针对某油田储层普遍具有低温(20~70℃)、低矿化度(氯离子浓度1000~3000 mg/L)的特点,进行了低温低矿化度可溶桥塞研究。室内试验及现场应用效果表明低温低矿化度可溶桥塞能够承压70 MPa,在低温低矿化度条件下实现桥塞全部可溶,且溶解速率大幅提升,在某水平井多段压裂上具有广阔的推广应用前景。

近年来,吐哈油田水平井逐年增多,目前采用合层注水的方式无法实现各层段间的定量注水要求,影响注水开发效果,为此开展了水平井分段注水工艺研究。核心设计智能分注仪与过电缆封隔器,以电缆为信号载体,实现了高精度无线远程测调,全面解决井斜对测调的限制,同时针对管柱电缆保护,设计了电缆头保护罩等安全辅助工具。现场应用表明工具入井、坐封、验封及测调成功率均100%,单井3层验封、测调总耗时不到3 h,最大配注误差仅4.5%,截至目前,最长有效期已达418 d,远程测调、在线验封、数据读取各项功能均正常,效果良好,为油田今后水平井分注提供了重要的技术支撑。

针对某型航空发动机出现的加力参数异常故障,根据发动机加力状态控制计划和调节规律,建立了以“加力参数异常”为顶事件的故障树,进行性能试验、分解检查,对故障原因进行分析,最终确定了故障源。根据控制原理分析与检查结果,判定该故障的具体原因为喷口加力调节器摆锤活门组件螺帽拧紧未到位,飞行过程中振动使螺帽松脱,螺帽与锁片通过低压腔进入喷口调节器使小轴支架组件卡滞,进而输出轴卡滞导致输出角度停留在部分加力状态,发动机无法正常退出加力进而导致加力参数异常。

气动调节阀是工业生产中重要的控制装置,其故障诊断技术越来越受到重视。基于DAMADICS平台建立气动阀门仿真模型,利用DABLib模块生成故障数据。提取故障数据的主元向量,构建PLS模型,将多变量的高维空间影射到低维空间,对数据进行压缩和标准化处理。借助Hotelling T2和SPE统计检测法对平台生成的测试数据与实际数据的残差进行分析。仿真结果表明,该方法实现了对阀门故障的诊断和分类,效果明显。

针对传统的示功图识别方法对抽油机井进行故障诊断存在人工选取示功图特征,识别准确度低等问题,基于人工智能理论,提出一种卷积神经网络（CNN）和支持向量机（SVM）相结合的示功图智能识别模型。利用卷积神经网络对示功图图像特征自动提取,利用支持向量机根据提取的深层图像特征给出故障诊断结果。结果表明,将CNN与SVM结合用于示功图识别不仅省去了人工选取示功图特征这一环节,而且识别准确度也高达99.71%,测试性能优于其他识别模型。该模型的提出为抽油机井故障的快速准确诊断提供了可行的解决方案,对油田高效作业具有重要意义。