检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

松南长岭坳陷页岩油形成条件分析

地质论评 2024年第S1期70卷 281-282页

作者：张玺中国石油化工股份有限公司东北油气分公司勘探开发研究院长春130062

经过几十年勘探开发,长岭坳陷常规油气资源逐渐减少,储量严重不足,制约了油田长远发展。近年在常规油气勘探过程中,发现该坳陷嫩江组和青山口组泥岩中有许多油气显示,进一步研究证实嫩江组页岩油形成条件较好,勘探前景良好。1区域地质... 详细信息

经过几十年勘探开发,长岭坳陷常规油气资源逐渐减少,储量严重不足,制约了油田长远发展。近年在常规油气勘探过程中,发现该坳陷嫩江组和青山口组泥岩中有许多油气显示,进一步研究证实嫩江组页岩油形成条件较好,勘探前景良好。1区域地质背景长岭坳陷位于松辽盆地中央坳陷区南部,面积超过20000 km^(2),基底最大埋深超过9000 m。

关键词：长岭坳陷页岩油含油泥岩形成条件

采用多尺度自适应选择卷积神经网络的轴承故障诊断研究

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2024年第2期58卷 127-135页

作者：张玺君尚继洋兰州理工大学计算机与通信学院兰州730050

针对轴承故障诊断方法中传统多尺度卷积神经网络对不同尺度的特征只是简单拼接,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征... 详细信息

针对轴承故障诊断方法中传统多尺度卷积神经网络对不同尺度的特征只是简单拼接,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征,合并为初始特征;构建多尺度自适应选择卷积块,提取不同尺度的特征,利用改进的注意力机制自适应调整不同尺度的特征权重,加入残差连接,防止模型退化;通过分类器完成轴承故障诊断。在凯斯西储大学轴承数据集和XJTU-SY轴承数据集上的实验结果表明:在模型改进实验中,与没有改进注意力机制的模型相比,所提模型的轴承故障诊断准确率提升了1.98%;在不同信噪比的噪声干扰环境中,所提模型的轴承故障诊断准确率均高于93%。

关键词：轴承故障诊断卷积神经网络自适应融合注意力机制多尺度特征

在线全文

学校读者我要写书评

暂无评论

梁有譽《蘭汀存稿》研究與校注

梁有譽《蘭汀存稿》研究與校注

作者：張璽上海师范大学

学位级别：硕士

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

环境风下高铁双弓-网系统动态受流特性研究

振动．测试与诊断 2024年第2期44卷 320-329,411,412页

作者：陈小强张玺王英王心仪兰州交通大学自动化与电气工程学院兰州730070 中国中车株洲电力机车研究所有限公司株洲412000 西南交通大学电气工程学院成都610031

为了研究环境风对高速铁路双弓-网系统动态受流性能的影响,首先,以位于我国西部大风区的兰新高铁为研究对象,基于模态分析法建立双弓-网耦合系统模型;其次,运用空气动力学理论推导作用于接触网线索上的环境风载荷;然后,考虑横风向空气... 详细信息

为了研究环境风对高速铁路双弓-网系统动态受流性能的影响,首先,以位于我国西部大风区的兰新高铁为研究对象,基于模态分析法建立双弓-网耦合系统模型;其次,运用空气动力学理论推导作用于接触网线索上的环境风载荷;然后,考虑横风向空气阻尼的影响,探究空气阻尼作用下双弓受流特性;最后,采用4阶自回归(autoregression,简称AR)模型建立接触网沿线脉动风场,着重分析风速和风攻角对双弓受流的影响。结果表明:横风向空气阻尼对双弓受流产生的影响较小;脉动风下风速越大则风向越趋于垂向,双弓受流性能更易恶化;后弓受流性能相较前弓对风速和风攻角的变化更加敏感。双弓-网系统风振响应分析可为优化风环境下弓网受流质量和接触网防风参数设计提供参考。

关键词：高速铁路双弓-网系统空气阻尼脉动风弓网受流

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

气垫压带式输送机在垂直提升中的应用与研究

气垫压带式输送机在垂直提升中的应用与研究

作者：张玺太原科技大学

学位级别：硕士

气垫压带式输送机是将压带式输送机的支撑托辊与压紧托辊用特殊形式的气室代替,空气从鼓风机进入气室,通过气孔在盘槽表面形成气膜,将承载带与覆盖带侧边压紧,从而实现物料的垂直输送。承载带在水平段承载物料,在凹凸弧段及垂直段承载... 详细信息

