装备寿命预测的平行仿真模型在线演化方法

在面向装备剩余寿命预测的平行仿真技术研究基础上,统一了不同退化状态下的状态方程,提出了预测模型形态库的构建方法和预测模型形态选择算法,设计了“模型形态库构建—模型选择—数据同化—模型演化”的模型在线演化工作流程,运用扩展卡尔曼滤波和极大似然估计算法,实现了面向装备剩余寿命预测的平行仿真模型在线动态演化。通过仿真实验验证了模型形态选择算法和模型在线演化工作流程的有效性,取得了较好的仿真效果。

低渗致密砂岩储层压裂参数优化研究——以鄂尔多斯盆地长8储层为例

鄂尔多斯盆地长8储层属于典型的低孔、低渗、低压致密砂岩储层。针对长8储层的特征,应用压裂软件建立压裂模型,以单井初期日产油量和累积产油量为目标,对裂缝参数进行优化。在优化裂缝参数的基础上,对施工参数进行优化。结果表明,鄂尔多斯盆地长8储层最优裂缝半长为180 m,最优裂缝导流能力为25μm^2·cm,合理的排量为4~4.5 m^3/min,合理的砂比为25%左右。该优化结果对解决致密砂岩储层的压裂参数优化问题具有一定的指导作用。

多模态感知驱动下高堆石坝施工仿真参数集成深度学习模型

现有施工仿真参数建模方法主要依靠单一模态数据,且现有多模态数据采集过程存在一定的滞后性,导致仿真的实时性和准确性不足。针对上述问题,本文提出了多模态感知驱动下高堆石坝施工仿真参数集成深度学习模型。首先,在SpringBoot框架下开发了基于移动智能手机传感器的运动学和声学数据实时采集云平台,并采用低通滤波器和梅尔频谱等方法实现堆石坝施工机械多模态数据的实时采集与预处理;其次,提出了用于自动提取多模态数据特征的堆石坝施工机械精细活动状态识别深度学习模型。该模型集成了改进深度卷积长短期记忆循环神经网络(Improved DeepConvLSTM,IDeepConvLSTM)与深度卷积神经网络的优势,前者可精确感知施工机械运动方向,后者可从声音模态中感知施工机械振动状态。其中,IDeepConvLSTM在卷积层中间加入批量归一化层以提高收敛速度,并采用梯度缩放和剪裁以避免梯度爆炸的问题;进一步地,在云平台中采用大窗口移动过滤器在线处理机械活动识别结果,实现堆石坝施工仿真参数的实时建模。工程案例表明,相比于单一的运动学或声学模态的机械活动识别方法,本研究所提方法的识别精度分别提高了9.22%和23.62%。研究成果为提高堆石坝施工仿真的准确性和实时性提供了新的思路和技术手段,具有一定的应用和推广价值。

地铁盾构施工对上部建筑物影响的参数敏感性分析

为研究地铁盾构施工对上部建筑物的影响,以某地铁盾构施工项目为工程背景,基于Midas GTS建立盾构地铁-土层-上部建筑物的三维仿真整体分析模型,并在该基础上,选取盾构施工的管片厚度、强度和掘进压力为基本因素,设计正交试验分析了地铁盾构施工影响上部建筑物的参数敏感性。结果表明,上部建筑物变形对盾构施工的掘进压力最为敏感。然后结合计算分析结果,总结了地铁盾构施工过程中引起建筑物变形、沉降的主要原因,并基于此给出了盾构施工中上部建筑物变形控制的合理措施。

基于参数辨识法的电容电流测量研究

随着当前中压配电网负载集中化，一旦出现故障电流，会造成配网电容电流出现过大，甚至产生间歇性电弧。如弧光过电压时间过长，会直接击穿绝缘层，引发更大的事故。因此，对中压配网接地点电容电流的测量则显得尤为必要。本文结合上述的背景，结合相关的理论和技术，提出一种基于最小二乘参数辨识法的电容电流测量方法。文章在介绍电容电流危害的基础上，对中压配网接地电容电流测量的主要方法和原理进行了介绍；然后以中压配网中常见的对称系统电容电流测量为例，构建数学模型；为求解上述模型，引入最小二乘参数辨识法；最后通过MATLAB编程对上述对电容电流测量进行验证，结果表明当注入频率为13Hz的情况下，其辨识结果与实际结果在误差范围内，符合测量要求，由此说明本文设计方法的可行性。