长江大学信号与系统5-4

合集下载

对PLC系统设计问题的探讨

系统的具体配置。
是否满足响应时间的要求由于现代ＰＬＣ有足够高的速度处理大量
的Ｉ／Ｏ数据和解算梯形图逻辑，因此对于大多数应用场合来说，ＰＬＣ的响应时间并不是主要的问题。然而，对于某些个别的场合，则要求考虑ＰＬＣ的响应时间。为了减少ＰＬＣ的Ｉ／Ｏ响应延迟时间，可以选
主要内容包括：确定程序结构；定义输入／输出、中间标志、定时器、
计数器和数据区等参数表；编制程序；编写程序说明书。ＰＬＣ应用软件设计还包括文本显示器或触摸屏等人机界面（ＨＭＩ）设备及其它特殊功能模块的组态。
用扫描速度高的ＰＬＣ，使用高速Ｉ／Ｏ处理这一类功能指令，或选用快速响应模块和中断输入模块。
对联网通信功能的要求近年来，随着工厂自动化的迅速发展，企
二、ＰＬＣ控制系统设计可以按以下步骤进行
熟悉被控对象，制定控制方案分析被控对象的工艺过程及工作特点，了解被控对象机、电、液之间的配合，确定被控对象对ＰＬＣ控制系统的控制要求；确定Ｉ／Ｏ设备根据系统的控制要求，确定用户所需的输入（如按钮、行程开关、选择开关等）和输出设备（如接触器、电磁
在系统硬件设计基础上，根据生产工艺的要求，分析各输入，输
出与各种操作之间的逻辑关系，确定检测量和控制方法。并设计出系统中各设备的操作内容和操作顺序。对于较复杂的系统，可按物理位置或控制功能将系统分区控制。较复杂系统一般还需画出系统控制流

长江大学专升本计算机习题五解答

杜友福习题五0315一、选择题1. 计算机网络最突出的优点是( )。

A.精度高B.内存容量大C.运算速度快D.共享资源2. TCP/IP协议中的TCP相当于OSI中的( )。

A.应用层B.网络层C.物理层D.传输层3. WWW的中文名称为( )A.国际互联网B.万维网C.综合服务数据网D.电子数据交换4. 局域网的英文缩写为( )NB.WANC.ISDND.NCFC5. 在Internet的基本服务功能中,文件传输所使用的命令是( )。

A. ftpB.telnetC.mailD.open6. 制定各种传输控制规程(即协议)OSI的国际组织是( )。

A.INTELB.IBMC.ARPAD.ISO7. 用于连接两个相同类型的局域网的连接设备称为( )A.网卡B.网关C.网桥D.中继器8. 如果两个局域网运行的网络操作系统不同,为了要将它们互联,则须配置( )。

A.网卡B.网关C.网桥D.中继器9. Internet提供的服务方式分为基本服务方式和扩展服务方式,下列属于基本服务方式的是( )。

A.远程登录B.名录服务C.索引服务D.交互式服务10. OSI将计算机网络体系结构的通信协议规定为( )。

A.5层B.6层C.7层D.8层11. 调制解调器的功能是( )。

A. 将数字信号转换成交流信号B. 将交流信号转换成数字信号C. 兼有A.与B.的功能D. 使用不同频率的载波将信号变换到不同频率范围12．双绞线的通信距离为( )。

A.几十米B.几百米C.几百公里D.几十公里13. 在电子邮件中所包含的信息( )。

A.只能是文字B.只能是文字与图形图象信息C.只能是文字与声音信息D.可以是文字﹑声音和图形图象信息14. 支持Internet扩展服务的协议是( )。

A.OSIB.IPX/SPXC.TCP/IPD.CSMA/CD15. 为了要把工作站或服务器等智能设备联入一个网络中,需要在设备上插入一块网络接口板,这块网络接口板称为( )。

长江大学信号与系统matlab实验答案

实验1 信号变换与系统非时变性质的波形绘制●用MA TLAB画出习题1-8的波形。

●用MA TLAB画出习题1-10的波形。

Eg 1.8代码如下：function [y]=zdyt(t) %定义函数zdyty=-2/3*(t-3).*(heaviside(-t+3)-heaviside(-t));endt0=-10;t1=4;dt=0.02;t=t0:dt:t1;f=zdyt(t);y=zdyt(t+3);x=zdyt(2*t-2);g=zdyt(2-2*t);h=zdyt(-0.5*t-1);fe=0.5*(zdyt(t)+zdyt(-t));fo=0.5*(zdyt(t)-zdyt(-t));subplot(7,1,1),plot(t,f);title('信号波形的变化')ylabel('f(t)')grid;line([t0 t1],[0 0]);subplot(7,1,2),plot(t,y);ylabel('y(t)')grid;line([t0 t1],[0 0]);subplot(7,1,3),plot(t,x);ylabel('x(t)')grid;line([t0 t1],[0 0]);subplot(7,1,4),plot(t,g);ylabel('g(t)')grid;line([t0 t1],[0 0]);subplot(7,1,5),plot(t,h);ylabel('h(t)')grid;line([t0 t1],[0 0]);subplot(7,1,6),plot(t,fe);ylabel('fe(t)')grid;line([t0 t1],[0 0]);subplot(7,1,7),plot(t,fo);ylabel('fo(t)')grid;line([t0 t1],[0 0]);xlabel('Time(sec)')结果：Eg1.10代码如下：function [u]=f(t) %定义函数f(t) u= heaviside(t)-heaviside(t-2); endfunction [u] =y(t) %定义函数y(t)u=2*(t.*heaviside(t)-2*(t-1).*heaviside(t-1)+(t-2).*heaviside(t-2)); endt0=-2;t1=5;dt=0.01; t=t0:dt:t1; f1=f(t); y1=y(t); f2=f(t)-f(t-2); y2=y(t)-y(t-2); f3=f(t)-f(t+1); y3=y(t)-y(t+1);subplot(3,2,1),plot(t,f1); title('激励——响应波形图') ylabel('f1(t)')grid;line([t0 t1],[0 0]);-10-8-6-4-2024012信号波形的变化f (t)-10-8-6-4-2024012y (t)-10-8-6-4-2024012x (t)-10-8-6-4-2024012g (t)-10-8-6-4-2024012h (t)-10-8-6-4-202400.51f e (t)-10-8-6-4-2024-101f o (t)Time(sec)subplot(3,2,2),plot(t,y1); ylabel('y1(t)')grid;line([t0 t1],[0 0]); subplot(3,2,3),plot(t,f2); ylabel('f2(t)')grid;line([t0 t1],[0 0]); subplot(3,2,4),plot(t,y2); ylabel('y2(t)')grid;line([t0 t1],[0 0]); subplot(3,2,5),plot(t,f3); ylabel('f3(t)')grid;line([t0 t1],[0 0]); subplot(3,2,6),plot(t,y3); ylabel('y3(t)')grid;line([t0 t1],[0 0]); xlabel('Time(sec)')结果：实验2 微分方程的符号计算和波形绘制上机内容用MA TLAB 计算习题2-1，并画出系统响应的波形。

