摘要：利用人造岩心模拟已知物性参数的地层条件来替代天然岩心,已成为天然岩心存量较少条件下石油开发室内研究的一种趋势。通过综合全面地考虑人造岩心物性参数的影响因素,制定人造岩心配比设计正交方案,制备人造岩心,测试物性参数,分析预考虑影响因素与物性参数的关系;采用灰色关联法,明确岩心孔隙度、渗透率、粒度中值的主要控制参数,进一步分析和判断预考虑影响因素的合理性;基于影响因素分析结果、实验数据、BP神经网络原理,建立人造岩心配比设计数学模型。结果表明,预考虑影响因素的全面性和影响因素数据化、定量化是建立模型的基础。影响人造岩心物性参数的影响因素主要有砂型配比、胶结物加量、压制压力和加压时间等。其中,胶结剂加量和压制压力对孔隙度影响程度大;粒径为0.224数0.45 mm石英砂加量对渗透率影响最大;0.154数0.28 mm石英砂加量对粒度中值影响最大;0.074数0.18 mm石英砂加量对孔隙度、渗透率和粒度中值的影响最弱。由配比设计模型计算岩心制备加量,根据计算结果制备的人造岩心物性参数测试值与期望值的总体相对误差小于10%。该方法可用于指导定制物性参数模拟误差小的人造岩心。

摘要：气藏型储气库交替注采工况下的储层温度变化是影响渗透率乃至储气库注采能力的关键因素。为探究砂岩储层渗透率的温度敏感性规律及其对气井注采能力的影响,在储气库运行的温度范围内设计了多轮次交变温度下渗透率温度敏感性实验,模拟气藏型储气库储层温度的周期性变化。实验结果表明:(1)储层渗透率随温度升高而减小,随温度降低而增大,且多轮次交变温度下渗透率表现出滞后效应,随升降温轮次增加滞后效应逐渐减弱;(2)储层渗透率温度敏感性规律不同于应力敏感,渗透率与温度呈线性相关,且单轮升降温过程中滞后效应强弱不随温度改变;(3)基于实验结果建立了考虑渗透率温度敏感性的气井产能方程,研究发现忽略储层渗透率温度敏感性将低估气井注采能力,且储层埋藏越深、气井注采气量越大时,温度敏感性对注采能力的影响越大。

摘要：页岩气等温吸附数学模型的建立对于计算页岩气吸附量具有重要意义,常用的理论吸附模型有分子层吸附模型、微孔充填模型、SLD吸附模型及Ono-Kondo吸附模型。各理论模型都具有一定的应用条件,能否直接用于描述致密页岩储层下超临界吸附过程还有待深入探讨。通过归纳总结目前已有的页岩气吸附模型,结合模型适用条件与页岩气吸附特征,先后对比分析了19种单组分页岩气等温吸附数学模型,讨论了各模型的优势与不足。认为分子层模型多无法描述页岩气超临界吸附特征,而基于分子势能所建立的吸附模型恰能弥补这一不足,但需完善模型在高温高压下的适用性论证。同时,为确保页岩气等温吸附模型的可靠性,应依据页岩储层实际情况进一步完善等温吸附实验条件及吸附模型。

摘要：通常超临界页岩气密度具有一定特殊性,对研究页岩气分子数量与吸附量间的关系具有重要意义,但目前针对超临界页岩气密度特征鲜有研究。因此,通过建立吸附量与密度间的数学关系,设计超临界页岩气密度测试实验与等温吸附实验,来研究超临界页岩气在自由态和吸附态时的密度特征。结果表明:等温时超临界页岩气自由态密度曲线呈"先凹后凸"形态,增幅先快(10 MPa),增幅拐点压力随温度的增加而增大;等压时密度随温度的升高而减小,高压下(>20 MPa)密度受温度影响较大。超临界页岩气吸附态密度随温度的增大而增大,利用数学方法获取整个测试压力范围内吸附态密度变化特征可知,其密度在低压下较小,高压下远大于同条件时自由态密度。

摘要：为了研究高温、高压条件下的页岩气吸附规律,设计了页岩气吸附装置。取四川某油田的岩样与甲烷气体进行吸附实验研究。实验结果表明,在相同压力条件下,温度越高,页岩对甲烷气体的吸附量越小。当温度较高时,页岩对甲烷的吸附量随着温度的升高而缓慢减小;当温度恒定且压力小于5 MPa时,页岩对甲烷气体的吸附量随着压力增加而逐渐增大。当压力较大时,页岩对甲烷气体的吸附量增幅变缓;页岩颗粒的目数对页岩吸附的影响不显著。利用Langmuir方程对此吸附规律进行拟合,拟合结果较好。

摘要：迄今为止,大跨度屋盖结构的风振系数均为上吸风引起的风振效应,对于某些情况是不安全的。针对国家体育场大跨度屋盖结构自重效应较大的特点,本文提出了大跨度屋盖下压风振系数的定义与合理的取值范围,提出了背景响应和共振响应的振型能量参与系数的计算方法和振型选取方法,利用振型叠加法分析了国家体育场屋盖结构的随机风振响应及风振系数,为国家体育场屋盖结构风振系数的确定提供了科学依据。

摘要：为了解决移动机器人在机器人操作系统(robot operating system,ROS)中的人脸追踪问题,提出一种基于Siamese目标跟踪算法开发的追踪系统。首先,开发了追踪系统的硬件平台;其次,开发了Siamese跟踪算法,实现了对人脸目标的实时跟踪;最后,实现了导航系统与视觉系统的开发及融合,并通过实时记录的追踪数据与追踪曲线,分析了该系统的追踪性能。实验结果表明:该系统能够在ROS系统下实现对人脸目标的实时跟踪。

摘要：为了进一步提升Siamese神经网络算法在目标跟踪领域的性能,本文对SiamMask的backbone模型基于注意力机制原理进行了重新设计。首先,对Siamese目标追踪网络的backbone网络框架进行局部修改;其次,对改进的算法与原SiamMask算法在Microsoft COCO2017数据集上进行了网络训练与验证;最后,将原SiamMask算法与改进的算法的验证集数据进行比对,以此来评价改进算法的性能。结果表明,在同等算力与数据集的条件下,基于注意力机制的backbone Siamese目标跟踪算法比SiamMask在IOU值上有2个百分点左右的性能提升。