Aiming at evaluating the stability of a rock mass near a fault,a microseismic(MS) monitoring system was established in Hongtoushan copper mine.The distribution of displacement and log(/),the relationship between MS ac...Aiming at evaluating the stability of a rock mass near a fault,a microseismic(MS) monitoring system was established in Hongtoushan copper mine.The distribution of displacement and log(/),the relationship between MS activity and the exploitation process,and the stability of the rock mass controlled by a fault were studied.The results obtained from microseismic data showed that MS events were mainly concentrated al the footwall of the fault.When the distance to the fault exceeded 20 m,the rock mass reached a relatively stable state.MS activity is closely related to the mining process.Under the strong disturbance from blasting,the initiation and propagation of cracks is much faster.MS activity belongs in the category of aftershocks after large scale excavation.The displacement and log(C/) obtained from MS events can reflect the difference in physical and mechanical behavior of different areas within the rock mass,which is useful in judging the integrity and degradation of the rock mass.展开更多
钻井顶部驱动装置结构复杂、故障类型多样,现有的故障树分析法和专家系统难以有效应对复杂多变的现场情况。为此,利用知识图谱在结构化与非结构化信息融合、故障模式关联分析以及先验知识传递方面的优势,提出了一种基于知识图谱的钻井...钻井顶部驱动装置结构复杂、故障类型多样,现有的故障树分析法和专家系统难以有效应对复杂多变的现场情况。为此,利用知识图谱在结构化与非结构化信息融合、故障模式关联分析以及先验知识传递方面的优势,提出了一种基于知识图谱的钻井顶部驱动装置故障诊断方法,利用以Transformer为基础的双向编码器模型(Bidirectional Encoder Representations from Transformers,BERT)构建了混合神经网络模型BERT-BiLSTM-CRF与BERT-BiLSTM-Attention,分别实现了顶驱故障文本数据的命名实体识别和关系抽取,并通过相似度计算,实现了故障知识的有效融合和智能问答,最终构建了顶部驱动装置故障诊断方法。研究结果表明:①在故障实体识别任务上,BERT-BiLSTM-CRF模型的精确度达到95.49%,能够有效识别故障文本中的信息实体;②在故障关系抽取上,BERT-BiLSTM-Attention模型的精确度达到93.61%,实现了知识图谱关系边的正确建立;③开发的问答系统实现了知识图谱的智能应用,其在多个不同类型问题上的回答准确率超过了90%,能够满足现场使用需求。结论认为,基于知识图谱的故障诊断方法能够有效利用顶部驱动装置的先验知识,实现故障的快速定位与智能诊断,具备良好的应用前景。展开更多
研究基于DCS(Distributed Control System)的燃气-蒸汽联合循环机组运行智能控制系统,确保机组安全运行的同时,提高机组整体运行效率。构建基于DCS的燃气-蒸汽联合循环机组运行智能控制框架,过程控制层的Mark VI系统、DCS系统根据监测...研究基于DCS(Distributed Control System)的燃气-蒸汽联合循环机组运行智能控制系统,确保机组安全运行的同时,提高机组整体运行效率。构建基于DCS的燃气-蒸汽联合循环机组运行智能控制框架,过程控制层的Mark VI系统、DCS系统根据监测数据变化实现机组设备、旁路等自动控制。SIS层接收联合循环机组监测数据后,将其作为基于深度神经网络故障诊断模型的输入,实现机组设备故障的识别。在检测到故障时触发联锁保护子系统动作,将停机指令下达给自动启停控制子系统,使机组停止运行。实验结果表明,该系统可实现燃气-蒸汽联合循环机组设备故障识别,在100次训练后,训练损失为0.1左右,F-Score指标最大值为0.93;故障工况下,该系统可根据预定逻辑实现燃气-蒸汽联合循环机组自动停机。展开更多
地质断层作为储层油气聚集和运移的重要通道,是评价储层特征和圈闭性的重要指标,也是储气库构造样式选择的先决条件。然而,从地震图像资料中识别断层存在依赖专家知识、时效性差和多解性强等问题。近年来,以深度学习和大模型技术为代表...地质断层作为储层油气聚集和运移的重要通道,是评价储层特征和圈闭性的重要指标,也是储气库构造样式选择的先决条件。然而,从地震图像资料中识别断层存在依赖专家知识、时效性差和多解性强等问题。近年来,以深度学习和大模型技术为代表的人工智能方法,凭借其高效的非线性数据分析能力极大地改变了传统工业任务范式。鉴于此,提出一种基于增强域数据微调Yolo(You Only Look Once)模型的断层智能识别方法。首先,针对现场数据稀疏问题,使用基于强化学习的图像自增强算法,通过下游任务需求定向训练优化算法,实现地震体图像最优增强组合方案;然后,根据地质领域专家知识,在三维地震图像中确定能有效表征断块的高阶特征;通过进一步搭建基于预训练Yolo模型的断层识别模型,输入实测-增强图像数据进行领域数据微调训练,从而建立断层智能识别模型;最后,将现场三维地震数据输入到训练好的断层智能识别模型中,提取被分割、识别、标注和计算的断层特征。以中国中部地区某储气库建设运营地块为例,该方法能在不过多依赖人工介入的情况下高效识别储层断层。本研究适用于地震勘探断层识别任务,能为储气库合理选址提供智能化解决方案。展开更多
基金financially supported by Projects of the National Key Technology R&D Program of China(Nos.2013BAB02B01 and2013BAB02B03)the National Natural Science Foundation of China(Nos.51274055 and 51204030)+1 种基金the Fundamental Research Funds for the Central University of China(Nos.N130401006,N120801002 and N120701001)the Key Science&Technology Special Project of Third Five-Year Plan of MCC(No.0012012009)
文摘Aiming at evaluating the stability of a rock mass near a fault,a microseismic(MS) monitoring system was established in Hongtoushan copper mine.The distribution of displacement and log(/),the relationship between MS activity and the exploitation process,and the stability of the rock mass controlled by a fault were studied.The results obtained from microseismic data showed that MS events were mainly concentrated al the footwall of the fault.When the distance to the fault exceeded 20 m,the rock mass reached a relatively stable state.MS activity is closely related to the mining process.Under the strong disturbance from blasting,the initiation and propagation of cracks is much faster.MS activity belongs in the category of aftershocks after large scale excavation.The displacement and log(C/) obtained from MS events can reflect the difference in physical and mechanical behavior of different areas within the rock mass,which is useful in judging the integrity and degradation of the rock mass.