基于机器学习的钻井工况识别技术现状及发展

[收稿日期]20221102[基金项目]国家自然科学基金项目大位移井钻进过程中动态岩屑运移与钻柱受力耦合机理研究 (51874045);湖北省自然科学基金杰出青年基金项目页岩气大位移井动态井眼清洁机理及智能监测算法研究 (2019C F A 093)㊂ [第一作者]张菲菲(1988),男,博士,教授,博士生导师,现主要从事油气钻井中岩屑运移及钻井流体力学等方面的研究工作,f e i f e i -z h a n g @y a n g t z e u .e d u .c n ㊂ *为共同第一作者张菲菲,崔亚辉,于琛,等.基于机器学习的钻井工况识别技术现状及发展[J ].长江大学学报(自然科学版),2023,20(4):53-65. Z H A N GFF ,C U IY H ,Y UC ,e t a l .R e c e n t d e v e l o p m e n t s a n d f u t u r e t r e n d s o f d r i l l i n g s t a t u s r e c o g n i t i o n t e c h n o l o g y ba s e d o nm a c h i n e l e a r n i n g [J ].J o u r n a l o fY a n g t z eU n i v e r s i t y (Na t u r a l S c i e n c eE d i t i o n ),2023,20(4):53-65.基于机器学习的钻井工况识别技术现状及发展张菲菲1,2,崔亚辉1,2*,于琛3,张同颖4,陈俊5,颜寒51.长江大学石油工程学院,湖北武汉4301002.油气钻采工程湖北省重点实验室(长江大学),湖北武汉4301003.中国石油渤海钻探工程技术研究院,天津3002804.中国石油渤海钻探工程公司,天津3002805.中国石油渤海钻探第一钻井工程分公司,天津300280[摘要]配备传感器的现代钻井设备带来了持续不断的实时钻井数据,通过监测这些钻井数据可以对钻井工况进行及时有效的判断,进而提高钻井效率,降低钻井成本和钻井事故率㊂由于钻井的复杂性和不可预知的作业条件,现有的通过数据采集系统执行的钻井工况识别系统容易出现较高的误报率㊂为了解决高误报率问题,实现从高维钻井数据中得到高精度㊁高效率的钻井工况识别结果,基于机器学习算法的识别模型被开发,并在应用中表现出了显著的有效性和稳定性㊂文章简述了机器学习的发展历程和项目流程,介绍了钻井系统参数,描述了支持向量机㊁B P 神经网络㊁随机森林和深度学习等机器学习分类算法在钻井工况识别技术中的应用现状,对比研究了七个机器学习工况识别模型的框架㊁超参数㊁特征参数以及识别性能,并探讨了基于机器学习算法的钻井工况识别技术发展趋势,为实现钻井设备的自动化和钻井工程的智能化提供一些新的思路㊂[关键词]钻井工况;机器学习;工况识别;分类算法[中图分类号]T E 24[文献标志码]A [文章编号]16731409(2023)04005313R e c e n t d e v e l o p m e n t s a n d f u t u r e t r e n d s o f d r i l l i n g s t a t u s r e c o g n i t i o n t e c h n o l o g y b a s e do nm a c h i n e l e a r n i n gZ HA N GF e i f e i 1,2,C U IY a h u i 1,2*,Y U C h e n 3,Z HA N G T o n g y i n g 4,C H E NJ u n 5,Y A N H a n 51.S c h o o l o f P e t r o l e u m E n g i n e e r i n g,W u h a n430100,H u b e i 2.K e y L a b o r a t o r y o fD r i l l i n g a n dP r o d u c t i o nE n g i n e e r i n g f o rO i l a n dG a s ,H u b e i P r o v i n c e (Y a n g t z eU n i v e r s i t y),W u h a n430100,H u b e i3.R e s e a r c h I n s t i t u t e o fE n g i n e e r i n g T e c h n o l o g y ,B o h a i D r i l l i n g E n g i n e e r i n g C o m p a n y L i m i t e d ,C N P C ,T i a n j i n3002804.B o h a i D r i l l i n g E n g i n e e r i n g C o m p a n y L i m i t e d ,C N P C ,T i a n ji n3002805.N o .1D r i l l i n g E n g i n e e r i n g B r a n c h ,B o h a iD r i l l i n g E n g i n e e r i n g C o m p a n y L i m i t e d ,C N P C ,T i a n ji n300280A b s t r a c t :M o d e r nd r i l l i n g e q u i p m e n t e q u i p p e dw i t hs e n s o r sb r i n g sc o n t i n u o u s r e a l -t i m ed r i l l i n g d a t a .B y m o n i t o r i n g t h e s e d r i l l i n g d a t a ,d r i l l i n g s t a t u s c a nb e j u d g e d t i m e l y a n d e f f e c t i v e l y ,t h e r e b y i m p r o v i n g d r i l l i n g e f f i c i e n c y ,r e d u c i n gd r i l l i n g c o s t s a n dd r i l l i n g a c c i de n t r a t e s .D u e t o t h e c o m p l e x i t y o fd r i l l i n g a n du n p r e d i c t a b l eo p e r a t i n g s t a t u s ,t h ee x i s t i n gd r i l l i n g s t a t u s re c o g n i t i o n s y s t e mt h r o u g hd a t a a c q u i s i t i o n s y s t e mi s p r o n e t oh i g hf a l s e a l a r mr a t e s .I no r d e r t o s o l v e t h e p r o b l e mo f h igh f a l s e a l a r mr a t e s a n da c hi e v eh i g h -p r e c i s i o na n dh i g h -e f f i c i e n c y d r i l l i n g s t a t u s r e c o gn i t i o nr e s u l t s f r o mh i g h -d i m e n s i o n a l d r i l l i n g d a t a ,r e c o g n i t i o n m o d e l sb a s e do n m a c h i n e l e a r n i n g a l g o r i t h m sh a v eb e e nd e v e l o pe d a n dh