基于量子滤光及跟踪算法的火箭发动机尾焰粒子测速方法研究

粒子喷射速度的测速是火箭发动机结构改进设计极其重要的依据。但是由于火箭发动机尾焰喷射速度快、背景辐射强,传统的滤光器件(滤光片)与运动目标检测算法无法适用。针对上述问题,本文采取新型量子滤光技术,利用量子高信噪比,低背景噪声的特点,以原子滤光器为核心,将超窄带量子滤光技术应用到粒子图像测速法(Particle Image Ve⁃locimetry,PIV)中,组成量子滤光PIV系统,滤光带宽可窄至GHz量级。同时基于量子滤光PIV系统提出了一种新的基于图像灰度互相关的虚拟粒子图像示踪算法,该算法通过对虚拟粒子的标记跟踪而表征实际粒子的运动轨迹,达到测量粒子速度的目的。经外场试验表明:量子滤光技术抑制复杂背景干扰强,相较于传统滤光器件信噪比提高了30 dB,滤光效果明显;该算法准确性高,粒子测速误差低于0.5 m/s,计算测量精度优于0.06%。同时,相关系统已经在国家相关研究单位获得应用。

页岩气井排采初期产量预测新方法

四川盆地下志留统龙马溪组页岩是目前我国页岩气勘探开发主要领域之一。为了实现页岩气水平井勘探开发方案优化、产量综合精细挖掘、节约开发成本、提高最终采收率等目标,基于非放射性示踪剂精细解释,开展了利用分形维数对龙马溪细分小层的产气规律特征进行描述,再通过GA-BP神经网络建立产量预测模型对产量进行有效预测,从而解决了排采初期快速评价产能的问题。利用非放射性示踪剂解释结果结合动、静态资料建立页岩气压裂井单井各小层精细解释产气剖面,从而分析长宁页岩气示范区气藏储层龙一段各小层产气特征,对地质导向“铂金箱体”具有非常重要的意义。目前新投产的页岩气井大部分未进行放喷测试,造成初期页岩气产能难以评价,基于非放射性示踪剂精细解释的页岩气井产量预测方法能够快速评价页岩气初期产能,提高了产量预测的效率,从而有效指导页岩气单井合理的开发。

井组示踪剂产出曲线组合解释方法研究

针对井间示踪剂产出曲线解释方法存在的问题,提出了井组示踪剂产出曲线的解释方法。建立了以一口注入井对应的多条产出曲线总体拟合最优为目标函数、以相应的注水量和井组面积等静、动态参数为约束条件的解释模型。利用遗传算法实现了产出曲线的自动拟合,避免了最小二乘法中求偏导数困难的问题,提高了求解的速度和精度。实例应用表明,提出的解释方法具有较强的可靠性。

井间示踪测试组合解释方法研究

目前的测试解释技术依然基于20世纪60~80年代提出的原理和理论,没有针对现场发现的问题进一步发展和完善。国内若干矿场实践以及理论对比证明,这些基础理论以及建立在此基础上的解释模型明显偏离了合理的范畴,存在考虑因素过于单一、片面的问题,不能很好适应多孔介质复杂渗流的定量化描述。示踪测试解释基础理论和数学模型有待进一步完善和发展,解释工具的功能有待进一步提升。本文从计算数学的角度,确定了井间示踪测试解释的油藏自变量参数,构造了目标函数,针对具体问题改进了实数型遗传算法,实现了区块示踪测试整体自动组合参数反演和优化解释。

井间示踪剂产出曲线自动拟合方法

以对流扩散理论为基础,利用流管法导出了井间示踪剂产出浓度的理论公式。传统井间示踪剂产出曲线的解释方法需要大量调整井间参数和注入参数来拟合产出浓度,解释精度低,针对这些缺陷,提出利用遗传算法实现自动拟合产出浓度的参数解释模型,只需给出该模型中各参数变化的大体范围,无须人为调参,模型自动拟合产出曲线,求解参数的最优解。应用结果表明,该方法的收敛速度快、解释精度高。

液力偶合器漩涡流场PIV试验测量影响因素分析

为了实现液力偶合器漩涡流场高精度试验测量,研究粒子图像测速(PIV)流场试验测量环节的主要误差来源,分析示踪粒子选择、图像采集策略和流速提取算法对流场测量精度的影响,提出降减和消除误差的途径与方法.研究结果表明:在容积为2 710 m L的水介质液力偶合器中投入1.0 g等效直径为1.5μm的PSP示踪粒子,图像采集效果好且粒子浓度满足PIV测速要求;将液力偶合器外壁表面设计为大平面采集区域能够有效地避免反光现象,并降低离轴角误差和光路折射误差;采用递归互相关算法,使用自适应查询区域分析方法,通过3次迭代计算,能够更好地提取主流区域上大尺度漩涡流动特征和局部角隅区域上小尺度涡旋结构特征.

