一种基于稀疏描述的X射线焊缝检测方法

为了避免分割缺陷图像造成的误差,提出基于稀疏描述的焊缝缺陷识别方法。将从现场提取的缺陷和噪声图像作为样本,分析圆形、线形和噪声的相关性数据,根据各类X射线焊缝图像的特点,确定稀疏描述中字典矩阵样本图像的数量,然后根据贪心算法求出字典矩阵的局部最优解,用局部解构造全局解组成字典矩阵,将待检测的图像表示为字典矩阵的线性组合,通过求解系数向量可以直接判断缺陷和噪声。实验表明:基于稀疏描述的焊缝缺陷识别方法具有较高的识别度,能够实现对缺陷和噪声的准确识别。     

SVMs在油气管道焊缝缺陷检测中的应用

提出了基于支持向量机的焊管焊缝缺陷识别方法和步骤.对焊缝图像采用了图像增强、形态学处理、边缘检测等操作,解决焊缝图像在输入时受到外界干扰带来的图片噪声过多、缺陷边缘模糊和对比度低等问题,便于对焊缝图像进行特征提取.结合焊缝缺陷样本多分类的特点,对焊缝图像进行分类时使用SVM"一对一"聚类结构并对样本进行识别.实验结果表明,该模型具有识别精度高、速度快、容易实现等优点,适合对焊管焊缝缺陷的识别.     

配电网重构方案Hopfield神经网络算法研究

针对配电网辐射状运行的特点,提出了以Hopfield神经网络为基础,以降低网损为目标函数的配电网重构方案算法:首先利用Hopfield神经网络来确定各个节点的入度,然后根据节点入度确定线路是否投入运行,并由此确定各联络开关的状态,最终确定配电网重构方案.给出了神经网络能量函数和求解方法,能量函数同时考虑到了辐射状运行、网损最低和某些线路可能无联络开关的问题.通过对IEEE一三电源电网进行计算,所得结果和遗传算法基本一致,而Hopfield神经网络通过解微分方程组确定最优解的计算时间相对较少.     

基于深度学习的X射线焊缝缺陷识别

为了提高缺陷识别效率,提出利用基于深度学习网络进行焊缝缺陷识别。在分析X射线焊缝缺陷图像特征的基础上,构建一种基于模拟视觉感知原理的深度学习网络结构,并对卷积神经网络的卷积模板大小及层数进行了分析,对卷积神经网络隐藏层中2种不同的激活函数进行了实验验证,针对性地提出优化方法。该深度学习神经网络可以避免对焊缝缺陷图像特征的提取,直接判断疑似缺陷图像是否为缺陷。对580张图像进行了实验,结果表明,本文所提方法对SDR图像的识别准确率超过98%,优于传统方法。且所设计系统具有自动学习X射线焊缝缺陷图像中复杂的深度特征的特点,实用性较强。     

一种非接触式的凝胶物理特性分析方法

凝胶是一种常见的化学堵水物质,其化学性质稳定,价格便宜.针对凝胶力学特性分析的仪器大多为接触式仪器,或过于笨拙,或操作过于繁琐,为此提出一种非接触式的凝胶物理特性分析方法.该方法根据凝胶在毛细管中移动的基本特征,首先对凝胶图像进行针对性预处理,然后采用一种广度搜索的自适应阈值分割方法,得到精准的凝胶凹液面,进而对凝胶的...     

基于多层Hopfield神经网络的配电网网络规划

分析了配电网网络结构规划模型,在此基础上提出用Hopfield神经网络进行网络结构规划.针对城市电网辐射状运行的特点,提出多层Hopfield神经网络模型、对应的能量函数以及参数选择规律.多层Hopfield神经网络的每一层对应于一个负荷点的供电线路,能量函数的建立同时考虑到各层的状态.提出一种新的基于多层Hopfield神经网络的配电网网络结构的规划算法,该算法通过使能量函数降到最低值,可以求得配电网网络规划问题的最优或近似最优解.新算法无需对线路编码、无需对数据进行归一化处理,更加易于编程实现.实例计算表明该方法可行、有效.     

用具有补给的物质平衡模型确定单井稳产水平

目的 为了解决生产实际中单井稳产水平评价的问题。方法 采用具有补给的物质平衡模型确定气井单井稳产水平，探讨影响单井稳产水平的因素及其在模型中的反映。结果 运用该方法根据给定的生产规模及稳产要求，可快速计算出气井单井的稳产水平。结论 运用具有补给的物质平衡模型，可为现场提供一种简单易行，可以将单井和全区生产结合起来进行单井稳产水平评价的方法。     

非均衡开采在陕甘宁盆地中部气田中的应用

给出了定容气藏动态预测新的数学模型：气水同产两区物质平衡模型,它考虑了气藏开采中高产区与低产区之间区域性压力差异和区域间的气量补给,是对传统物质平衡的一种修正．在很大程度上克服了传统物质平衡法动态预测时忽略地层的非均质性以及由此造成的储层各处地层压力以及流动阻力的不同．利用新的数学模型研究陕甘宁盆地中部气田南、北区在不同井网和开发指标下的生产动态,说明对于低渗透气田,在满足一定稳产年限和总产量水平的条件下,利用非均衡开采方式,充分发挥高产区的井采低产区的气的作用,可减少打井井数,节约钻井费用,提高经济效益．