基于贝叶斯单源域领域泛化算法的天然气管道故障智能诊断

基于深度学习算法的故障智能诊断模型已被广泛应用于天然气管道运输安全领域,然而管道通常处于准稳态,使得训练集中的故障样本量受限。为此,针对天然气管道故障诊断中因训练集故障样本量有限,导致难以准确诊断的问题,提出了一种基于贝叶斯单源域领域泛化(BSDG)算法,部署了一种攻击防御策略,通过在攻击阶段明确伪目标域增强路径,并在防御阶段引导模型参数的后验分布向伪域样本得分更高的方向调整,增强模型在面对不同域扰动时的适应性和鲁棒性。研究结果表明:(1)基于贝叶斯网络建立的非定向攻击模型确保伪域样本既保留了与源域的相关性,又引入了足够的域差异来模拟潜在的目标域,由此提升了多源域和单源域设置下的领域泛化诊断准确率;(2)测试结果显示,BSDG算法在多源域泛化任务及两项单源域泛化任务中,相较于性能最优的对比算法,其准确率分别提高了9.79%、5.09%和27.98%;(3)裕度差异损失通过在学习决策边界的过程中引入不确定性,令分类器可以灵活且有效应对频繁的分布变化,显著性测试结果表明BSDG算法在多数场景下显著优于先进对比算法;(4)贝叶斯神经网络通过在权重上引入不确定性,有效提升了BSDG算法的泛化稳定性。结论认为,BSDG算法通过使用基于贝叶斯推理的攻击防御策略,有效扩展了源域模型的决策边界,解决了实际场景数据匮乏导致的深度神经网络泛化能力差的问题,为样本受限情形下的天然气管道故障诊断模型设计提供了理论支撑。

容错动态性如何提升员工适应性绩效?——一个有调节的中介模型

员工适应性绩效是企业应对环境变化的重要基础,而容错动态性为解释员工适应性绩效提供了新视角。文章基于情绪事件理论、自我调节理论和资源保存理论,以306名科技型企业在职员工为调研对象,明晰了容错动态性对员工适应性绩效影响的路径和边界条件。结果表明:容错动态性对员工适应性绩效具有显著的正向影响;元认知能力在容错动态性与员工适应性绩效之间发挥中介作用;任务责任心调节容错动态性与元认知能力之间的关系,并进一步调节了容错动态性通过元认知能力对员工适应性绩效起的间接作用。研究从组织情绪视角提出了容错动态性是员工适应性绩效的另一影响因素,为企业提升员工适应性绩效提供新方法。

冀中坳陷文安斜坡顺向及反向断层侧向封闭性差异分析

为揭示含油气盆地中断层对油气成藏与分布的控制作用,以冀中坳陷文安斜坡为研究靶区,从顺向及反向断层控制油气富集部位及规模的差异出发,综合滑入断裂带内围岩成分及断裂带内部结构的不对称性等特征,分析不同配置类型断层的泥质含量与风险断距的差异及其对侧向封闭性的控制作用。研究结果表明:(1)在地层沉积环境相近的情况下,断层断距小于单层砂泥岩厚度和断层断距为单层砂泥岩层厚度的奇数倍时,反向断层目的点的泥质成分明显高于顺向断层;断层断距为单层砂泥岩层厚度的偶数倍时,反向断层目的点的泥质成分与顺向断层相等;在文安斜坡沙一段内反向断层的断层岩泥质含量平均值较顺向断层高6%。(2)为封闭较厚的上盘破碎带,顺向断层形成封闭时所需的临界断距明显大于反向断层,文安斜坡顺向断层风险断距的平均值约为反向断层的1.8倍。(3)理论与实例分析共同证实,反向断层更容易形成侧向封闭,这与油气主要富集在反向断层附近相吻合,但在文安斜坡内断层断距约为单层砂泥岩层厚度的偶数倍,断层岩泥质含量近似相等。这可能是导致文安斜坡顺、反向断层封闭烃柱高度近于一致的主要原因。上述结论可为油气田勘探开发提供有利的指导。

