的准确性,提出了一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)和卷积神经网络(Convolutional Neural Networks,CNN)的滚动轴承故障诊断方法。在特征提取上,提出灰狼优化(Grey Wolf Optimization,GWO)算法对VMD进行优化,确定VMD中模态分量个数K及惩罚参数α的最佳组合,并将原始振动信号分解获得K个特征模态分量(Intrinsic Mode Function,IMF),根据峭度指标进行筛选,从而提取最佳主成分特征;在故障诊断上,构建参数优化后的卷积神经网络故障诊断模型,将筛选出的模态分量IMF转化为特征向量作为卷积神经网络故障诊断模型的输入,达到对故障状态准确识别的目的。通过与传统方法诊断结果的比较,极大提高了滚动轴承的诊断准确率,证明了该方法的可行性。

中俄原油管道漠大线工艺设计方案优选

中俄原油管道刚刚建成投产，鉴于漠大线地处寒冷的大兴安岭地段，在管道设计时，需要充分考虑流量、地温、站间距等综合因素。该文采用美国Stoner公司SPS9．5版软件，计算各方案的主要工程量、消耗水平和主要技术经济指标，进行方案的优选。同时该文阐述了方案的优选规律，对管道今后的运行调度以及后期的增输改造具有参考价值。

基于ABC-LSTM的飞机发动机故障诊断

发动机是飞机重要的组成部分,是飞机正常安全飞行的保障。由于其工作环境恶劣,难以进行准确的故障诊断。为此,提出了基于ABC-LSTM的飞机发动机故障诊断方法。该方法首先设计了长短时记忆神经网络(Long Short-Term Memory,LSTM)故障诊断模型;然后采用人工蜂群算法(Artificial Bee Colony Algorithm,ABC)对所设计的长短时记忆神经网络故障诊断模型中的隐含层节点数进行优化,确定最优隐含层节点个数,创建ABC-LSTM的飞机发动机故障诊断模型;最后采用发动机监测数据对所创建的ABC-LSTM故障诊断模型进行测试和验证。为表明所设计的故障诊断模型的优越性,设计了PSO-LSTM和GA-LSTM故障诊断模型。研究结果表明,所提出的ABC-LSTM方法的故障诊断率达93.14%,与LSTM、PSO-LSTM、GA-LSTM故障诊断方法相比具有更好的诊断效果,为飞机发动机故障诊断提供了一种新思路。

用高硅碳比铸铁生产车床床身铸件

用高Si/C HT300铸铁生产车床床身铸件,解决了原用普通HT300铸铁生产时因强度与硬度不合格而报废的问题。

超厚混凝土基础底板钢筋支撑脚手架应用

在高层现浇混凝土建筑中,基础底板厚度大,基础钢筋含量高,底板基础上排钢筋支撑重量较大,钢筋支撑难度大,支撑方式不当会产生安全隐患,影响混凝土施工质量。采用扣件式钢管脚手架支撑有整体性好、稳定性高、安全、施工速度快、减少成本的优点。经过云报传媒广场建设项目的应用研究,确定了扣件式钢管脚手架具体的施工工艺,及防渗水控制措施,供类似项目参考。

型钢混凝土组合施工电梯基础研究

施工电梯基础常规采用一次性现浇钢筋混凝土基础,本项目研究采用可周转型钢混凝土组合基础,重点对其受力、方便拆装周转进行研究,结合云报传媒广场建设项目应用实例,对其研究应用过程进行分析,应用过程中得到较好的效益,类似项目能较好的推广。

多年冻土区管道地基土冻融影响因素的敏感性

多年冻土区运营的油气管道的地基土冻胀融沉容易引起管道的屈曲变形,严重影响管道的安全稳定。以大兴安岭多年冻土区中俄原油管道沿线4种典型的管道地基土为研究对象,通过冻胀、融沉试验分析了各种土样的融沉系数、冻胀率与其影响因素之间的关系,采用灰色关联度法对融沉系数、冻胀率影响因素的敏感性进行了分析。结果表明:试验土样的融沉系数和冻胀率受含水率、干密度等因素影响较大,超塑含水率、含泥量及烧失量对粉土、砂土及泥炭化土亦有显著影响。通过灰色关联度分析可知,含水率虽是冻胀、融沉的最主要影响因素,但并非绝对,对于有的土质其含泥量与超塑含水率起主要作用,设计施工时需要高度重视。研究结果可为多年冻土区埋地管道的设计、施工、运营维护以及冻害防治提供科学依据与理论参考。