摘要：针对鄯-兰管道的原油运输量将低于管道的设计输量范围这一现状,根据鄯-兰管道主要输送的北疆原油、哈国原油、吐哈原油和塔里木原油的物性设计新的输送工艺。可采用原油间歇顺序输送、原油间歇混合输送和原油连续混合输送、原油连续顺序输送几种方案。

摘要：多年冻土区运营的油气管道的地基土冻胀融沉容易引起管道的屈曲变形,严重影响管道的安全稳定。以大兴安岭多年冻土区中俄原油管道沿线4种典型的管道地基土为研究对象,通过冻胀、融沉试验分析了各种土样的融沉系数、冻胀率与其影响因素之间的关系,采用灰色关联度法对融沉系数、冻胀率影响因素的敏感性进行了分析。结果表明:试验土样的融沉系数和冻胀率受含水率、干密度等因素影响较大,超塑含水率、含泥量及烧失量对粉土、砂土及泥炭化土亦有显著影响。通过灰色关联度分析可知,含水率虽是冻胀、融沉的最主要影响因素,但并非绝对,对于有的土质其含泥量与超塑含水率起主要作用,设计施工时需要高度重视。研究结果可为多年冻土区埋地管道的设计、施工、运营维护以及冻害防治提供科学依据与理论参考。

摘要：针对工程实际中齿轮振动信号受噪声污染严重导致其异常状态难以准确识别的问题,提出了一种基于变分模态提取(variational mode extraction,VME)和多尺度一维卷积(multiscale one-dimensional convolution,M1DCNN)融合长短时记忆神经网络(long short-term memory,LSTM)的齿轮异常状态智能识别新方法。首先,采用VME方法分别对采集到的齿轮处于正常状态、轮齿碎裂、齿轮断齿、齿根裂纹以及齿轮磨损等5种状态的原始振动信号进行预处理,去除原始振动信号中的噪声干扰,提取齿轮不同状态的主模态分量作为齿轮状态的特征信息;其次,由提取的齿轮状态主模态分量构建训练数据集与测试数据集;最后,设计了M1DCNN-LSTM异常状态识别模型,并采用所构建的数据集对设计的异常状态识别模型进行了测试试验验证。结果表明,所提出的方法可以很好地实现齿轮异常状态智能识别效能,异常状态识别准确率达99.25%,明显高于其他相关齿轮异常状态识别方法。

摘要：中俄原油管道刚刚建成投产，鉴于漠大线地处寒冷的大兴安岭地段，在管道设计时，需要充分考虑流量、地温、站间距等综合因素。该文采用美国Stoner公司SPS9．5版软件，计算各方案的主要工程量、消耗水平和主要技术经济指标，进行方案的优选。同时该文阐述了方案的优选规律，对管道今后的运行调度以及后期的增输改造具有参考价值。

摘要：发动机是飞机重要的组成部分,是飞机正常安全飞行的保障。由于其工作环境恶劣,难以进行准确的故障诊断。为此,提出了基于ABC-LSTM的飞机发动机故障诊断方法。该方法首先设计了长短时记忆神经网络(Long Short-Term Memory,LSTM)故障诊断模型;然后采用人工蜂群算法(Artificial Bee Colony Algorithm,ABC)对所设计的长短时记忆神经网络故障诊断模型中的隐含层节点数进行优化,确定最优隐含层节点个数,创建ABC-LSTM的飞机发动机故障诊断模型;最后采用发动机监测数据对所创建的ABC-LSTM故障诊断模型进行测试和验证。为表明所设计的故障诊断模型的优越性,设计了PSO-LSTM和GA-LSTM故障诊断模型。研究结果表明,所提出的ABC-LSTM方法的故障诊断率达93.14%,与LSTM、PSO-LSTM、GA-LSTM故障诊断方法相比具有更好的诊断效果,为飞机发动机故障诊断提供了一种新思路。