新能源电网电压波动下同步调相机失磁运行能力研究

同步调相机(SC)较强的无功支撑能力可有效提升新能源电网的电压稳定性,但实际运行中励磁系统故障引起的调相机失磁可能导致其转子失步,影响电网安全运行。为了研究新能源电网不同电压下同步调相机失磁后保持同步运行的能力,建立了300Mvar调相机的时步有限元模型,研究了励磁绕组开路和短路故障下同步调相机的失磁运行特性,对比分析了励磁绕组不同失磁故障下同步调相机各电气量的差异;在此基础上,研究了新能源电网不同电压下同步调相机失磁运行特性,揭示了同步调相机失磁运行能力随初始无功功率的变化规律。结果表明,随着同步调相机初始无功功率的增加,其失磁后保持同步运行所需的系统电压会逐渐增加。

基于仿真数据和子领域自适应的轴承故障网络诊断框架

在实际工业环境中,往往缺乏相应工况的轴承故障数据用于模型训练,这限制了深度学习在工业场景中的应用。基于此,采用两种建模方式生成了轴承故障信号,将其用于训练模型,并利用深度子领域自适应方法,缩小了模拟信号和真实信号间的差异,提升了模型对真实信号的诊断精度。首先,采用数学建模和基于LS-DYNA的有限元仿真两种方式建立了轴承故障仿真模型,以获取与实际场景相同工况下的轴承故障仿真加速度信号;其次,针对仿真数据和真实数据存在差异的问题,利用子领域自适应方法得到了对齐仿真数据和实际数据的全局特征分布以及相关子领域的特征分布;最后,采用原始一维振动信号作为输入,在残差神经网络(ResNet)模型架构上完成了端到端的轴承故障分类工作;将德国帕德博恩大学采集到的轴承故障信号作为实验数据,对上述模型的有效性进行了验证。研究结果表明:相较于有限元仿真,数学建模生成的仿真信号能够较轻易地迁移到实际信号,在无标签数据场景下具有99.73%的轴承故障识别精度,体现了数学建模在无监督轴承故障诊断领域的广阔应用前景,是在真实工业系统和人工智能之间架起桥梁的关键技术。

复杂断块油藏滚动增储关键技术

PL油田为大型复杂断块油田,主要含油层位为新近系明化镇组和馆陶组,储层受浅水辫状河三角洲、曲流河沉积控制。该油田经过20年的开发,已进入双高阶段,寻找优质接替储量,保证稳产上产成为油田开发的主要矛盾。开发实践证明,油田边部断块油底之下潜力受制于控藏断层的封闭能力;开发老区潜力分布在隐性断层控制的正向微构造单元,受断层开启性和隐性断层双重因素控制.

神经网络搭载Inception模块的框架结构集成故障诊断

针对于框架结构的使用环境恶劣,同时常常伴随着大量的噪声,在使用普通的一维卷积神经网络对框架结构进行故障诊断时,存在无法做出有效故障诊断的问题。本研究在一种抗噪声能力较强的卷积神经网络中加入Inception模块,提出了一种识别率和抗噪声能力更高的卷积神经网络—BICNN(Convolution Neural Network based on Inception),并用BICNN卷积神经网络基于数据驱动的方式,对楼体框架模型进行了集成故障诊断研究。集成诊断结果表明BICNN具有更高的识别率和较强的抗噪声能力,而且在训练步数较少的情况下振荡次数少收敛情况良好。因此采取本研究所提出的方法,对框架结构进行故障诊断时具有高诊断率和稳定性,为维护框架结构的稳定运行具有重大安全意义。