基于追踪部署的着色包标记算法的研究

基于追踪部署的相关理论和着色包标记算法,针对当前危害很大的分布式拒绝服务攻击,提出一种基于追踪部署的IP回溯算法。该算法是以贪心算法为基础,利用K-剪枝算法在网络拓扑图中找出一些关键的路由器,利用这些路由器也就是只让tracers对过往的数据包按照着色包标记算法进行标记,这样不但减少了重构路径所需的数据包数,降低了路径误报率,提高了追踪到攻击者的速度,而且大大减轻了路由器标记的负担,从而能够迅速准确地找到攻击源。

基于水化学场与水动力场示踪模拟耦合的矿井涌(突)水水源判识

为了弥补现有方法判识结果缺少实际水循环的支撑与验证,以及对实际采矿过程中涌(突)水现象与矿井立体水文地质模型等结合不足的问题,提出一种基于水化学场机器学习分析与水动力场反向示踪模拟耦合的矿井涌(突)水水源综合判识技术。该技术首先利用水文地球化学的原理揭示矿井涌(突)水及其可能来源含水层(水体)的水化学特征,利用特征的相似性对涌(突)水来源进行定性分析;随后利用机器学习算法对涌(突)水来源进行定量判识;最后建立渗流场数值模型,实现涌(突)水来源的再验证与涌水路径的可视化输出。以曹家滩煤矿为工程实例,运用该方法对122108和122109两个工作面的涌水来源进行判识,研究结果表明:随着深度的增加,研究区地下水中阴离子始终以HCO_(3)^(-)为主导,而阳离子则呈现由Ca^(2+)为主导过渡到Na^(+)+K^(+)为主导的趋势;支持向量机(SVM)需要额外利用遗传算法(GA)等方法对惩罚系数c和核函数参数g进行优选,而随机森林(RF)无需复杂的参数设置和优化便能得到较为满意的性能,且具有更高的准确性;矿井涌(突)水渗流场可视化模型反向示踪显示122109工作面在红土隔水层“天窗”附近,存在第四系含水层地下水通过导水裂隙带涌入工作面的情况。该技术判识出122108工作面涌水来源于直罗组和延安组含水层地下水,122109工作面涌水来源于第四系含水层地下水,判识结果与工程实际情况相吻合。

基于追踪部署的动态概率包标记算法的研究

基于追踪部署的相关理论和动态概率包标记算法,针对当前危害甚大的分布式拒绝服务攻击,提出一种基于追踪部署的IP回溯算法。该算法是以贪心算法为基础利用K-剪枝算法在网络拓扑图中找出一些关键的路由器,利用这些路由器也就是只让tracers对过往的数据包按照动态概率包标记算法进行标记,这样大大减少了重构路径所需的数据包数,提高了追踪到攻击者的速度,而且大大减轻了路由器标记的负担,从而能够迅速而准确的找到攻击源。

采用改进的FCM聚类算法进行储层优势通道分级

井间示踪剂技术被认为是目前识别优势通道最直接、最准确的方法之一,但在稠油油藏中,示踪剂产出曲线多呈抛物线型单峰形状,曲线之间差别小,优势通道发育级别难以判断;同时因为模糊C均值(Fuzzy C-means,FCM)聚类算法需要事先指定聚类数目,使得其对示踪剂曲线分类问题适应性较差。针对上述问题,本文提出了改进的FCM聚类算法,解决了单峰型示踪剂曲线难以分类的问题。首先,通过引进决策图来确定聚类数,避免FCM算法在选取聚类数时的盲目性;然后,选取见剂速度、峰值浓度、回采率等示踪剂浓度曲线的特征参数,对见剂井进行聚类,确定优势通道发育级别和主控因素;最后,利用洛伦兹系数和现场泡沫驱应用效果,验证分级的合理性。研究结果表明:目标油田发育三级优势通道,一级优势通道属于均质~相对均质储层,其见剂速度小于1.65 m/d,高渗层渗透率小于3259 mD,同时回采率小于0.13%,地层系数小于1341 mD·m;二级优势通道属于相对均质~非均质储层,见剂速度在1.65~2.17 m/d,渗透率3259~8383 mD;同时回采率在0.13%~0.21%,地层系数介于1341~3194 mD·m;三级优势通道属于非均质~严重非均质储层,见剂速度大于2.17 m/d,高渗层渗透率大于8383 mD,回采率大于0.21%,地层系数大于3194 mD·m。现场实践表明:优势通道越发育,泡沫驱治理效果越好。该分类结果对现场调剖堵水具有指导意义。