气垫压带式输送机是将压带式输送机的支撑托辊与压紧托辊用特殊形式的气室代替,空气从鼓风机进入气室,通过气孔在盘槽表面形成气膜,将承载带与覆盖带侧边压紧,从而实现物料的垂直输送。承载带在水平段承载物料,在凹凸弧段及垂直段承载物料的同时,还与覆盖带共同压紧物料,将输送带与托辊的机械摩擦转变为输送带与气膜的流体滑动摩擦,从而减小了运行阻力,达到了节能降耗的目的。目前,气垫压带式输送机仅应用在垂直提升段,本文对气垫压带式输送机的结构进行改进:在水平及凹凸弧段也采用气膜支撑输送,这一改进可以消除托辊支撑引起的物料振动,同时将托辊的局部压紧变成气膜的全程压紧,使压紧力更均匀。本文做了以下研究:(1)理论分析:运用散体力学中筒仓侧压应力理论,得到垂直段物料对承载带和覆盖带的作用力;通过逐点张力法对承载部分进行区域划分,推导出每段阻力、气膜承载力以及各特征点张力的计算公式并结合实际案例进行计算;基于流体力学理论对气膜载荷和气膜厚度进行分析。(2)Fluent仿真:影响输送机稳定运行的主要因素除了气膜性能还有气室盘槽的结构。本文建立垂直气室及气膜的三维模型;通过Fluent软件对不同孔径、不同气孔排数以及不同气孔分布方式的双圆弧气室进行仿真分析;对比分析了气膜静压、气膜稳定性和气膜承载力,得到以下结论:随着气孔排数的增加,正压区域气膜承载力越大;气孔孔径的减小使得气膜静压增大;气孔呈五点分布的气室可以显著提升气膜的稳定性和承载力。(3)案例计算:通过实际案例计算出输送带的承载力,与仿真得到的结果进行对比,两者基本一致,从而验证了理论分析的正确性和计算机仿真的可行性。本文的研究对气垫压带式输送机的结构优化提供了一定的参考。

关键词：气垫压带式输送机双圆弧气室气孔排布气膜承载力 Fluent仿真

基于自注意力机制的深度强化学习交通信号控制

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

交通运输系统工程与信息 2024年第2期24卷 96-104页

作者：张玺君聂生元李喆张红兰州理工大学计算机与通信学院兰州730050

交通信号控制(Traffic Signal Control, TSC)仍然是交通领域中最重要的研究课题之一。针对现有基于深度强化学习(Deep Reinforcement Learning, DRL)的交通信号控制方法的状态需要人为设计,导致提取交通状态信息难度大以及交通状态信息... 详细信息

交通信号控制(Traffic Signal Control, TSC)仍然是交通领域中最重要的研究课题之一。针对现有基于深度强化学习(Deep Reinforcement Learning, DRL)的交通信号控制方法的状态需要人为设计,导致提取交通状态信息难度大以及交通状态信息无法全面表达的问题,为了从有限特征中挖掘潜在交通状态信息,从而降低交通状态设计难度,提出一种引入自注意力网络的DRL算法。首先,仅获取交叉口各进入口车道车辆位置,使用非均匀量化和独热编码方法预处理得到车辆位置分布矩阵;其次,使用自注意力网络挖掘车辆位置分布矩阵的空间相关性和潜在信息,作为DRL算法的输入;最后,在单交叉口学习交通信号自适应控制策略,在多交叉口路网中验证所提算法的适应性和鲁棒性。仿真结果表明,在单交叉口环境下,与3种基准算法相比,所提算法在车辆平均等待时间等指标上具有更好的性能;在多交叉口路网中,所提算法仍然具有良好的适应性。

关键词：智能交通自适应控制深度强化学习自注意力网络近端策略优化

基于Lissajous轨迹的电能质量扰动边-云协同高效辨识框架

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2024年

作者：张玺郑建勇梅飞缪惠宇东南大学网络空间安全学院东南大学电气工程学院河海大学能源与电气学院国网江苏省电力有限公司电力科学研究院

边缘计算的就地实时诊断模式能够有效解决传统电能质量扰动云集中识别模式存在的强信息时延问题。针对当前电能质量扰动边-云协同辨识方法中识别算法普适性差、训练模型规模庞大且下发边缘端会造成精度缺陷的难题，提出了一种基于Lissaj... 详细信息