基于VMD-CNN-BiLSTM的轴承故障多级分类识别

双馈风力发电机(DFIG)作为风能发电领域的关键设备之一,保障其稳定运行显得尤为重要。针对DFIG轴承故障的多级分类问题,提出了一种基于参数优化的变分模式分解-卷积神经网络-双向长短期记忆(VMD-CNN-BiLSTM)故障诊断模型。首先,采用改进的麻雀优化算法——鱼鹰-柯西-麻雀搜索算法(OCSSA)对变分模态分解(VMD)的惩罚因子、模态分量进行了优化,OCSSA算法是将鱼鹰算法和柯西变异策略与麻雀算法进行了融合,形成了一种新的优化算法,该算法利用强大的参数搜索能力获取了更精确的频率特征;然后,利用卷积神经网络(CNN)提取了信号的时域和频域特征,并对特征进行了融合;最后,利用双向长短期记忆网络(BiLSTM)学习了故障的序列模式,完成了故障的多级分类任务。研究结果表明:基于OCSSA算法优化的VMD-CNN-BiLSTM模型在多级轴承故障识别方面表现出明显的优势,平均识别准确率可达98.36%,与CNN-LSTM、CNN-BiLSTM和VMD-BiLSTM模型进行对比,该模型具有更卓越的故障诊断性能、出色的泛化能力和快速的计算速度。这一结果充分验证了该模型在双馈风力发电机轴承故障的多级分类识别任务上的有效性,且适用于在线监测和智能诊断,为实现高效、可靠的风能发电提供了重要的实际应用价值。

基于ECE-FFTA法的舰船航空保障系统易损性评估方法研究

为合理地评估武器攻击下舰船毁伤效应,本文基于模糊集理论,将专家综合评价与模糊故障树分析相结合,建立了一种舰船航空保障系统易损性评估方法,解决了复杂系统分析过程存在的评价语言模糊性和认知不确定性问题。分析了航空保障系统组成与各子系统的毁伤逻辑,针对典型毁伤模式进行了模糊综合评价,构建并求解了航空保障系统模糊故障树,开展了爆炸冲击后航空保障系统的易损性评估。结果表明:以系统失效率和基本事件重要度作为易损性评估指标,可以定量地表征武器攻击后航空保障系统的毁伤程度。研究成果对于舰船航空保障系统防护设计和其他重要系统的易损性评估具有借鉴意义。

柱塞泵内泄信号的RBM-BP算法融合特征诊断

考虑到深度神经网络具备优异的故障识别性能,针对柱塞泵压力与流量信号特征提取难度大问题,设计了一种综合运用小波变换与希尔伯特-黄变换来实现的特征提取方法,建立了RBM-BP网络来达到优化原始特征的作用,利用高级融合特征诊断柱塞泵泄漏状态。高级特征散点表明,深度置信网络在学习原始特征方面表现出了较强学习能力,实现原始特征的抽象提取,确保高级特征能够更准确完成柱塞泵内泄分级与诊断过程。研究结果表明:所有正常泄漏样本都被准确预测,微弱泄漏与严重泄漏都出现了1个样本发生错误预测情况。相比较SSAE与H-ELM,RBM-BP在各层中都表现出比更低的识别。RBM-BP方法获得了比SSAE与H-ELM更高的准确率,准确率波动性也更小,表明RBM-BP模型达到了更优的稳定性,表现出了对柱塞泵内泄状态更强辨识能力与稳定性。

不同覆盖层土性下逆断层场地破裂模型试验分析

发震断裂附近场地破裂及其上建筑物震害分析,是研究活动断层附近岩土体覆盖层厚度、建筑物避让距离及抗断裂措施等最直接、有效的方法。基于大尺寸强震覆盖层土体破裂模型试验平台,对紧邻逆断层的黏性土、砂土覆盖层场地及其含框架结构场地进行试验,分别从土体破裂传播形态、地表位移、土压力变化、加速度监测等方面对比分析,得出结论:(1)框架结构在不同土性覆盖层场地下几乎没改变发震断裂对自由场地土体破裂的传播规律,而受建筑物影响地表主破裂带均出现一定的“迁移”;(2)含框架结构的黏性土覆盖层场地在地表主破裂带处破裂更严重,而含框架结构的砂土覆盖层场地既在地表主破裂带处破裂更严重,也在主破裂带上盘一定距离凹陷严重。与黏性土场地相比,砂土场地对建筑物抗断裂设计更不利。

