电子邮件:paredes.g@aluno.ifsp.edu.br摘要钻探浪费的适当管理,尤其是页岩振动器的残留固体中的流体含量,仍然是石油和天然气运营中的一项关键挑战。 依靠实验室分析的传统方法引入了重大延迟,从而阻碍了实时过程优化。 本研究提出了一个基于人工神经网络(ANN)的虚拟传感器,以实时预测振动筛选残留固体中的流体含量。 在不同的操作参数下,从工业页岩振动器系统中收集了实验数据,包括运动速度,进料流量和屏幕倾斜度。 使用TensorFlow开发了多层感知器模型,该模型具有输入归一化,辍学正则化和随机梯度下降的优化训练。 ANN体系结构达到的平均绝对误差为0.03,损失为0.002,证明了强大的收敛而不拟合。 通过t检验进行的统计验证证实,预测值和实验值之间没有显着差异(测试数据的p值为0.67,整个数据集为0.85)。 模型在稳定的操作条件下的准确性可以连续监视而无需其他硬件,从而解决了行业对延迟实验室的依赖电子邮件:paredes.g@aluno.ifsp.edu.br摘要钻探浪费的适当管理,尤其是页岩振动器的残留固体中的流体含量,仍然是石油和天然气运营中的一项关键挑战。依靠实验室分析的传统方法引入了重大延迟,从而阻碍了实时过程优化。本研究提出了一个基于人工神经网络(ANN)的虚拟传感器,以实时预测振动筛选残留固体中的流体含量。在不同的操作参数下,从工业页岩振动器系统中收集了实验数据,包括运动速度,进料流量和屏幕倾斜度。使用TensorFlow开发了多层感知器模型,该模型具有输入归一化,辍学正则化和随机梯度下降的优化训练。ANN体系结构达到的平均绝对误差为0.03,损失为0.002,证明了强大的收敛而不拟合。通过t检验进行的统计验证证实,预测值和实验值之间没有显着差异(测试数据的p值为0.67,整个数据集为0.85)。模型在稳定的操作条件下的准确性可以连续监视而无需其他硬件,从而解决了行业对延迟实验室的依赖
(未通过同行评审认证)是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2023年3月21日发布。 https://doi.org/10.1101/2023.03.20.533577 doi:Biorxiv Preprint
振动共振扩增通过使用添加性非谐波高频调节来填充弱的低频信号。对综合非线性纳米腔中弱信号增强的实现对于光信号可能具有低功率的纳米光应用引起了极大的兴趣。在这里,我们报告了在热式光子光子晶体彩态机械谐振器中对vi-Brational共振的实验性观察,其放大率高达+16 dB。可以使用膜的机械谐振来有趣的表征,该膜与腔与腔体的强热耦合。相变和双孔电势已被广泛利用,以放大或检测弱信号。1在科学的各种领域观察到的这种一般的物理概念是振动恢复2(VR)现象的核心。作为与众所周知的随机共振的类比,3 VR使用高频(HF)的周期性信号来实现低频(LF)输入信号。理论上已经在不同类型的非线性系统中进行了研究,例如在神经网络中,4在可激发系统5或生物网络中。6
航空弹性振动是由空气动力和风力涡轮叶片的结构动力学之间的复杂相互作用引起的,是导致疲劳,结构损伤,效率降低以及风力涡轮机系统中维护成本提高的主要原因。解决此问题对于增强风力涡轮机的运行性能,耐用性和寿命至关重要,这使得振动控制成为可再生能源行业的关键重点。本文研究了同步开关阻尼(SSD)模态方法,这是一种非线性控制技术,专门为其通过靶向和抑制不需要的振动模式而有效减轻航空弹性振动的能力。通过将压电组件与刀片运动和谐的指定电路同步,SSD模态方法可提供精确而适应性的振动控制。我们的研究证明了半活动模态SSD方法的有效性,从而降低了叶片振动的30.42%。这种实质性的减少不仅增强了整体性能,还可以增强风力涡轮机叶片的寿命,从而在振动控制策略方面取得了重大进步,并有助于开发更可靠和有效的风能系统。
目的是在所有情况下都符合以下原则。如果出现本文件中的程序似乎不符合以下原则的情况,则可以通过咨询交通噪音专家来改变程序。请注意,使用本指南中的程序并不能保证始终符合原则,如果有疑问,则原则而不是程序优先。
基于十多年的无线体验,艾默生的新AMS无线振动监视器是当今可用的最先进的设备。它通过自组织的无线网络网络提供完整的振动数据。它为操作和维护人员提供了有关机械健康的丰富信息。总体振动,PeakVue™测量值和温度读数可以轻松地集成到任何控制系统或植物史学家中,而诊断数据可以由AMS设备管理器和AMS Machine Works Works软件显示,并通过AMS Optics Asset资产性能平台广播。对于高级诊断,可以将高分辨率数据传递到AMS机器工程软件以进行详细分析。
该项目的规划和设计符合国家和世界银行的环境和社会标准以及社会标准,旨在增强潜在的积极环境和社会影响,并尽量减少潜在的负面影响。这是通过环境和社会评估实现的,环境和社会评估促成了环境和社会管理计划的制定。环境和社会评估确定并评估了该项目可能产生的潜在环境和社会影响,提出了增强积极影响的措施和减轻负面影响的措施,并制定了监测计划以检查增强积极影响的措施和减轻负面影响的措施的实施情况。
摘要 本文介绍了最新版本的全球人工智能活力工具 (GVT),这是一套交互式可视化工具,旨在使用 8 大支柱 42 个指标方便比较 36 个国家的人工智能活力。该工具提供可定制功能,允许用户基于公开数据进行深入的国家级比较和人工智能相关指标的纵向分析。通过对国家在人工智能方面取得的进展进行透明的评估,该工具满足了政策制定者、行业领袖、研究人员和普通公众的不同需求。使用由人工智能指数专家小组制定的指标和支柱权重并合并成一个指数,2023 年全球人工智能活力排名将美国以大幅优势排在第一位,其次是中国和英国。该排名还凸显了新加坡等较小国家的崛起,无论是按绝对值还是按人均计算。该工具提供了三个子指数,从不同维度评估全球人工智能活力:创新指数、经济竞争力指数以及政策、治理和公众参与指数。