边缘计算的就地实时诊断模式能够有效解决传统电能质量扰动云集中识别模式存在的强信息时延问题。针对当前电能质量扰动边-云协同辨识方法中识别算法普适性差、训练模型规模庞大且下发边缘端会造成精度缺陷的难题，提出了一种基于Lissajous轨迹的电能质量扰动边-云协同辨识框架。首先，根据图像处理领域最新进展，提出了基于双相Lissajous轨迹的视觉转换方法，将扰动信号转换成具有特殊形状的轨迹图像。然后，为了在增强特征捕捉能力的同时降低计算复杂度，开发了一种轻量级循环挤压卷积神经网络以执行主辨识任务。通过边-云共享权重参数，该框架能够实现扰动的实时辨识。为持续优化模型性能，设计了一个更深层的云端网络以辅助模型更新。最后，基于IEEE标准仿真数据集和变电站实测扰动数据集验证了所提框架的有效性。结果表明，该框架在取得优异扰动辨识泛化性能的同时，实现了云端与边缘端识别模型的同步轻量化，并通过边-云权重交互避免了训练模型下发所造成的性能损失。

关键词：电能质量扰动边-云协同 Lissajous轨迹循环挤压卷积神经网络图像分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于聚类算法和图神经网络的短时交通流预测

吉林大学学报（工学版） 2024年第6期54卷 1593-1600页

作者：张玺君余光杰崔勇尚继洋兰州理工大学计算机与通信学院兰州730050

针对现有预测模型未充分利用交通流数据时空相关性的问题,本文提出了一种深度学习模型,将聚类算法、图神经网络(GNN)和门控循环单元(GRU)相结合。首先,利用聚类算法将预处理后的数据划分为不同类型的流量模式;其次,采用GNN提取复杂路网... 详细信息

针对现有预测模型未充分利用交通流数据时空相关性的问题,本文提出了一种深度学习模型,将聚类算法、图神经网络(GNN)和门控循环单元(GRU)相结合。首先,利用聚类算法将预处理后的数据划分为不同类型的流量模式;其次,采用GNN提取复杂路网交通流的空间相关性,结合道路的皮尔逊相关性分析和节点的局部聚类系数,挖掘潜在的节点连接关系;再次,使用GRU提取交通流数据之间的时间相关性,通过自注意力机制捕获数据之间的相互依赖关系;最后,通过残差连接将GRU和GNN的输出与原始输入结合,经过全连接层得出最终的预测结果。多组实验结果证明,本文提出的模型预测精度优于其他基线模型及对比的模型。

关键词：交通流预测图神经网络聚类算法门控循环单元皮尔逊相关系数局部聚类系数

基于图像分析的电能质量扰动边-云协同辨识框架

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2024年

作者：张玺郑建勇梅飞高昂缪惠宇东南大学网络空间安全学院东南大学电气工程学院河海大学能源与电气学院国网江苏省电力有限公司电力科学研究院

随着分布式源荷渗透率的提高，传感器监测数据呈海量增长，电网运维服务对于电能质量数据分析提出了快速响应需求。为实现快速响应和高精度电能质量扰动(power quality disturbances， PQDs)辨识服务，本文提出了一种基于图像分析的PQDs... 详细信息

随着分布式源荷渗透率的提高，传感器监测数据呈海量增长，电网运维服务对于电能质量数据分析提出了快速响应需求。为实现快速响应和高精度电能质量扰动(power quality disturbances， PQDs)辨识服务，本文提出了一种基于图像分析的PQDs边-云协同辨识框架。借助图像分析领域最新进展，提出了双相Lissajous轨迹(double-phase Lissajous locus， DPLL)概念，将PQDs信号转换成具有特殊形状的轨迹图像。在边缘和云部署相同结构的轻量级卷积神经网络(convolutional neural network， CNN)，分别执行快速响应和训练任务。通过边-云共享模型权重，该框架能够实现快速、高精度PQDs辨识。为持续提升模型性能，设计了一个深层CNN部署至云端进行数据标记以辅助模型更新。实验结果表明，该框架能够提供精度更高的PQDs辨识，同时满足工程实际中的实时响应需求。

关键词：边-云协同电能质量扰动双相Lissajous轨迹轻量级卷积神经网络图像识别