光伏列阵的全局最大功率点追踪研究

针对光伏电池的最大功率点跟踪(MPPT)影响着光伏系统的发电效率,对光伏阵列的功率输出特性曲线进行了建模仿真分析,根据MPPT的目标是保持光伏阵列输出电压一直保持在最大功率点处,重点分析在光伏阵列出现局部阴影情况时的,光伏阵列的P-V输出特性为多峰曲线情况下,提出了一种基于改进的模拟退火粒子群算法的最大功率点跟踪控制方法,将模拟退火算法思想融入到粒子群算法中,改善粒子的探索能力,提升了最大功率点跟踪算法的收敛速度和精确性。

基于改进遗传算法的河流水质模型多参数识别

结合多种群遗传算法和自适应遗传算法,提出基于多种群-自适应遗传算法(MPAGA)水质模型多参数识别方法,实现对河流水质模型参数断面平均流速u、河流离散系数D和污染物降解系数K识别和估计。利用河流示踪剂实验监测数据,分别对美国特拉基河3个不同流量河段作水质模型多参数识别和估计。结果表明,与传统遗传算法(TGA)相比,MPAGA算法对3种不同流量河段水质模型参数估计结果准确和可靠。基于MPAGA水质模型多参数识别方法和分河段水质模型参数估计结果可提高河流水污染预测精度,判定河流水污染危险区域,为保障工农业用水安全提供重要科学依据和技术支撑。

正电子发射粒子示踪的关键技术与进展

多相流参数检测对工业过程装置的设计和优化至关重要,但其多尺度与内在复杂性限制了对多相流动过程的理解,在流动机制方面仍有许多关键问题尚未明晰。正电子发射粒子示踪(PEPT)是一种面向工业过程中复杂多相流的新型无扰、无损的核成像方法,利用γ光子探测对放射性标记的示踪颗粒进行三维动力学成像。由于γ光子具有高穿透性、不受电磁场影响等特点,使得PEPT在非透明复杂多相流检测上具有独特优势。目前主要应用于化工、食品、制药等工业领域内多相流动现象的测量和系统物理参数提取。然而,小型化示踪颗粒制备困难、多个示踪颗粒同时定位效果差等问题严重阻碍了PEPT技术的进一步应用和推广。本工作首先介绍了PEPT技术的基本原理;然后重点从示踪颗粒、算法、硬件系统、数据处理及应用等方面讨论了PEPT关键技术及其研究进展,并指出其中存在的问题和潜在的发展方向;最后,对PEPT技术的发展和应用进行总结和展望。

信赖域半径策略优化L-M算法在激光追踪仪多站位测量中的应用

为了解决Levenberg-Markuardt(L-M)算法在激光追踪仪多站位测量应用中收敛速度慢的问题,本文提出了信赖域半径策略优化L-M算法。通过调整搜索方向的正参数进行信赖域判定,确定每一次迭代最优的方向和步长,使得算法快速收敛到全局最优解。实验结果表明:所提算法有效提高了基于激光追踪仪多站位测量技术的三坐标测量机(CMM)规划测量点体积误差的收敛速度。优化L-M算法与L-M算法的结果具有一致性,但前者的收敛速度更快、算法精度更高。在进行激光追踪仪站位自标定时,L-M算法平均迭代1553次才能迭代到全局最优解,而信赖域半径策略优化L-M算法平均迭代9次即可迭代到全局最优解。在求解CMM测量点的实际坐标时,L-M算法的平均精度为2.30×10^(-7) mm,优化L-M算法的平均精度为8.75×10^(-10) mm。

Positron emission particle tracking——Application and labelling techniques

The positron emission particle tracking （PEPT） technique has been widely used in science and engineering to obtain detailed information on the motion and flow fields of fluids or granular materials in multiphase systems, for example, fluids in rock cracks, chemical reactors and food processors; dynamic behaviour of granular materials in chemical reactors, granulators, mixers, dryers, rotating kilns and ball mills. The information obtained by the PEPT technique can be used to optimise the design, operational conditions for a wide range of industrial process systems, and to evaluate modelling work. The technique is based on tracking radioactively labelled particles （up to three particles） by detecting the pairs of backto-back 511 keV γ-rays arising from annihilation of emitted positrons. It therefore involves a positron camera, location algorithms for calculating the tracer location and speed, and tracer labelling techniques. This paper will review the particle tracking technique from tracking algorithm, tracer labelling to their application.