a v e s h o w nr e m a r k a b l eef f e c t i v e n e s sa n ds t a b i l i t y i na p p l i c a t i o n .I nt h i s p a p e r ,t h ed e v e l o p m e n t p r o c e s sa n d p r o je c t p r o c e s s o fm a c h i n e l e a r n i n g w a sb r i ef l y d e s c r i b e d ,t h e p a r a m e t e r so f t h ed r i l l i ng s ys t e m w e r e i n t r o d u c e d ,a n dt h e a p p l i c a t i o n s t a t u s o fm a c h i n e l e a r n i n g c l a s s i f i c a t i o n a l g o r i t h m s s u c h a s S u p po r tV e c t o rM a c h i n e ,B PN e u r a lN e t w o r k ,R a n d o m F o r e s t a n dD e e p L e a r n i n g i n d r i l l i n g s t a t u s r e c o g n i t i o n t e c h n o l o g y w a s d e s c r i b e d .T h e f r a m e w o r k ,h y p e r pa r a m e t e r s ,c h a r a c t e r i s t i c p a r a m e t e r sa n dr e c o g n i t i o n p e r f o r m a n c eo fs e v e n m a c h i n el e a r n i n g s t a t u sr e c o gn i t i o n m o d e l s w e r e c o m p a r e d a n d s t u d i e d ,a n d t h e d e v e l o p m e n t t r e n do f d r i l l i n g s t a t u s r e c o g n i t i o n t e c h n o l o g y b a s e do nm a c h i n e l e a r n i n ga l g o r i t h m w a s d i s c u s s e d ,w h i c h c a n p r o v i d e s o m e n e w i d e a s f o r r e a l i z i n g t h e a u t o m a t i o n o f d r i l l i n g e q u i pm e n t a n d t h e i n t e l l i g e n c e o f d r i l l i n g e n g i n e e r i n g.K e yw o r d s :d r i l l i n g s t a t u s ;m a c h i n e l e a r n i n g ;s t a t u s r e c o g n i t i o n ;c l a s s i f i c a t i o na l g o r i t h m ㊃35㊃长江大学学报(自然科学版) 2023年第20卷第4期J o u r n a l o fY a n g t z eU n i v e r s i t y (N a t u r a l S c i e n c eE d i t i o n ) 2023,V o l .20N o .4Copyright ©博看网. All Rights Reserved.㊃45㊃长江大学学报(自然科学版)2023年7月现代钻井设备和监测基础设施的使用促进了钻井大数据技术的迅速发展㊂钻机仪器可容纳不同工作单元的各种传感器,如录井传感器和随钻测井工具,实时返回的各种钻井数据让现场工作人员可以更好地了解正在进行的井下钻井过程㊂但井下情况复杂,如极端钻井条件㊁传感器数据传输延时等,会出现噪音大㊁准确性差的钻井数据,难以判断真实的钻井工况㊂为了从高维㊁时序钻井数据中实时且准确地识别钻井工况,近些年国内外开展了大量研究,并开发了多个基于机器学习算法的工况识别模型㊂钻井工况识别属于高维数据分类问题,而分类分析作为有监督的机器学习中的主要任务之一,使得机器学习算法在钻井工况识别应用中表现出了显著的有效性和稳定性㊂鉴于此,笔者总结了机器学习分类算法在钻井工况识别技术中的应用现状及应用效果,探讨了基于机器学习算法的钻井工况识别技术发展趋势㊂1机器学习简述1.1机器学习发展历程大数据时代带来了数据洪流,相比于简单的收集㊁传输与计算数据,更重要的是解剖数据㊁理解数据并从数据中提取有价值的信息㊂机器学习应运而生,通过深度理解㊁多重分析将数据转化为信息继而学习信息中的规律,通过算法而非特定指令对新数据做出预测或分类㊂其中有监督的机器学习将数据进行分类㊁回归来进行预测,通过更新参数来减少错误并提高算法㊂而无监督的机器学习将数据进行集群㊁密度估计㊁特征降维㊂机器学习的发展历程可以分为四个时期:1)由感知机[1]开启的推理期 (1960年之前)㊂感知机是一台能够识别罗森布拉特字母的机器,使用阈值元素将模拟信号转换为离散信号,是现代人工神经网络的原型㊂在该时期里,推理出了机械人迷宫揭秘鼠标[2]㊁强化概率神经模拟计算器[3],讨论出了自组织系统的仿真方法[4],利用相似的动物条件反射原理开发出了条件概率机[5]㊂2)由决策树[6]和B P神经网络[7]推动的学习期 (1960 1990年)㊂其中1960 1970年,提出了学习识别系统的设计和测试方法㊁模式识别问题的一般性陈述㊁机器学习问题的概率陈述,开发了基于有限集的近似函数简化方法㊁构造分离超平面的梯度型算法㊁平均风险最小化方法㊁极大极小优化算法㊁非光滑优化算法㊁递归目标不等式方法㊁在空间中寻找有限相交点的递归算法㊁自适应控制方法等㊂其中具有推动意义的里程碑机器学习系统有自适应线性神经网络[8]㊁最小均方算法[9]㊁随机网络[10]㊁决策树㊁表格最优值决策程序(B O X E S)[11]㊂在1970 1980年,随着朴素贝叶斯法[12]㊁自适应阈值系统[13]㊁自组织多层神经网络[14]㊁离散时间随机环境的自适应控制器[15]等机器学习系统的提出,推动了多层神经网络的结构和学习能力得到进一步的研究㊂最终F U K U S H I MA等[16]在1980年提出了一种分层多层卷积神经网络㊂在1980 1990年,误差反向传播算法[17]的提出代替了标准梯度下降法,大大加快了神经网络算法的迭代速度㊂在这十年间具有推动意义的里程碑机器学习系统有自组织神经网络模型(N e o c o g n i t r o n)㊁自组织特征映射网络(K o h o n e nn e t w o r k)[18]㊁单层全连接循环神经网络(H o p f i e l dn e t w o r k)[19]㊁误差反向传播算法㊁多层前馈网络[20]㊁时间延迟神经网络[21]㊁延迟奖励学习(Q-l e a r n i n g)[22]㊁反向传播卷积神经网络[23]㊂3)由支持向量机[24]发起的统计期 (1990 2004年)㊂C O R T E S和V A P N I K[24]提出了适用于一般不可分离情况的S VM算法,利用简单的递归算法使数据快速收敛于最优支持超平面㊂在该时期具有推动意义的里程碑机器学习系统还有循环网络[25]㊁统计梯度跟随算法[26]㊁时间差异学习[27]㊁模糊神经网络[28]㊁支持向量机㊁无监督学习[29]㊁长短期记忆网络[30]㊁双向循环神经网络[31]㊁随机决策森林[32]㊁强化学习[33]㊁最大边际马尔可夫网络[34],通过统计的优化和控制思想来提高算法的收敛速度㊂4)由深度神经网络复兴的深度学习期 (2004年至今)㊂随着大数据趋势和并行计算内存的成本降低趋势,计算性能翻倍的深度学习算法也得以协同发展㊂深度残差学习[35]提出了利用残差连接来大幅加深神经网络层数,之后的深度残差网络[36]㊁宽残差网络[37]㊁聚合残差变换深度神经网络(R e s N e X t)[38]也都依次突破了神经网络深度下限㊂在这十年间具有推动意义的里程碑机器学习系统还包括了监督学习的深度监督网络[39];半监督学习的半监督深度学习[40]㊁半监督递归自动编码器[41];无监督学习的深度信念网Copyright©博看网. All Rights Reserved.