稠油O/W型乳状液微观现象研究

新滩稠油O/W乳状液是由含水较高的W/O乳状液直接转相形成的,利用微观摄像技术对其微观结构进行了研究。研究发现,乳状液中含有一定量的W/O/W液滴,其数量的多少与乳化剂浓度和含水量的大小有一定关系。液滴的形状大多数是等轴球形,既有液滴单个的乳滴存在,又有相互接触的乳滴簇存在,有乳滴形成乳滴簇的过程,也有乳滴簇分离的过程。乳滴大小分布模式基本相似,但对于具体的乳状液来说还是有差别。乳滴的大小分布受乳化剂浓度、油水性质含水量和放置时间等的影响。乳状液随时间表现出的性质主要是其微观结构变化的结果。液滴的大小分布情况和存在方式,在一定程度上影响乳状液的稳定性和流变行为。     

基于多头图注意力网络与图模型的多标签图像分类

多标签图像分类是多标签数据分类问题中的研究热点.针对目前多标签图像分类方法只学习图像的视觉表示特征,忽略了图像标签之间的相关信息以及标签语义与图像特征的对应关系等问题,提出了一种基于多头图注意力网络与图模型的多标签图像分类模型(ML-M-GAT).该模型利用标签共现关系与标签属性信息构建图模型,使用多头注意力机制学习标签的注意力权重,并利用标签权重将标签语义特征与图像特征进行融合,从而将标签相关性与标签语义信息融入到多标签图像分类模型中.为验证本文所提模型的有效性,在公开数据集VOC-2007和COCO-2014上进行实验,实验结果表明, ML-M-GAT模型在两个数据集上的平均均值精度(mAP)分别为94%和82.2%,均优于CNN-RNN、ResNet101、MLIR、MIC-FLC模型,比ResNet101模型分别提高了4.2%和3.9%.因此,本文所提的ML-M-GAT模型能够利用图像标签信息提高多标签图像分类性能.     

铁铬铝丝在刚性药头电雷管电引火桥丝中的探索运用

文章对铁铬铝丝的性质进行了分析,介绍了铁铬铝合金丝作为刚性电雷管电引火装置的各项性能及生产情况。实验证明:铁铬铝合金丝作为发热桥丝的各种性能均可达到镍铬丝的水平,而且价格便宜,更具实用价值。     

我国航改型燃气轮机发展现状及建议

针对我国航改型燃气轮机的发展问题,首先从航改型燃气轮机和重型燃气轮机两个方面介绍了我国燃气轮机发展现状,分析了我国燃气轮机发展存在的问题,借鉴国外燃气轮机发展的经验,对我国发展航改型燃气轮机提出了建议:1)明确发展方向、优选攻关机型;2)军民融合、综合利用国内现有资源。     

高内相稠油油包水乳状液流变性研究

稠油形成的高内相W/O乳状液,其流动性对生产有很大影响,研究表明W/O乳状液流动特征可以用幂律模式描述,具有剪切稀释性,粘度与温度服从指数关系.随着内相体积浓度的增大,乳状液粘度会出现一个最大值,此时的内相体积浓就是乳状液的转相点.在内相体积浓度小于转相点时,粘度随内相体积浓度的增大粘度增大;在内相体积浓度大于转相点时,粘度随着内相体积浓度的增大粘度下降.在内相体积浓度大于转相点后,乳状液会由W/O型转变为O/W型,转相有一个过程.同时随着内相体积的增大、剪切速率的增大和温度的升高乳状液稳定性下降.高内相乳状液已经具有了粘弹流体的某些特征.本次研究在稠油生产中具有一定的理论意义.     

多通路时变网络下低碳车辆路径优化模型与算法

针对城市日益拥堵的交通现状及城市环境污染问题,从现实路网多通路属性的研究入手,设计符合时变网络碳排放计算的时段划分方法,分析了行驶速度变化及车辆载重对排放造成的影响,建立了多通路时变网络下的低碳车辆路径优化模型。基于减少城市环境污染的目标,制定了多通路网络中的通路选择规则,并引入改进冷却函数,设计了双循环模拟退火算法对模型进行求解。通过算例验证了模型与算法减少碳排放的有效性,实验结果表明,多通路时变网络下的车辆配送优化路径可明显降低配送车辆油耗。     

成品雷管导通工位泄爆烟管的安全探讨

本文通过对泄爆烟管进行实验分析,提出在原成品导通工位增设泄爆烟管的思路,在杜绝电雷管发生爆炸时能及时将爆轰波排泄出去,减少伤亡的问题上取得了良好的效果。     

组效关系中临界值的确定

基于中药指纹图谱中的色谱峰与药效指标之间的灰色关联度,利用统计中的假设检验和非参数估计,对如何确定中药材(Traditional Chinese Medicine,TCM)中有效组分的临界值问题进行了研究.克服了主观设定临界值的缺陷,为探究中药中的有效组分提供了一种量化指标.实验结果表明:该方法能够有效地确定中药中的有效成分,验证了其可行性.     

加入跳跃连接的深度嵌入K-means聚类

现有的深度聚类算法大多采用对称的自编码器来提取高维数据的低维特征,但随着自编码器训练次数的不断增加,数据的低维特征空间在一定程度上发生了扭曲,这样得到的数据低维特征空间无法反映原始数据空间中潜在的聚类结构信息.为了解决上述问题,本文提出了一种新的深度嵌入K-means算法(SDEKC).首先,在低维特征提取阶段,在对称的卷积自编码器中相对应的编码器与解码器之间以一定的权重加入两个跳跃连接,以减弱解码器对编码器的编码要求同时突出卷积自编码器的编码能力,这样可以更好地保留原始数据空间中蕴含的聚类结构信息;其次,在聚类阶段,通过一个标准正交变换矩阵将低维数据空间转换为一个新的揭示聚类结构信息的空间;最后,本文以端到端的方式采用贪婪算法迭代优化数据的低维表示及其聚类,在6个真实数据集上验证了本文提出新算法的有效性.