东海盆地K区平湖组断层侧向封闭性评价及对油气成藏的控制作用

为准确评价东海盆地K区平湖组断层侧向封闭性及其对油气成藏的控制作用,基于前人对断层侧向封闭性机制、影响因素的分析,从断层侧向封闭类型出发,分别针对岩性对接型及断层岩型封闭断层建立评价模型及下限,以此开展断层侧向封闭性评价,并以N-1井区为例开展封闭性对油气成藏的控制作用分析。研究结果表明:K区平湖组断层侧向封闭类型以断层岩型封闭为主,断层封闭性受断层岩泥质含量(SGR)影响,封闭下限值为15%;纵向上平湖组断层岩SGR值自下而上逐渐降低,封闭能力逐渐变差,部分封闭断层逐渐转为开启;平面上K区中北部长时间活动的大规模断层侧向封闭能力明显强于南部断层。考虑到断层的侧向封闭性与油气能否在储层中聚集成藏是两个相互制约的地质要素,只有当断层岩SGR值介于15%~58%时,断层侧向封闭且储层发育,受断层遮挡的相关圈闭才能成为油气聚集成藏的有效圈闭。研究成果对明确东海盆地K区油气成藏规律,降低钻探风险具有较高的理论和实践意义。

基于CWT-CNN的滚动轴承故障诊断

针对滚动轴承传统故障诊断方法训练收敛速度慢、识别准确率不高、抗噪性能差等问题,提出CWT-CNN的轴承故障诊断模型。通过对滚动轴承振动数据经连续小波变换生成的时频图进行三次垂直方向随机裁剪的方法扩充数据集,之后将其导入到搭建的加入了批量归一化和随机失活的卷积神经网络中进行模型训练,再由训练好的模型实现轴承故障分类。为了测试模型性能,使用凯斯西储大学轴承数据集进行检测,经过实验结果表明:基于提出的方法构建的数据集相比于常规方法,在搭建的卷积神经网络训练中收敛速度更快,训练出的模型性能也更加稳定,最终最高测试准确率为99.75%,常规方法构建的数据集准确率为99.67%,证明了构建数据集方法的可行性;在原始数据中加入信噪比为6dB高斯白噪声后,通过常规方法构建的数据集测试的最高准确率仍达到了98.67%,展现了基于CWT-CNN的轴承故障诊断模型较强的抗噪能力,证明了所提方法的有效性和可行性。

伊通盆地岔路河断陷古近系断层的垂向封闭性及其控藏作用

根据测录井、试油等资料,利用断面正压力法对伊通盆地岔路河断陷古近系控藏断层的垂向封闭性进行了研究。研究结果表明:(1)通过油气藏的埋藏深度、上覆地层平均密度、断层倾角等数据可计算出油气藏的现今断面正压力。伊通盆地岔路河断陷古近系油气藏的现今断面正压力值为13.3~56.0 MPa,成藏期断面正压力值为3.8~13.1 MPa,表现为“古开启-今封闭”的特征,因断层面所受压力越大,断层越紧闭,从而形成垂向封闭,反之则开启。(2)将研究区已知油气藏现今断面正压力值的最小值13.3 MPa定义为岔路河断陷垂向封闭的临界值,并进一步确定了控藏断层现今临界埋藏深度为2262 m。(3)断面正压力与断层紧闭指数呈正相关关系,控藏断层的垂向封闭临界压力值、临界埋藏深度和断层紧闭指数等参数可定量评价研究区控藏断层封闭性。(4)断层既可作为油气运移通道,又可为油气藏的形成提供遮挡作用。岔路河断陷西北缘C43油气藏的控藏断层在成藏期表现为垂向开启,与油气大量生排烃时期相吻合,具有沟通油源、运移油气的作用;C43—C48井区的控藏断层现今处于垂向封闭状态,可有效封堵油气。

具有直流故障自清除能力的改进MMC子模块

高压直流输电领域中,典型的半桥型模块化多电平换流器(Modular Multilevel Converter,MMC)无法阻断直流侧故障电流,为此,提出一种具备直流故障自清除能力的改进子模块拓扑。分析其子模块的拓扑结构和运行状态;根据子模块闭锁后的特征,画出其系统故障等效电路图,阐明其故障阻断原理;在此原理基础上,为降低成本和损耗,提出改进子模块与半桥型子模块的混联拓扑。然后从耐压性与经济性两个方面,与其他经典的子模块作比较分析。最后在PSCAD/EMTDC中搭建双端21电平MMC直流系统,对改进的子模块阻断电流特性进行验证,仿真结果表明,所提改进子模块拓扑能够快速有效阻断直流侧故障电流。