络[42]㊁多任务深度神经网络[43]㊁可扩展无监督学习卷积深度信念网络[44]㊁深度前馈神经网络[45]㊁自我监督学习(A L B E R T -x x l a r ge )[46]㊁大型自监督模型(S i m C L R v 2)[47]㊁并行计算的大规模自回归模型(P a n G u -α)[48];卷积网络的反卷积网络[49]㊁深度卷积神经网络[50]㊁区域卷积神经网络[51]㊁轻量卷积神经网络(S qu e e z e N e t )[52]㊁多尺度深度卷积神经网络[53]㊁移动卷积神经网络(M o b i l e N e t )[54];递归网络的矩阵向量递归神经网络[55]㊁神经张量网络[56]㊁深度递归神经网络[57];强化学习的深度强化学习[58]㊁可扩展分布式深度强化学习(I M P A L A )[59];还有在线学习[60]㊁神经图灵机[61]㊁大规模生成对抗网络(B i g G A N )[62]㊁终端轻量级神经网络(M n a s N e t )[63]㊁大规模迁移学习(B i T -L )[64]㊁循环理性网络(R a t i o n a l D Q N A v e r a g e )[65]㊁自动高效共享分离范式(M 6-10T )[66]㊁扩展转换模型(D e e pN e t )[67]㊂图1展示了推理期㊁学习期㊁统计期中33个里程碑机器学习系统的时间轴,图2展示了深度学习期中33个里程碑机器学习系统的时间轴,可以看出里程碑系统出现的频率越来越快㊂图1 推理期㊁学习期㊁统计期里程碑机器学习系统时间轴F i g .1 T h e t i m e l i n e o f r e a s o n i n gp e r i o d ,l e a r n i n gp e r i o da n d s t a t i s t i c a l p e r i o dm i l e s t o n e s o fm a c h i n e l e a r n i n g s ys t em 图2 深度学习期里程碑机器学习系统时间轴F i g .2 T h e t i m e l i n e o f d e e p l e a r n i n gp e r i o dm i l e s t o n e o fm a c h i n e l e a r n i n g s ys t e m ㊃55㊃第20卷第4期张菲菲等:基于机器学习的钻井工况识别技术现状及发展Copyright ©博看网. All Rights Reserved.1.2 机器学习模型项目流程图3 机器学习项目流程F i g .3 T h e p r o j e c t f l o wf o rm a c h i n e l e a r n i n g机器学习在工程中作为一种快速分类工具,能够处理更复杂和不确定性更强的数据,从而大幅降低对误差㊁噪声和干扰的敏感度,最大程度地实现数据驱动,减少人为干预,促进大数据化与智能化㊂按照图3中的机器学习项目流程,确定建立钻井工况识别机器学习模型的一般流程:①确定工况识别是多分类问题;②收集不同工况的钻井㊁录井数据,分析其时序㊁统计特征,进而设计模型的样本筛选㊁数据划分㊁模型选择以及模型评价标准;③提取有工况标注的㊁数据质量较好的样本数据,进行数据清洗;④利用专家经验和机器学习算法进行特征选择和处理;⑤选择较合适的一种或多种模型对提取的样本进行训练,反复调节模型的超参数,通过分类结果反向获取最佳性能参数;⑥利用验证集进行模型分类评价,选出分类效果最佳模型进行部署开启实际应用;⑦监控实际应用中表现出的模型分类效果,若不满足要求则进行模型重构和重训㊂2 钻井数据处理2.1 钻井参数分类表1 钻井工程主要钻井参数T a b l e1 T h em a i nd r i l l i n g p a r a m e t e r s i nd r i l l i n g e n g i n e e r i n g 系统传感器钻井参数旋转系统转速传感器转速扭矩传感器旋转扭矩循环系统流入传感器泥浆泵的入口流量流出传感器泥浆泵的出口流量泵压传感器立管压力 -钻井液入口密度 -钻井液出口密度 -钻井液电导率 -钻井液温度 -钻井液总池体积提升系统钩载传感器大钩载荷滑车位置传感器大钩位置计算系统-钻压 -钻速 -井总深度 -钻头深度钻井工程的监测通过钻机的4个传感器系统(旋转系统㊁循环系统㊁提升系统和计算系统)协作完成,通过传感器采集到的数据包含有大量的钻井信息,是判别钻井工况的重要依据㊂表1列举了4个系统的7大传感器㊁16个主要钻井参数㊂1)旋转系统包括顶驱电机和转盘,转动钻柱提供旋转动力㊂与该系统相关的传感器有:转速传感器和扭矩传感器,测量每分钟的转数和表面的旋转扭矩[68]㊂2)循环系统包括地面管道㊁立管㊁钻杆㊁钻铤㊁钻头喷嘴㊁裸眼和出油管㊁泥浆清洗设备㊁泥浆罐㊁离心预充泵㊁容积式主钻井泵[69],通过在井壁上建立压力平衡来保持井筒中裸眼段的稳定,清除岩屑并清洁井筒㊂与该系统相关的传感器有:流入/流出传感器和泵压传感器,测量泥浆泵的入口/出口流量㊁密度㊁电导率等和立管处的压力[68]㊂3)提升系统包括绞车㊁起重滑车㊁吊钩和吊卡㊁死绳固定器㊁钢丝绳和井架,将钻柱或其他必要设备从钻孔中取出[69]㊂与该系统相关的传感器测量有:钩载传感器和滑车位置传感器㊂钩载传感器读㊃65㊃长江大学学报(自然科学版)2023年7月Copyright ©博看网. All Rights Reserved.取大钩的重量和负载,滑车位置传感器测量移动滑车和钻机地面之间的距离[68]㊂4)系统的参数由传感器读数计算得到:钻压计算为大钩载荷值中减去管柱重量;钻速计算为钻井作业期间钻柱移动的速度;井总深度计算为钻柱长度和地面标高与钻柱达到的最大值之间的距离;钻头深度是指当钻柱挂在吊钩上且未卡在钻台上时的钻柱长度㊂2.2 数据清洗传感器通常处于恶劣的工作环境中,采集的原始数据包含了大量的噪声㊁异常点,在测试曲线上表现为与钻井参数无关的统计起伏或毛刺干扰㊂针对这些问题,在钻井参数被分析前有必要清洗掉缺失值㊁噪声数据㊁离群点等,解决数据的不一致性问题,以便提供高质量㊁更有效的钻井数据信息,更好地建立工况识别模型㊂对于缺失率较低的数据可以根据已有数据分布进行填补,或使用无监督机器学习的K -最近距离邻法[70],将所有样本进行聚类划分,再通过划分种类的均值对各自类中的缺失值进行填补㊂而缺失率较高的数据直接剔除㊂对于噪声数据,应用最广泛的是小波降噪算法[71],通过多次对正常数据进行不同层次的噪声分解,再重构留下的正常数据,以得到除去了高频噪声且同时保留原始数据趋势特征的钻井数据㊂对于离群点,利用简单统计分析(箱线图㊁四分位点)㊁基于绝对离差中位数(MA D )㊁基于距离㊁基于密度㊁基于聚类等多种方法联合检测离群点避免错漏,发现后直接剔除㊂2.3 特征选择单一工况并非跟所有的钻井参数都相关,选择与当前研究工况相关的特征参数作为工况判定依据,首先通过统计特征分析㊁时序特征分析对钻井参数进行初步过滤㊂统计特征分析是通过计算不同工况所有录井数据的均值和标准差㊁最大值㊁最小值㊁数量㊁分位数等统计描述进行特征选择;而时序特征分析是通过探究不同工况下钻井数据随时间变化趋势差异进行特征选择㊂统计特征分析㊁时序特征分析可以衍生出新的集成特征参数:特征加和㊁特征之差㊁特征乘积㊁特征除商,如钻头深度时序之差和大钩位置时序之差可展示出钻头的移动方向;井总深度与钻头深度之差可表征出钻头在井下的位置㊂初步过滤后可利用过滤法㊁包装法㊁嵌入法对钻井数据进行特征二次选择㊂过滤法按照特征相关性指标进行特征评分排名;包装法根据目标函数选择特征;嵌入法通过机器学习训练来确定特征的优劣㊂过滤法㊁包装法㊁嵌入法之间的特点㊁时间复杂度㊁过拟合程度差异以及算法示例如表2所示㊂过滤法计算量最小,运行时间最短,但包装法和嵌入法更精确,比较适合具体到算法去调整㊂当数据量很大的时候,优先使用过滤法;使用逻辑回归时,优先使用嵌入法;使用支持向量机时,优先使用包装法㊂表2 