文摘钻井顶部驱动装置结构复杂、故障类型多样,现有的故障树分析法和专家系统难以有效应对复杂多变的现场情况。为此,利用知识图谱在结构化与非结构化信息融合、故障模式关联分析以及先验知识传递方面的优势,提出了一种基于知识图谱的钻井顶部驱动装置故障诊断方法,利用以Transformer为基础的双向编码器模型(Bidirectional Encoder Representations from Transformers,BERT)构建了混合神经网络模型BERT-BiLSTM-CRF与BERT-BiLSTM-Attention,分别实现了顶驱故障文本数据的命名实体识别和关系抽取,并通过相似度计算,实现了故障知识的有效融合和智能问答,最终构建了顶部驱动装置故障诊断方法。研究结果表明:①在故障实体识别任务上,BERT-BiLSTM-CRF模型的精确度达到95.49%,能够有效识别故障文本中的信息实体;②在故障关系抽取上,BERT-BiLSTM-Attention模型的精确度达到93.61%,实现了知识图谱关系边的正确建立;③开发的问答系统实现了知识图谱的智能应用,其在多个不同类型问题上的回答准确率超过了90%,能够满足现场使用需求。结论认为,基于知识图谱的故障诊断方法能够有效利用顶部驱动装置的先验知识,实现故障的快速定位与智能诊断,具备良好的应用前景。
文摘研究基于DCS(Distributed Control System)的燃气-蒸汽联合循环机组运行智能控制系统,确保机组安全运行的同时,提高机组整体运行效率。构建基于DCS的燃气-蒸汽联合循环机组运行智能控制框架,过程控制层的Mark VI系统、DCS系统根据监测数据变化实现机组设备、旁路等自动控制。SIS层接收联合循环机组监测数据后,将其作为基于深度神经网络故障诊断模型的输入,实现机组设备故障的识别。在检测到故障时触发联锁保护子系统动作,将停机指令下达给自动启停控制子系统,使机组停止运行。实验结果表明,该系统可实现燃气-蒸汽联合循环机组设备故障识别,在100次训练后,训练损失为0.1左右,F-Score指标最大值为0.93;故障工况下,该系统可根据预定逻辑实现燃气-蒸汽联合循环机组自动停机。
文摘针对在多传感器下变转速且带有不同程度噪声的工况下故障特征被淹没的问题,提出一种基于改进卷积长短时记忆网络(Convolutional LSTM, ConvLSTM)的故障诊断方法:首先将多个传感器采集的一维振动信号切分为二维矩阵序列;再利用由改进ConvLSTM单元构成的特征提取层提取信号内的时间特征和空间特征,改进ConvLSTM单元是将传统ConvLSTM单元输入门中的普通卷积换成膨胀卷积,在相同的卷积核其有更大的感受野读取输入信息;最后通过由卷积层和全局平均池化(Global Average Pooling,GAP)构造的分类输出层得到诊断结果。试验使用CWRU滚动轴承数据集和XJTU-SY滚动轴承数据集进行验证。试验结果表明,与其他对比模型相比,改进ConvLSTM模型在变转速且带有不同程度噪声下达到较高的精确率并且受样本量的影响更小。
文摘地质断层作为储层油气聚集和运移的重要通道,是评价储层特征和圈闭性的重要指标,也是储气库构造样式选择的先决条件。然而,从地震图像资料中识别断层存在依赖专家知识、时效性差和多解性强等问题。近年来,以深度学习和大模型技术为代表的人工智能方法,凭借其高效的非线性数据分析能力极大地改变了传统工业任务范式。鉴于此,提出一种基于增强域数据微调Yolo(You Only Look Once)模型的断层智能识别方法。首先,针对现场数据稀疏问题,使用基于强化学习的图像自增强算法,通过下游任务需求定向训练优化算法,实现地震体图像最优增强组合方案;然后,根据地质领域专家知识,在三维地震图像中确定能有效表征断块的高阶特征;通过进一步搭建基于预训练Yolo模型的断层识别模型,输入实测-增强图像数据进行领域数据微调训练,从而建立断层智能识别模型;最后,将现场三维地震数据输入到训练好的断层智能识别模型中,提取被分割、识别、标注和计算的断层特征。以中国中部地区某储气库建设运营地块为例,该方法能在不过多依赖人工介入的情况下高效识别储层断层。本研究适用于地震勘探断层识别任务,能为储气库合理选址提供智能化解决方案。
