深部咸水层二氧化碳沿断层泄漏的运移规律研究

以深部咸水层二氧化碳地质封存为背景,基于多组分多相流运移理论,对咸水层储存二氧化碳沿断层泄漏的运移规律进行研究。建立二维多岩相结构模型,通过数值方法分析二氧化碳在断层通道和上覆岩层中的运移规律,以及运移过程中二氧化碳相态的变化特征,并对断层的渗透率进行敏感性分析。结果表明,深部咸水层二氧化碳在浓度差和压力差作用下沿断层通道向上覆岩层运移。二氧化碳的密度比水小,重力差使二氧化碳受到向上的浮力,因此在岩层中二氧化碳的分布特征整体上呈类似漏斗的形态。随着泄漏的进行,二氧化碳不断驱替断层通道中的水分,密度减小;随着两相流变成单相流,断层通道逐渐被蒸干。此外,断层渗透率是整个泄露过程中流体运移的重要影响因素。     

基于高斯受限玻尔兹曼机的非线性过程故障检测

针对非线性工业过程,提出了一种基于高斯受限玻尔兹曼机(GRBM)模型的故障检测方法.该方法从海量过程数据中提取出GRBM隐层特征信息,通过隐层特征再构建出重构数据,并依据重构误差在残差空间中构建检测统计量,形成了非线性过程故障检测算法.仿真结果表明,基于GRBM的故障检测方法不仅比传统的核主元分析(KPCA)方法具有更好的故障检出率,并且针对大数据量问题具有更强的处理能力.     

基于ICA概率密度指标的过程监控

基于独立成分分析的多变量统计过程监控一般采用PCA方法的监控指标进行过程监控,并没有充分利用ICA方法特性.根据ICA分离得到的成分相互独立这一特性,提出了一种概率密度监控指标.用核密度估计的方法估计各成分概率密度,从而得到所有成分的联合概率密度,再根据联合概率密度判断过程状态是否异常.通过TE过程仿真表明,新的概率密度指标与传统指标相比,能检测出更多的故障点,监控效果更加有效.     

豫西地区中古生代构造特征与油气前景评价

通过76条测线近2 238 km的地震解释对豫西地区构造特征进行深入研究,该地区断裂复杂,受其影响,油气运聚成藏差异较大,但构造特征对油气有明显控制作用,油气具有南北成带、东西分隔的特征。油气勘探的研究基础往往是区域范围内不同的构造单元,同一构造单元的地质构造、沉积环境特征及油气分布特征相对统一,构造单元划分有利于深化盆地地质认识指导油气勘探。综合利用地震、钻井、钻孔以及地面露头等方面的资料,在分析了豫西地区平面和剖面上断裂体系特征的基础上,主要依据各盆山关系,及各自的构造变形的差异性,将豫西地区分为10个二级构造单元,再由不同构造单元的地质环境及断裂特征,得出油气前景评价的结果,认为伊川冲断-断陷区为当前豫西地区油气勘探最有利的地区,其次是渑池-新安冲断-断块区。上述研究认识为豫西地区油气地质研究及有利勘探区的优选等提供了参考和指导。     

基于混沌人工蜂群算法优化的SVM 齿轮故障诊断

为克服支持向量机中模型参数的随意选择对分类性能造成的不利影响, 提出了基于混沌人工蜂群算法的支持向量机(CABC鄄SVM: Chaotic Artificial Bee Colony algorithm of Support Vector Machine)参数优化方法。该方法采用Logistic 混沌映射初始化种群和锦标赛选择策略, 对支持向量机的惩罚因子和核函数参数进行优化时以分类准确率作为适应度函数。通过UCI 标准数据集实验证明, CABC 具有较强的局部和全局搜索能力, 其优化的支持向量机可在很大程度上克服局部极值点, 从而获取更高的分类准确率, 并有效缩短了搜索时间。将该方法应用于实际齿轮故障诊断中, 采用小波相对能量作为特征输入支持向量机, 分类准确率达到99. 4%, 验证了该方法的可行性和有效性。     

基于滑动窗的CVA故障诊断算法

由于过程数据通常具有时变性,规范变量分析(CVA)在动态过程系统的故障诊断中不能得到较好的故障诊断准确率,因此提出一种基于滑动窗的规范变量分析(MWCVA)算法.该算法首先建立初始的CVA模型和计算监控统计量,通过滑动窗更新过程变量数据,计算更新建模所需数据,不断实时地更新出新样本的CVA模型和监控统计量.通过对Tennessee-Eastman过程的仿真,对比CVA、MWPCA和MWCVA的故障诊断效果,验证所提出算法的有效性.     

基于置信规则库的并发故障诊断方法

针对具有不确定性的并发故障诊断问题,提出基于属性权重和权衡分析的置信规则库(belief rule base, BRB)诊断方法。以属性权重大小来表示属性与特定故障模式之间的相关性,设计能够反映故障模型约束的基于差分进化的优化算法,通过相邻故障模式置信度与预设阈值的权衡分析完成对并发故障诊断。该方法仅需构造单个置信规则库来有效处理各种不确定性信息,与已有研究方法相比极大地降低了建模复杂度。诊断结果不仅能得到故障的并发情况,还可分辨故障的主次关系,并且建模和推理过程开放,可解释性强。最后以船用柴油机的并发故障诊断作为实例,验证了所提方法能够有效的诊断出并发故障并且模型具有较好的稳定性。     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明，在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

电网故障下双馈风力发电机控制改进与仿真

随着风电装机规模的不断增加,作为未来能源互联网中重要的一环,风电机组应对电网故障的能力越加显得重要。针对双馈风力发电机组在电网故障下的暂态特性,提出了一种基于电网故障类型区分、控制器设计和辅助设备穿越的综合控制策略。相比于传统的控制方法,克服了控制误差大和响应滞后的问题,真正实现了系统的精细化控制。基于MATLAB和VC++联合建模,利用MEX技术搭建了电网故障下的1.5 MW双馈风力发电系统模型,仿真结果验证了所提出的综合控制策略在电网故障下提高双馈风力发电机控制的有效性。     

基于特征生成的轴承不均衡数据故障诊断

针对实际生产中难以获得足量的故障样本数据导致训练中样本不均衡、样本不足等问题,提出了一种基于特征聚类的过采样算法,并将其与卷积神经网络相结合的滚动轴承故障诊断模型。该模型将频域信号作为模型的输入,通过卷积神经网络进行特征提取,再通过过采样技术生成新的特征数据实现数据的均衡化,将新生成的特征数据和原有特征一同输入到支持向量机(Support Vector Machine,SVM)分类器中完成样本的分类,实现滚动轴承的故障诊断。通过对比实验,结果表明该方法可以有效解决数据不均衡的问题。