过滤法㊁包装法㊁嵌入法之间的差异T a b l e 2 T h e d i f f e r e n c e s a m o n g F i l t e r ,W r a p pe r a n dE m b e d d e d 方法特点时间复杂度过拟合示例过滤法不包含特定机器学习算法,是一种通用方法集计算时间比包装法快得多不容易过拟合相关性㊁卡方检验㊁方差分析㊁信息增益等包装法评估一个特定的机器学习算法,以找到最佳特征有许多特征的数据集的计算时间会很长过拟合的可能性高前向选择㊁向后消除㊁逐步选择等嵌入法在模型构建过程中嵌入功能,特征选择是通过观察模型训练阶段的每个迭代来完成的介于过滤法和包装法之间介于过滤法和包装法之间L A s s o 回归㊁弹性网络㊁岭回归等3 工况识别技术中机器学习的应用基于机器学习算法的钻井工况识别技术通过对钻井过程参数进行监测,保证钻井效率,减少各类损失,为实现钻井设备的自动化和钻井工程的智能化提供一些新的思路㊂本节将依次介绍在钻井工况识别㊃75㊃第20卷第4期张菲菲等:基于机器学习的钻井工况识别技术现状及发展Copyright ©博看网. All Rights Reserved.㊃85㊃长江大学学报(自然科学版)2023年7月中应用较广的四种分类器,分析基于B P神经网络㊁支持向量机㊁随机森林和深度学习的机器学习模型的原理㊁应用参数以及模型性能㊂3.1基于B P神经网络的钻井工况识别B P神经网络由R UM E L H A R T[7]在1986年提出,是目前训练神经网络最有效的算法之一,也是整个神经网络的核心之一㊂B P神经网络的特点在于设定期望误差,利用后向传递梯度搜索优化传播参数,将误差降到目标期望误差以下才停止迭代[72]㊂廖明燕[73]先使用三层B P神经网络进行工况分类再利用D-S证据理论进行融合决策,利用泥浆流量㊁大钩高度㊁立管压力㊁扭矩等15种特征参数来实现9种异常工况识别和正常工况识别;之后对比优化了算法的超参数㊁分析了异常工况的实际参数特征与专家经验的不同之处㊂但是识别模型只评估了训练数据的分类性能,没有进行交叉验证评估测试数据;异常工况实例数据也较少,只测试了其中5种工况㊂姜萌磊[74]将阈值法和B P神经网络算法融合得到工况识别模型,利用5个特征参数,实现了11个工况的实时识别,与钻井日报对比得到了94.7%的正确率㊂但是识别模型没有进行算法参数优化,特征值较少,训练数据也没有进行交叉验证㊂表3对比了基于B P神经网络钻井工况识别的不同模型特点㊁超参数㊁样本数量㊁特征参数㊁识别工况类型以及识别效果,主要区别在于算法超参数中的隐藏层节点个数和学习率㊂姜萌磊[74]模型识别的是机理并不复杂的常见钻井工况,样本数量也不大,且输入参数只有5个却要识别出10个工况,这种情况学习率就需要降低以得到更精细的输入参数分类阈值㊁容纳更大的分类阈值变化幅度[75];而隐藏层节点个数可以适当减小,防止出现过拟合问题㊂廖明燕[73]的模型输入层有15个参数且输出层是10个复杂的事故工况,隐藏层节点个数应适当提高,否则无法拟合参数与事故工况间的复杂关系;学习率应适当提高来加快模型的训练时间,以抵消输入层㊁输出层㊁隐藏层节点个数较大对训练时间的影响,但也不能过大会忽略很多分类阈值变化㊁降低识别效果[75]㊂学习率取值在0.01~0.9之间,最低的学习率得到的模型识别性能不一定最好,适当降低不应直接选择0.01;而适当增加但不能过大也不应自选为0.5,应当融合自适应优化学习率算法来得到更有效的工况识别性能㊂3.2基于支持向量机的钻井工况识别支持向量机(S VM)由C O R T E S等[24]在1995年提出㊂S VM最初是作为二元分类器开发的,但它扩展到使用一对多 [76]或一对一 [77]方法对于多分类问题时,只能通过构建多个决策边界来解决㊂其中一对多是指每种分类对其他所有分类进行决策边界构建[76];而一对一则是对任意两个分类之间构建决策超平面,若要分出n类则需要构建个决策超平面,这种方法准确率最高并且训练时间最短[77]㊂当支持向量机解决非线性分类问题时,先使用核函数将数据进行高维映射,再利用线性分类组合出边距最大化的最佳超平面[76]㊂S VM算法使用凹函数作为代价函数来实现局部最优解的排除从而得到全局最优解,对于稀疏样本数据算出的损失函数值也比较小,这些特点使得S VM算法建立的模型非常稳定且拥有高效的分类功能[78]㊂S E R A P I A O等[79]使用一对一多类S VM算法,选择了测井数据中的5个特征参数,学习了3784个真实测井数据,识别出了6种工况㊂由于钻井工况中的旋转钻进和滑动钻进㊁旋转划眼和倒划眼存在多个特征参数相似,使用一对多不能保证一个类与其他类之间实现良好的区分,所以使用了一对一分类方法㊂但是存在模型筛选出的特征值较少;识别模型的惩罚因子和核函数也没有进行调参来优化参数;起下钻和循环得到的测井数据较少,数据不平衡㊁分布不均匀;模型没有很好地分离旋转钻进和旋转划眼㊁滑动钻进和倒划眼或工具调整等问题,因此应该增加更多钻井特征参数来将其区分㊂E S MA E L等[80]将平均泥浆流量㊁平均大钩载荷㊁钻头测深㊁井眼测深㊁大钩位置㊁平均泵压㊁平均钻速㊁平均转速㊁平均扭矩㊁平均钻压㊁钻头测深和井眼测深的差值这12个钻井参数进行统计特征分析,计算了每个特征参数的22个统计特征参数,组合成242个特征集㊂特征数量优化结果显示使用特征排序中的前38个特征时有最佳精度㊂之后,E S MA E L等[81]对支持向量机模型进行了调参优化,并对比了人工神经网络㊁规则归纳㊁决策树和朴素贝叶斯算法㊂实例结果显示支持向量机和规则归纳的Copyright©博看网. All Rights Reserved.精度较高,而朴素贝叶斯的分类效果最差㊂但是只给出了前15个的特征参数,也没有解释这些钻井参数统计特征值的意义,也没有总结分析每种工况对应的特征参数区别;在实例中证明了38个特征训练出的识别模型比242个特征的精度提高了10%,但是没有给出具体识别的工况类别㊂表3 基于B P 神经网络的不同模型特点及超参数对比T a b l e 3 T h e c o m p a r i s o no f c h a r a c t e r i s t i c s a n dh y p e r pa r a m e t e r s o f d i f f e r e n tm o d e l sb a s e do nB PN e u r a lN e t w o rk孙挺等[82]与上述三个模型相比,多筛选出了钻速㊁大钩高度㊁扭矩㊁出口排量这4个特征参数,多分类出了接力柱㊁下钻㊁下油管和钻塞工况,并通过对比线性㊁多项式㊁径向基和两层感知器这四种核函数识别结果优选了核函数为径向基核函数,利用交叉验证筛选了最优化参数,最终得到的识别模型测试集准确率为95%㊂但是特征值较少;训练及优选对比数据集也比较小,每种工况只有100条数据;并且实例应用只是进行了时效统计,没有对比钻井日报作业描述进行实例应用效果评价㊂表4对比了基于支持向量机的钻井工况识别钻井工况识别的不同模型特点㊁超参数㊁样本数量㊁特征参数㊁识别工况类型以及识别效果,主要区别在于算法超参数中的惩罚因子和特征参数个数㊂惩罚因子C 越大,模型对数据越包容㊂但包容越大可以使模型学习到越多的该工况的钻井数据,同时也会造成两种甚至于多种工况之前的边界重合㊁分类界限模糊,所以惩罚因子一定要根据识别正确率来进行调参优化㊂而特征参数个数也同样不是越多越好,过多的特征参数不止会增加模型训练和优化的时间,造成计算资源的浪费;同时也会混淆机器学习的视线,造成过拟合的结果㊂3.3 基于随机森林的钻井工况识别随机森林由B R E I MA N [83]在2001年提出,通过建立不同的自举数据集,在树的每个节点用随机的特征样本来构造多个决策树,避免了决策树[84]算法高误差㊁高方差和过拟合的问题㊂随机森林算法也可以通过计算决策树中给定输入变量的拆分引起的熵损失,反映出特征重要性进而优化模型的特征筛选㊂㊃95㊃第20卷第4期张菲菲等:基于机器学习的钻井工况识别技术现状及发展Copyright ©博看网. All Rights Reserved.。

