注水开发后期河流相储层流动单元特征

在利用岩心资料划分流动单元的基础上,用岩心刻度测井资料建立了流动单元储层参数评价模型。利用该模型对储层空间流动单元进行划分和综合研究,结果表明,根据流动单元的渗流特征、储层质量、渗流能力及沉积微相等方面的特征,可将流动单元划分为7种类型。流动单元空间分布主要受沉积微相控制,剩余油主要分布于流动能力中等的Ⅴ—Ⅶ类流动单元中。在开发过程中,由于不同流动单元的变化程度不同,使不同流动单元之间的渗流能力相差较大。该研究结果揭示了在注水开发过程中高孔、高渗疏松砂岩储层不同流动单元的变化特征以及流动单元对微裂缝的形成、剩余油富集规律的控制作用,为高含水时期油田的控水稳油方案的制定提供了依据。     

分布式多点控制单元的模型与实现

针对集中式多点控制单元(MCU)存在的负载集中、扩展性差、规模受限和故障容错能力差等问题,提出了一种基于软件的分布式MCU模型,它采用组播和单播相结合的数据传输策略,支持跨网段的数据传输。同时,还分析了分布式MCU的群组交互能力和故障恢复机制。测试及实际应用表明：与集中式MCU相比,分布式MCU不仅可以有效地扩大群组交互的规模,而且在故障容忍及恢复方面也有明显改进。目前该模型已在多媒体同步实时授课系统Smart-RealClass中得到应用。     

电控单体泵电磁阀内阻尼油膜的挤压流动分析

电磁阀是决定所有电控燃油喷射系统性能的关键部件,其阻尼系统参数影响电磁阀的动态响应特性。为此运用平行平板间缝隙流动基本理论对存在于电磁阀衔铁和电磁铁之间的阻尼油膜进行了简化分析。计算结果与有限元方法对比,两者的相对误差只有2%。在此基础上进行了仿真分析,研究了各结构参数对衔铁阻尼特性的影响,为衔铁的设计和参数的匹配提供了依据。     

共轨蓄压式电控泵喷嘴系统的实验研究

研究共轨蓄压式电控泵喷吡系统的喷射特性,取代传统的泵－油管－喷嘴系统,利用研制的实验装置对共轨蓄压式电控泵喷嘴的流量特性、喷油压力特性及喷油定时进行实验,由此分析影响喷射特性的各种因素,实验结果表明,共轨蓄压式电控泵喷嘴的特性不仅受共轨压力、增压时间的影响,转速对其也有一定的影响,而在喷射特性调节的灵活性方面,共轨蓄压式电控泵喷嘴较传统的泵－油管－喷嘴系统有明显改善。     

下地址域微程序的探讨

给出如何利用下地址域的微指令编写微程序的方法,该方法是把各种操作控制信号编成微程序,存放到只读存储器里.当机器运行时,逐条地读出这些微指令进行译码,产生机器所需要的各种微操作控制信号.利用软件来简化硬件的设计,提高了计算机的运行速度和效率.     

基于DEA方法的额外资源分配算法

研究基于DEA(数据包络分析)方法的资源分配问题.求解该类问题的难点在于:对于参与分配的决策单元来说,其分得的额外资源数不仅依赖于该决策单元的相对效率值,还依赖于它的规模大小,因此分配权重难以确定.根据输入、输出指标数的分布情况,建立了3种基本模型,分别是单输入单输出、多输入单输出、单输入多输出模型,给出了这3种模型的资源分配权重的确定算法.最后给出实例,并对给出的分配原则的合理性进行了分析讨论.     

作战单元战场空间感知建模研究

依托仿真进行军事作战过程研究所要解决的建模问题之一就是对作战单元战场空间感知过程进行合理建模,而其有效性需求决定了模型必须要能够正确地表达实际作战过程中作战单元战场空间感知所具有的、面向区域的特性。根据作战单元战场空间感知的区域特性,阐述了基于空间划分的作战单元空间感知建模实现思想,并就基于空间划分的战场空间感知模型实现进行了详细的形式化描述。就基于空间划分的作战单元空间感知模型的运行效率,进行了实例对比分析。     

防卫行动指挥训练模拟系统研究

反恐斗争是一种特殊的军事斗争形式,是当前军事训练领域的一个重要内容。为满足国内城市“反恐、防恐”的需要,满足驻城部队军官指挥行动训练的需求,我们研制了防卫行动指挥训练模拟系统。首先介绍了该训练模拟系统要达到的总体战技指标、实现的主要功能,然后给出具体实现的硬件构成和各相应的模块子系统、各个分系统的相互关系,以及电台模拟与实时语音通信技术,最后介绍了系统研制过程当中所采用的关键技术。该系统在某装甲步兵分队应用后,反映效果较好、收效明显,对驻城区部队的“反恐”训练具有很强的推动作用。     

带有偏好锥的样本数据包络分析方法研究

针对传统数据包络分析方法无法依据确定参考面提供评价信息的弱点,给出了带有偏好锥的样本数据包络分析模型(PSam-C2WH)和相应的SCDEA有效性及弱有效性概念。分析了(PSam-C2WH)模型的性质以及它与传统DEA模型之间的关系,探讨了(PSam-C2WH)模型刻画的SCDEA有效性及弱有效性与相应的多目标规划非支配解之间的关系。进而,分析了决策单元在样本可能集中的分布特征、投影性质和模型含义等问题。     

The self-organizing worm algorithm

A new multi-modal optimization algorithm called the self-organizing worm algorithm (SOWA) is presented for optimization of multi-modal functions.The main idea of this algorithm can be described as followsdisperse some worms equably in the domain;the worms exchange the information each other and creep toward the nearest high point;at last they will stop on the nearest high point.All peaks of multi-modal function can be found rapidly through studying and chasing among the worms.In contrast with the classical multi-modal optimization algorithms,SOWA is provided with a simple calculation,strong convergence,high precision,and does not need any prior knowledge.Several simulation experiments for SOWA are performed,and the complexity of SOWA is analyzed amply.The results show that SOWA is very effective in optimization of multi-modal functions.