XRD矿物分析技术在恩平凹陷的应用

XRD矿物分析技术的推广应用,打破了传统岩屑录井中岩性定名方法,应用技术数据手段进行岩性定名已成为提升录井技术含量的一个途径。通过恩平凹陷10口井的XRD矿物分析技术应用,在各组段岩性特征变化规律上,根据矿物含量变化建立了层内的标志层,同时依据石英、长石、黏土矿物参数建立砂泥岩岩性划分标准和特殊岩性划分图板;在储集层物性识别上,XRD矿物分析技术获得拓展性应用,利用砂岩成熟度参数与电测伽马曲线相结合,建立了规律良好的储集层物性评价图板。从技术成果总结可以看出, XRD矿物分析技术不仅适用于随钻快速评价,而且在岩性物性认识上是勘探开发的一项重要手段。     

一种铁路机车车辆受流器用高温硅橡胶电缆

一种铁路机车车辆受流器用高温硅橡胶电缆     

无人驾驶车辆的运动控制发展现状综述

回顾无人驾驶车辆的运动控制问题。从系统模型、控制方法以及控制结构等角度切入,分别在纵向运动控制、路径跟踪控制和轨迹跟踪控制三个层面对国内外的研究进展进行综述,并提出对无人驾驶车辆运动控制技术的发展展望。当前运动控制研究多集中于常规工况,为实现无人驾驶车辆在处理人类驾驶员认为具有挑战性或缺乏操纵能力的复杂动态场景下的潜力,运动控制研究须从常规工况向极限工况拓展,但是极限工况下车辆的非线性和多维运动耦合特征显著增强,对系统建模以及算法的自适应性和鲁棒性的要求进一步提高。同时,为应对复杂场景下的多目标协调优化问题,考虑环境不确定性的运动规划与控制集成设计需要深入研究。增加执行器手段可以提升极限工况下车辆的侧向响应速度和控制裕度,但是冗余异构执行器的控制分配研究仍有待突破。运动控制的实现依赖于路面附着系数、质心侧偏角等信息输入,因此基于多源传感信息融合的关键状态与参数估计问题亟需解决。此外,将机器学习应用到车辆运动控制领域也是一个重要的发展方向。     

2019年工业车辆行业市场简要分析

2019年,对于中国工业车辆行业来说属于复杂的一年,行业不仅要应对前几年高速发展后需要调整的压力,还要面对中美贸易摩擦、环保要求提高等因素的影响,一年来,在全行业企业共同努力下,总销售量保持了平稳略有增长的局面,全年机动工业车辆销售量突破60万台,国内市场取得了5.88%的增长,达到45.6万台;出口出现近年来少有的负增长,下跌8.45%,跌幅相比上半年有所缩小;全行业总销售量为608341台,相比2018年全年的597152台,增长了1.87%。     

基于多层感知器的气液两相流流型识别方法

通过对电阻层析成像数据采集原理和深度学习网络的研究,提出了一种基于阵列电阻值和多层感知器深度学习网络相结合的流型识别方法。利用电阻层析成像系统中的16个电极传感器来获取流型样本数据,并构建出流型识别数据库,然后对多层感知器深度学习网络进行训练,获得可以识别不同流型的网络。实验结果表明,采用阵列电阻值结合多层感知器网络对流型进行学习和识别的方法,流型识别准确率可以达到95%,解决了流型图像生成过程与数据特征预选过程中流型特征损失的问题,流型识别性能得到了提高。     

基于双向流固耦合弹性环式挤压油膜阻尼器建模及动力学特性研究

利用数值方法建立了弹性环式挤压油膜阻尼器(ERSFD)的流固耦合模型,分别利用有限元方法以及有限体积法建立了弹性环和内外油膜的CFD数值模型,并进一步利用分时迭代的弱耦合方法实现了油膜以及弹性环控制方程的耦合求解,获得了内油膜的压力分布特性及弹性环的变形,并进一步识别了油膜和弹性环的动力学特性系数;研究了涡动频率、凸台数目、凸台高度、凸台宽度以及弹性环厚度对阻尼器动力学特性系数的影响。结果表明,弹性环的凸台高度对ERSFD油膜动力学特性系数的影响最为明显,ERSFD油膜阻尼与涡动频率无关。     

基于可信度分析的钻井液脉冲信号识别方法

针对随钻测量过程中钻井液脉冲信号识别困难的问题，在分析钻井液脉冲信号的产生原理及噪声特性的基础上，通过研究信号波形特征属性和信号相似度，建立了基于可信度分析的钻井液脉冲信号识别方法。根据该方法设计的钻井液脉冲信号识别原型系统能够实现灵活多变的交互式控制、动态参数调整和处理过程可视化实时呈现，在真实数据模拟中获得了很好的效果。基于可信度分析的钻井液脉冲信号识别方法有较好的适应性，可以准确、智能地识别复杂矿场环境中的真实信号波形，为随钻测量工作的顺利进行提供了技术支撑。      

扩展稀疏表示稳健HRRP目标特征提取方法

为提高低信噪比下高分辨一维距离像目标识别性能，提出扩展稀疏表示的噪声稳健目标特征提取方法。本方法通过对稀疏表示的扩展，实现对目标高分辨一维距离像局部特征与全局特征的提取。其中，在训练阶段利用支持向量理论与字典学习原理，对特征提取字典进行优化提高特征向量的可分性。在测试阶段，利用因子分析模型匹配方法对去噪声字典进行优化，从而实现对噪声的有效抑制，保证了目标识别系统的噪声稳健性。利用实测数据对本方法性能进行测试，结果表明本方法可在低信噪比条件下有效地恢复目标高分辨一维距离像，并实现较高的识别正确率。     

命名实体识别技术综述

命名实体识别是自然语言处理中的热点研究方向之一,目的是识别文本中的命名实体并将其归纳到相应的实体类型中。首先阐述了命名实体识别任务的定义、目标和意义,分析提出了命名实体识别的主要难点在于领域命名实体识别局限性、命名实体表述多样性和歧义性、命名实体的复杂性和开放性;然后介绍了命名实体识别研究的发展进程,从最初的规则和字典方法到传统的统计学习方法再到现在的深度学习方法,不断地将新技术应用到命名实体识别研究中以提高性能;接着系统梳理了当下命名实体识别任务中的若干热门研究点,分别是匮乏资源下的命名实体识别、细粒度命名实体识别、嵌套命名实体识别以及命名实体链接;最后针对评判命名实体识别模型的好坏,总结了常用的若干数据集和实验测评指标,并给出了未来的研究建议。