管致中《信号与线性系统》(第5版)(课后习题连续时间系统的复频域分析)

圣才电子书
十万种考研考证电子书、题库视频学习平

台
第 5 章连续时间系统的复频域分析
5.1 标出下列信号对应于 s 平面中的复频率。
（1） e2t ；（2） te-t ；（3）cos2t；（4） e-t sin（－5t）
答：（1） e2t (t)
s
1
2
，所以
s1＝2
收敛域：
5.4 用部分分式展开法求下列函数的拉普拉斯反变换。
3 / 43
圣才电子书

答：（1）部分分式展开
十万种考研考证电子书、题库视频学习平台
拉氏逆变换，有
（2）部分分式展开
拉氏逆变换，有
（3）部分分式展开
取拉氏逆变换，有
（4）部分分式展开
取拉氏逆变换，有
（5）部分分式展开
15 / 43
圣才电子书

十万种考研考证电子书、题库视频学习平台
所以
（3）因为令 T＝1，则所以
(1)n (t nT )
（1）设而
，则
由时间平移特性，可得
图 5-1
（2）
（3）因为由时间平移特性，可得
（4）设
，因
由复频域微分特性，有
再由时间平移特性，可得
9 / 43
圣才电子书

十万种考研考证电子书、题库视频学习平台
5.9 用拉普拉斯变换的性质求图 5-2 各波形函数的拉普拉斯变换。
答：（a）由图 5-2（a）可知
图 5-2
而由拉式变换的时间平移与线性特性，可得
（b）由图 5-2（b）可知
而所以
（c）由图 5-2（c）可知
10 / 43
圣才电子书

“信号与系统”课程教学中对分教学法的应用

101Internet Application互联网+应用引言：对方教学法是复旦大学张学新教授提出的新型的课堂教学模式，其核心就是将教学环节一分为二，让学生在设问和提问的过程当中产生自主学习的动机和欲望，养成自主学习习惯，而教师在解答疑问的过程当中与学生进行交流沟通，两者共同承担教学空间。

为了保障学生的学习效率和学习积极性，教师需要根据一定的思路来调整教学方法，强化学生对于基本知识的理解和掌握，也能够强化学生综合运用知识的工程应用能力。

一、对分教学法的基本流程对分课堂主体分为三个教学环节：教师讲解（Presentation），学生自学、内化吸收及作业（Assimilation），课堂讨论环节（Discussion），也称PAD 课堂。

在教学时间安排上，对分课堂强调，一半时间由教师讲解基本概念与重难点知识。

另一半时间学生以自学或者讨论的方式进行内化吸收，（一）课前准备环节课前准备环节就将课堂划分为两个部分，一部分给教师进行讲课，另一部分让学生完成讨论进行互动学习，其中课堂对分就是最为主要的形式，让学生利用学习知识和讨论之间的时间差完成独立的探索和研究，并互相交流沟通，从而能够解决一些简单的问题，某些重难点问题可以交给教师进行处理。

该模式与传统教学最大的不同之处在于学生可以提前做好准备，进行讨论完成当堂对分，通过不同的教学方法实现教学目标。

（二）课堂讲授环节在课程讲授环节，教师不必将所有内容进行系统化和具体化讲解，对分课堂强调的是精讲，要求教师在缩短课堂时长的前提下，对某些主要学习内容和重难点进行针对性讲解，涵盖课程所涉及到的框架类知识结构。

这样一来，学生可以对所学概念有一个框架性的认识，并完成知识的内化和补充。

在后续的作业设计阶段，应该引导学生将所有知识进行综合整合，同时让学生在课堂对分当中有充足的时间用于将所有知识进行理解和深化，让所有的教学步骤在课堂上就能完成。

对于学生受益最大的知识和某些难以解决的问题，在蔡骁（1990.07——），男，汉族，湖南长沙，硕士研究生，助教，中国消防救援学院，研究方向:通信与信息系统教学，应急通信技术；通信作者:宋亚婷，女，硕士研究生，中国消防救援学院。

