井控地震资料处理技术探讨

井控地震资料处理就是将有关井的信息引入地震资料处理中,对相应的处理参数进行优化,提升地震资料处理成果的可解释性,解决好地下介质的构造成像和岩性参数的反演成像等基本问题。基于对前人利用微测井、测井、VSP信息进行井控地震资料处理的研究成果,归纳总结出了井控地震资料处理技术流程,分析了井数据介入地震资料处理的方式。将井控地震资料处理的作用概括为改善振幅的保真度、增强成果分辨率、提高成像的精度和提升反演的可信度四个方面,分别对井控振幅恢复、井控反Q滤波、井控反褶积、井控零相位化、井控近地表静校正、井控各向异性参数估算、井控速度建模及偏移、井控波阻抗反演等关键技术的实质和特点进行了介绍和评价,并归纳了井控地震资料处理量化质量控制方法。井控地震资料处理是一个强有力的井震结合的质量监控体系,弥补了无井控地震资料处理技术的不足,提高了地震资料处理成果的可信度和精度。     

倒立摆教学实验系统的二次开发

利用倒立摆实验装置开放式的软件平台,以非线性PID控制器为例,采用CMEXS函数的方法搭建了非线性PID控制器的Simulink实验模型,并移植到倒立摆实验装置的监控软件中直接使用,使控制系统得以快速成形。实时控制实验的成功表明了所开发实验的是可行、有效的,此开发具有一定的推广应用价值。     

一类高精度伺服系统基于模糊神经网络的复合控制

针对高精度伺服系统中存在的各种非线性及不确定性 ,提出了基于模糊神经网络的复合控制方法。控制器由前馈控制器和闭环反馈控制器组成。前馈控制器由零相差跟踪控制器 (ZPETC)及FIR滤波器构成 ,闭环反馈控制器采用模糊神经网络控制 ,包含一个辨识网络FNNI和控制网络FNNC。该控制方法结合了神经网络和模糊推理的优点 ,可以克服各种非线性和不确定性 ,明显提高跟踪性能 ,具有很好的鲁棒性。提出的模糊神经网络结构简单 ,推理算法易于实现 ,并且可以更合理地选择初始权值 ,加快了网络的收敛速度 ,在一定程度上解决了神经网络的实时性问题     

基于自抗扰控制技术的单元机组协调系统

针对单元机组协调系统具有多变量强耦合、非线性及参数时变的特性,提出了基于自抗扰控制技术的单元机组协调系统控制方案.其主要特点是把每个通道的耦合环节看成该通道的外扰,通过自抗扰控制器中的扩张状态观测器对总扰动进行估计,并在控制信号中加以补偿,从而实现了单元机组的解耦控制.通过对一个通用的非线性协调系统模型的仿真研究,表明了该方案具有较好的解耦效果、较快的响应速度和较强的抗干扰能力.     

基于改进D-S的汽轮机组集成故障诊断研究

在分析与比较多个D-S合成规则的基础上,结合汽轮机组故障的特点,提出了一种基于改进D-S证据理论的集成故障诊断方法。该方法利用改进的D-S理论来表示和处理不确定的、模糊的信息,利用灰色理论和GRNN（广义回归神经网络）网络来处理证据理论中的基本概率分配问题,充分发挥灰色理论和GRNN的优点,提高故障诊断率。仿真结果表明,所提曲的集成故障诊断方法能有效地诊断汽轮机纽的故障,决策合理,可信度高,且能避免误诊现象,具有庭好的应用前景。     

弱凝胶封堵高渗透带性能及启动低渗层的条件

通过低渗岩心驱替实验,研究水驱启动及驱动压力梯度,发现油层渗透率的增大,启(驱)动压力梯度降低,呈幂律指数关系式,最小启动压力梯度为0.006 MPa/m;最高启动压力梯度为0.13 MPa/m;通过高渗岩心驱替实验,研究凝胶的封堵性能,发现高渗带的渗透率越低,聚合物凝胶的突破转向压力梯度(最高压力值)、注入压力梯度、平衡注入压力以及封堵压力梯度也越高。通过计算得到不同线速度条件下,高渗带封堵1.0 m时,高渗带及基质渗透率对驱动油层前缘半径影响,发现基质油层的渗透率越高、高渗带的渗透率越低,基质油层的水驱前缘半径越大;反之越小。     

新混沌系统的全局渐进同步控制研究

对非线性控制混沌同步的理论方法做系统的描述。基于修改的Lyapunov稳定性理论,提出设计一个控制器就可以实现两个系统的同步的方法,它的优点是不需要计算系统的条件Lyapunov指数。基于Lyapunov稳定性理论和非线性控制方法,在初值不同的情况下,选取合适的控制器,使得两个相同的混沌系统以及Chen混沌系统和新的混沌系统实现全局渐进同步。运用Matlab仿真做出两个混沌系统的同步动态误差图,验证了本方法的有效性。     

机器人运动学分析实验教学方案研究

为在本科阶段开展机器人运动学分析研究,提出了运用机器人运动学基本知识,引入齐次坐标变换,推导出坐标变换方程;利用D-H参数法,进行机器人的位姿分析;介绍机器人正向和逆向运动学基础知识。制定了机器人运动学分析实验教学方案,经相关专业学生实践发现,该实验方案可行,能达到预期实验目的,学生能独立进行机器人运动学分析研究。     

飞行仿真转台模糊神经网络补偿的复合控制

针对飞行仿真转台系统的非线性和不确定性,提出了基于模糊神经网络补偿的复合控制器,该控制器由前馈控制器、闭环控制器及模糊神经网络补偿环节组成。前馈环节由零相差跟踪控制器及FIR滤波器构成,闭环控制器由PD控制及干扰观测器构成,补偿环节由一动态模糊神经网络实现,给出了基于Lyapunov函数的稳定性证明。该控制方法突出优点在于兼顾考虑了系统中的结构化不确定性和非结构化不确定性,能够在外部干扰与参数摄动并存的情况下,保证系统的稳定性和跟踪性能。