装配式结构钢塑复合板拟静力试验研究

对两种由镀铬C型钢做骨架、聚苯乙烯颗粒填充热塑压轧而成的钢塑复合板(其中A类板件规格为3 650mm×2 395mm×140mm(长×宽×厚),B类板件是在A类板件的内外侧表面增加厚度为10mm的硅酸钙板)进行了低周往复水平加载试验,分别研究其承载力、变形能力、滞回特性等方面性能。试验结果表明,两种板件均具备一定的侧向承载力,其中B类板件的水平极限承载力更高;两者变形性能均较好,两种板件均展现了良好的耗能能力,能满足作为非承重垂直分隔构件的要求,符合抗震设计的延性要求。试验结果可为装配式结构墙体在设计和施工方面提供参考。     

下扬子地区下志留统风暴沉积特征及风暴作用对泥页岩品质的影响

近年来在下扬子地区页岩气地质调查井所获取的地层岩心资料，揭示该地区下志留统风暴沉积较为发育。基于精细的岩心观察描述，详细分析了下扬子地区下志留统高家边组下段中上部风暴沉积的特征，并阐明了风暴作用对泥页岩的影响。研究表明：研究区风暴岩岩性偏细，以粉砂岩为主，石英含量较高，结构成熟度较低，具2种不同的粒度概率曲线；主要发育底部冲刷面、块状层理、平行层理、丘状交错层理、波纹交错层理、准同生变形构造等沉积构造；垂向上主要识别出4种风暴沉积序列，均具有从底到顶粒度变细的沉积特征，不同的沉积序列与风暴流能量的强弱有关。下扬子地区早志留世频繁的风暴活动与研究区的古地理背景和古气候条件具有内在联系。特大型风暴对浅海陆棚深水区的细粒泥质沉积物特征产生重要影响，包括降低有机质含量、减少单层厚度、破坏垂向连续性、改变原始沉积构造和侧向稳定性等，总体上降低了泥页岩的品质。因此，研究认为在页岩气的勘探和评价过程中应重视风暴因素对陆棚深水区原始泥质沉积物的影响。     

基于三次样条曲线插值的压力传感器温度补偿研究

压阻式压力传感器受半导体温度特性的影响,易产生热零点漂移和热灵敏度漂移,这是影响传感器性能的主要因素。现介绍了采用三次样条曲线插值方法对压阻式压力传感器热零点漂移和热灵敏度漂移进行补偿修正的方法,通过试验验证了三次样条曲线插值补偿方法对压力传感器热零点漂移和热灵敏度漂移的补偿效果。该方法对于解决高精度压力传感器的温度补偿问题具有较高的推广应用价值。     

碳酸盐岩岩溶储层多井评价方法及地质应用

多井评价是建立在单井精细解释对比分析基础上的预测储层及含油气性平面分布规律的技术方法,而常规测井资料无法区分碳酸盐岩岩溶储层,因而利用多井评价结果确定岩溶发育程度在平面上的分布规律就显得十分重要。为此,在岩心标定成像测井的基础上,对四川盆地高石梯—磨溪地区15口井的成像测井岩溶发育特征进行分析,建立了中二叠统茅口组岩溶发育各分带的标准成像图版,利用交会图及直方图分析各分带的常规测井响应特征,在此基础上形成了电成像测井刻度常规测井识别岩溶发育带的新方法。研究结果表明:①高石梯—磨溪地区茅口组岩溶带自上而下可划分为风化壳残积带、垂直渗流岩溶带、水平潜流岩溶带以及受岩溶作用较弱的基岩;②风化壳残积带在成像测井图像显示为"暗—亮—暗"条带状模式,垂直渗流岩溶带为垂直线状与暗色斑状组合模式,水平潜流岩溶带为水平线状—层状与斑状组合模式,基岩整体显示为亮色块状模式偶见线状或斑状特征;③有效储层主要发育在垂直渗流带和水平潜流带的顶部;④该区茅口组岩溶发育主要受裂缝发育控制,而裂缝发育又与断层关系密切。结论认为,该新方法对碳酸盐岩岩溶储层的多井评价具有普遍适用性,为四川盆地中二叠统风险探井的部署提供了技术支撑。     

低温复合相变材料正辛酸-癸酸的制备及性能分析

将正辛酸(OA)与癸酸(CA)按比例混合制备二元复合相变材料OA-CA,用于相变温度2～8℃的医药冷藏运输系统中。首先通过理论计算预测了二元混合物的共晶点,确定它的共晶点比例、相变温度及潜热值,然后围绕共晶点比例配制6种不同比例的混合物。结果表明:OA-CA的过冷度为0.4℃、共晶点质量比为71∶29、相变温度为1.7℃、相变潜热为122.1J/g、热导率为0.3231W/(m·K)。对OA-CA低温复合相变材料进行100次循环蓄放冷实验,发现其相变温度、潜热值、热导率均未发生明显变化。     

深度学习识别光网络单元故障的设计与应用

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。