《信号与系统》教学改革思考与实践

…
…
…
…
…
…
…
…
…
…
国地一－
《信号与系统》教学改革思考与实践
长江大学电信学院蔡卫菊
【摘要】《信号与系统》是电子信息类的专业基础课，针对《信号与系统》课程的特点，本文从教学方法和手段、讨论课的教学、课程实验环节等方面进行思考
与实践，将ＭＡＴＬＡＢ软件引入教学和实验中，更好地培养了学生思考问题、分析问题、解决问题的能力，取得了良好的教学效果。【关键词】信号与系统；ＭＡＴＬＡＢ；教学改革
《信号与系统》是电子信息类等相关习题是对课堂教学内容的延伸和拓展，专业的一门重要专业基础课，所涉及的概念能够帮助学生消化和巩固所学知识，培养学和分析方法已经在众多领域和学科中有所应生运用理论知识解决实际问题的能力。在习用。该课程以高等数学、工程数学等课程为题的挑选上主要分五个部分：自测题，每节基础，是后继的数字信号处理、通信原理、课完成之后进行自我检测的题目；基本习自动控制原理等专业课程的先修课程，在教题，要求绝大多数学生都会做的习题；复学环节中起着承上启下的作用，由于该课程习提高题，针对学有余力的学生，特别是理论性很强，内容比较抽象，公式和理论推导要考研的学生，为此本课程配备了考研指导多，具有一定的教学难度。同时《信号与系书；学习指导书中的阶段自测题，在一阶段统》是一门理论与实践相结合、应用性极强的的相关课程完成之后要求学生进行阶段性测课程。因此，将抽象的理论变为学生可接受试；ＭＡＴＬＡＢ练习题；主要用于锻炼学生利用的感性认识，如何与实际工程应用相结合，是ＭＡＴＬＡＢ对课程中主要知识点进行仿真分析，《信号与系统》课程面临的挑战之一 …。本文加深对理论的理解，同时本书还配套了《信针对《信号与系统》课程的特点，从教学方号与系统》的实验教程供学生参考。在习题法和手段、讨论课的教学、课程实验环节等课教学过程中，注重理论与实践相结合，让方面进行思考与实践，将ＭＡＴＬＡＢ软件引入教学生掌握分析问题解决问题的方法，从而进学和实验中，更好地培养了学生思考问题、步理解和掌握知识难点，拓宽知识面，锻分析问题、解决问题的能力。炼思维能力 “ 。改进教学方法和手段。实现知识５．重视网络教学资源的利用传授与能力培养结合在长江大学精品课程网站上，《信号１．把握教学的核心内容与系统》作为省级精品课程，一直致力于给信号与系统课程的特点是理论性比较学生提供更完善的教学资源，从理论课的课强，内容比较多，但课程内容之间有着非常件到课后习题解答，从理论讲解到实验演密切的联系。例如在变换域分析方法中，可示，以及在线答疑等等多方面的内容，有利以将傅里叶变换和傅里叶级数以及拉普拉斯于提高学生的学习积极性，帮助学生实时解变化联系起来，同时系统的傅里叶分析与系决学习中疑问。统的拉普拉斯变化分析也有相似和不同的地二、加强信号与系统讨论课的教学方，通过比较分析，使其成为一个有机的整针对多数学生该课程究竟有何用处很体。又如，连续时间系统与离散时间系统的茫然的情况，以及学习该门课程的困难展开分析方法在很多地方是非常相似的，但是又讨论，意在激发学生的积极性，讨论了信号有各自的特点。在教学中，突出了这些相互与系统与前续课程及与后续主要课程之间的之间的联系，使得学生可以从更高层面上整关系，让学生了解到学习《信号与系统》课体把握课程的核心内容。程的重要性和专业知识的应用情况。讨论课２．对教学内容的授课顺序进行改革对《信号与系统》课程中涉及的频域分析针对以往学生的学习效果，学生普遍方法作了简单的总结，包括对信号的表示和反映傅里叶变化较难接受，而拉普拉斯变化系统的分析方法，其中对重要的公式作了简更容易接受，因此在教学过程首先讲授拉普单的回顾和总结，旨在让学生从整体上认识拉斯变换以及连续系统的拉普拉斯变化分频域分析方法。并对频域分析的应用进行析，其次是傅里叶变化以及系统的分析，这举例，通过频域分析的实例加深学生对频域样让原本复杂的过程变得更加循序渐进，学分析的概念和应用认识，引导学生将这些分生学起来更加轻松。析问题的方法应用到实际中，并给出每个实３．采用多种教学形式结合例相应的ＭＡＴＬＡＢ程序，通过仿真实验可加让本课程对每一节课的授课方案作出详学生更加直观的认识信号与系统的理论知识细的安排。如授课方式、主要知识点、课堂与实践工程有何关联等。对《信号与系统》小结、课堂提问与练习等。由于教学教学对课程中涉及的复频域分析方法作了简单的总象的个体差异和多样性，不存在单一的最佳结，并将其与频域进行比较分析其联系与区的教学方法和手段，所以在教学的过程中，别，加深了学生对复频域的理解。同时，对要勇于创新。我校在信号与系统的教学过程复频域的应用进行举例，通过仿真实验让学中主要采用讲授、演示、讨论相结合的方生更好地理解理论与实践之间的联系。法。研制了信号与系统实验演示系统，把讨论课是师生互动的主要方式，通过ＭＡＴＬＡＢ引入到教学中。例如讲解卷积积分计讨论课可以解决学习过程中的疑问，帮助学算过程，采用多媒体动画演示卷积积分的计生更好完成后续课程的学习，提高了学生的算过程，使原本枯燥乏味的计算过程变得生学习兴趣，调动了学生的积极性，同时讨论动直观，学生就会明白卷积的图解含义。又课程的开展扩展了本课程的应用，培养学生如在ｚ变化和拉普拉斯变化的关系中，利用分析问题、解决问题的能力。动画演示其Ｚ平面和Ｓ平面的映射关系图，可三、加强信号与系统仿真实验环节以让学生清楚两者之间的关系。ＭＡＴＬＡＢ软件是由ＭａｔｈＷｏｒｋ公司于ｌ９８４４．重视习题课的教学年推出的数学软件，如今已成为各种系统仿

信号与信息处理专业排名

西安电子科技大学A+2北京邮电大学A+3电子科技大学A+4清华大学A+5东南大学A+6北京交通大学A+7北京理工大学A8哈尔滨工业大学A9华中科技大学A10上海交通大学A11北京航空航天大学A12北京大学A13西北工业大学A14大连理工大学A中国科学技术大学A16南京大学A17四川大学A18山东大学A19天津大学A20浙江大学A21西安交通大学A22武汉大学A23哈尔滨工程大学A24南京邮电大学A25上海大学A26杭州电子科技大学AB+等(41个)：西南交通大学、合肥工业大学、南京理工大学、华南理工大学、苏州大学、吉林大学、深圳大学、大连海事大学、中北大学、重庆邮电大学、南京航空航天大学、重庆大学、武汉理工大学、南开大学、中国海洋大学、成都信息工程学院、上海海事大学、江南大学、安徽大学、北京师范大学、西安理工大学、北京工业大学、同济大学、哈尔滨理工大学、东北大学、湖南大学、长江大学、中国传媒大学、桂林电子科技大学、东华大学、南京信息工程大学、厦门大学、沈阳航空工业学院、济南大学、西安邮电学院、中国民航大学、北方工业大学、长春理工大学、陕西师范大学、浙江工业大学、成都理工大学B等(40个)：江苏科技大学、西安科技大学、天津工业大学、长春工业大学、华北电力大学、广东工业大学、中南大学、贵州大学、河海大学、中山大学、暨南大学、西北大学、汕头大学、长安大学、新疆大学、上海理工大学、江西科技师范学院、福州大学、南昌大学、太原理工大学、华东理工大学、山东科技大学、五邑大学、西安工业大学、山西师范大学、西南大学、西华大学、天津理工大学、燕山大学、湘潭大学、兰州理工大学、烟台大学、重庆工学院、北京印刷学院、青岛大学、沈阳工业大学、黑龙江大学、扬州大学、南昌航空工业学院、内蒙古大学通信与信息系统专业与信号与信息处理专业的区别通信与信息系统专业（一）《移动通信与无线技术》研究数字移动通信和个人通信系统的系统模拟、多址技术、数字调制解调技术、信道动态指配技术、同步技术、多用户检测技术、语音压缩技术、宽带多媒体技术以及射频技术。

【2017年整理】长江大学计本05《数据库原理及应用》期末考试试卷A_答案

A．层次数据库B．网络数据库C．关系数据库D．非数据库8.自然连接是构成新关系的有效方法。

一般情况下，当对关系R和S使用自然连接时，要求R和S含有一个或多个共有的（ D ）。

A. 元组B. 行C. 记录D. 属性9.关系运算中花费时间可能最长的运算是（ C ）。

A. 投影B. 选择C. 笛卡尔积D. 除10.文件系统与数据库系统的最大区别是（ C ）。

A. 数据共享B. 数据独立C. 数据结构化D. 数据冗余11.用于实现数据存取安全性的SQL语句是（ C ）A、CREATE TABLEB、COMMITC、GRANT和REVOKED、ROLLBACK12.（ A ）用来记录数据库中的数据。

A．数据库文件B．缓冲区C．日志文件D．后援副本13.二次封锁协议可以解决（ D ）的不一致性。

A．不可重复读、读脏数据B．读脏数据、死锁C．不可重复读、读脏数据D．丢失修改、读脏数据14.为提高效率，关系数据库系统必须进行（ B ）处理。

A、定义视图B、查询优化C、建立索引D、数据规范化到最高范式15.设有关系R（A，B，C）的值如下，下列叙述正确的是（ B ）：A. 函数依赖A→B在上述关系中成立B. 函数依赖BC→A在上述关系中成立C. 函数依赖B→A在上述关系中成立D. 函数依赖A→BC在上述关系中成立二、简答题 (共 25 分)16.【4分】设有关系R和S：试写出如下关系代数的值。