西湖凹陷X气田断层精细分析及其控藏作用

东海西湖凹陷X气田花港组上段油气藏为典型的下生上储成藏体系,早期研究认为主力H5层为简单的背斜构造,油气经背斜东侧沟源断层垂向运移后,再向高部位聚集。勘探开发实践证实H5层为多期次沉积的大型辫状复合河道,不同河道砂体具有不同的气水系统和含气丰度。为明确“一砂一藏”油气富集影响因素,该文利用宽频宽方位地震数据,结合最大似然属性,分析研究区断裂的分布、活动性及断裂组合样式,指出断层与H5层油气富集状况的关系,建立了H5层新的成藏模式。研究结果显示H5层存在两类优势的成藏模式,即油气经直接沟源断层与层内断层组成的阶梯状输导体系进行运移,以及通过直接沟源断层沟通源、储,向上聚集至高势区的模式。该研究成果指导了本区南部构造高区井位部署工作并取得显著效果,对同类型油气藏的油气勘探与滚动潜力评价具有借鉴作用。

基于Dropout-多尺度空洞卷积神经网络的轴承故障诊断

为了提高故障诊断模型对故障轴承低信噪比信号的特征提取能力,使模型在强噪声环境下仍能发挥作用,提出了一种基于Dropout-多尺度空洞卷积神经网络(D-MDCNN)的滚动轴承故障诊断模型。首先,通过Dropout数据预处理,对训练数据进行“损坏”,强迫模型仅依靠少量特征便可进行故障诊断,以提高模型的抗噪声能力;然后,使用不同扩张率的空洞卷积扩充了多尺度信息,并利用CNN模块来完成对特征的提取与故障诊断;同时,在模型中加入批量归一化处理操作,用来加快模型训练的收敛速度,提高了模型的性能;最后,利用美国凯斯西储大学轴承数据集和东南大学齿轮箱数据集对基于D-MDCNN的模型进行了实验验证,并将实验结果与采用其他深度学习模型所得的实验结果进行了对比分析。实验结果表明:在无噪声至4dB的噪声环境下,D-MDCNN在西储大学和东南大学两个数据集上均可取得99%的诊断准确率;相比于其他同类模型,基于D-MDCNN的模型具有更高的诊断准确率和抗噪声能力。研究结果表明:基于D-MDCNN的模型是一种有效的轴承故障诊断模型。

理工科学员的复杂控制系统电路图识图能力培养研究

通过培养学员对控制系统电路图的识图能力,使学员能够结合电路图分析控制系统的工作原理,从而提高对控制系统使用维护保养和故障诊断的能力。针对控制系统电路图的固有特点,以及学员识图能力弱的客观实际,遵循“以练代教、以练促学”的教学理念,精讲多练,培养学员冷静应对、独立思考、学以致用的能力,学会将电路的理论知识融入控制系统电路图的识图实践之中,通过电路图分析训练提高学员的动手实践能力,养成规范的识图意识。

基于卷积神经网络的电力设备故障预测模型的研究

本文研究了一种基于卷积神经网络的电力设备故障预测模型,首先预处理历史数据,然后利用卷积神经网络训练数据,预测未来一段时间内设备故障的概率。结果表明,本文提出的模型具有较高的准确率和预测精度,且具有较强的泛化能力。

针对音变问题改进的维汉神经网络机器翻译鲁棒性方法研究

由于维吾尔语具有音变差异,在记录时容易混淆,这对机器翻译的容错能力提出了挑战。从词粒度研究的角度出发,针对维吾尔语中具有明显语音特性的音变词的翻译问题,采用字符级神经网络机器翻译(Character level Neural Network Machine Translation,CharNMT)结构,并结合覆盖率机制进行优化,这一方法不仅提高了音变词的翻译质量,还展现出较好的容错能力。在基础模型取得了1.25 Blue分的提升,并在训练和解码速度方面也具有优势。