))((5,S R DC E F A << σπ解答：评分：字段名称正确得1分，结果集每正确一个得1分，总分不超过4分。

17. 【6分】设学生教学数据库中，有两个基本表：学生表：S(Sno, Sname, Sage, Ssex)成绩表：SC(Sno, Cno, Grade) 现有如下SQL 语句：SELECT Sname FROM S INNER JOIN SC ON S.Sno=SC.Sno WHERE Grade >= 60 请给出关系代数式和题目含义。

新版长江大学电子信息考研经验考研参考书考研真题

在很多年之前我从来不认为学习是一件多么重要的事情，那个时候我混迹于人群之中，跟大多数的人一样，做着这个时代青少年该做的事情，一切都井井有条，只不过，我不知做这些是为了什么，只因大家都这样做，所以我只是随众而已，虽然考上了一个不错的大学，但，我的人生目标一直以来都比较混乱。

但是后来，对世界有了进一步了解之后，我忽而发现，自己真的不过是这浩渺宇宙中的苍茫一粟，而我自身的存在可能根本不能由我自己来把握。

认识到个体的渺小之后，忽然有了争夺自己命运主导权的想法。

所以走到这个阶段，我选择了考研，考研只不过是万千道路中的一条。

不过我认为这是一条比较稳妥且便捷的道路。

而事到如今，我觉得我的选择是正确的，时隔一年之久，我终于涅槃重生得到了自己心仪院校抛来的橄榄枝。

自此之后也算是有了自己的方向，终于不再浑浑噩噩，不再在时代的浪潮中随波逐流。

而这一年的时间对于像我这样一个懒惰、闲散的人来讲实在是太漫长、太难熬了。

这期间我甚至想过不如放弃吧，得过且过又怎样呢，还不是一样活着。

可是最终，我内心对于自身价值探索的念头还是占了上峰。

我庆幸自己居然会有这样的觉悟，真是不枉我活了二十多个春秋。

在此写下我这一年来的心酸泪水供大家闲来翻阅，当然最重要的是，干货满满，包括备考经验，复习方法，复习资料，面试经验等等。

所以篇幅会比较长，还望大家耐心读完，结尾处会附上我的学习资料供大家下载，希望会对各位有所帮助，也不枉我码了这么多字吧。

长江大学电子信息的初试科目为：（101）思想政治理论(203)日语(302)数学二(852)信号与系统或（101）思想政治理论(203)日语(302)数学二(853)自动控制原理或（101）思想政治理论(204)英语二(302)数学二(852)信号与系统或（101）思想政治理论(204)英语二(302)数学二(853)自动控制原理参考书目为：(852)信号与系统《信号与系统》（第一版），金波，高等教育出版社，2011 (853)自动控制原理《自动控制原理》（第一版），吴怀宇、廖家平，华中科技大学出版社，2012；《现代控制理论》（第一版），赵明旺，华中科技大学出版社，2007先介绍一下英语现在就可以开始背单词了，识记为主（看着单词能想到其中文章即可，不需要能拼写）从前期复习到考试前每天坚持两到四篇阅读（至少也得一篇）11月到考试前一天背20篇英语范文（能默写的程度）。

2010年计算机学院研究生复试名单(公示)

计算机科学与技术计算机软件与理论计算机科学与技术计算机科学与技术计算机系统结构计算机科学与技术计算机软件与理论计算机应用技术计算机应用技术计算机软件与理论计算机科学与技术计算机应用技术计算机软件与理论计算机科学与技术计算机科学与技术计算机软件与理论计算机科学与技术计算机系统结构计算机科学与技术计算机软件与理论计算机应用技术计算机应用技术
2010年(计算机学院)硕士研究生入学考试拟复试考生名单(学术型) 2010年计算机学院) 硕士研究生入学考试拟复试考生名单( 学术型)
序号
1
准考证号
106570000001108
姓名
阙从园陈梦倩何朝霞李鹏飞连丽娟刘影梅燕杰穆倩倩覃涛王方王小微王昭肖敏肖扬杨涛张宏伟王嵘瑜张鹏浩李洪旭陈喜庆田杰聂笃丹李明辉汤玉
106 107020137093038 107 106140081203372 108 102800210005954 109 102800210000479 110 104870000136354 111 100070000005585 112 104590411150097 113 104970200334045 114 102880200004893 115 107010161130124 116 100080081200568 117 107010137014866 118 102170000060308 119 100130412610001 120 104880000020042 121 104220510004267 122 104630411000437 123 104870000136354 124 100070000005585 125 104590411150097 126 104970200334045 127 106570000001168

通过记录和分析岩石钻井破裂时形成的电流在钻井过程中建立连通井底的信息传播通道

・９・６
目和研究目的，大多数研究者走的是复杂监测系统
出结论，岩石破裂时的电磁发射是热电子发射（电子从灼热体表面发射，钻头和岩石接触面温度高达几千度）和外电子发射（物体受力破裂时发射电
子）同时还指出，头表面带电层和岩石表面带电，钻
到）而测量费用低，，除此之外，监测系统还能减少钻井过程中的时间浪费和材料浪费，保证钻探公司按照
设计顺利钻井。
物体依次是：钻具、钻机附件、岩石。在该思路指导下做的实验十分接近钻井过程出现的现象。
研究新亮点：科研工作开始前，我们收集了大量
国际国内信息，结果表明，目前还没有类似的研究项
场，钻井液（实验研究时使用的是水）全屏蔽了裂完
响程度编写电流信号快速采集、处理、存储的软件根据电流曲线建立钻井设备井下响应模型研究现实意义和应用性：所周知，众钻井过程的
一一
监测系统有很多种，但是它们当中大多数都有缺点，主要表现是，单便宜的系统测量误差大，能取得简而
一
极大地降低钻井成本并控制和降低产层污染。
１研究ＡＡ．９０年托．
一
根据岩石生成电流的大小而将其分类确定钻井参数和电流产生机理对实验结果影
Ｖｒｙｖｏｂｏ就研究了固体在机械力作用下的电学现象，ｏ其研究成果可以运用到与该现象有关的各个应用学科中。他的研究证明：岩石的矿物成分和流体饱和度对电磁场的变化有着显著影响。托蒙斯克理工大学率先在实验中监测了金刚石钻具破碎岩石过程，然而，只有在空气钻的情况下才能记录到样品周围的电磁

《信号与系统》精品课程建设实践探讨

加速实现与其他技术平台课程、计算机技术间的相互联系及迁移运用；以多媒体技术与信号与系统课堂教学整合问题为切入点，建构了既能发挥教师主导作用，又能体现学生认知主体作用的教学模式，培养
了学生的自学习惯，变传统教学为创造性教学＿。１］１２优化重组课堂教学内容．
１３精心编制多媒体课件，打造信号与系统智能化教学平台．精品课程建设，构造智能化教学平台是前驱。在教学中，多角度挖掘教材内容的启发性、探索性、开放性、实用性与情感教育功能，精心编制多媒体课件，构造智能化课程教学平台。
精品课程建设，教学内容更新是核心。在教学中，本着 “ 强基础、强化致用、促进创新 ” 的原加
则，对信号与系统的教学内容大胆进行了清理、调整和重构，重新编写了教学大纲、教材和专题讲义，
精简和整合了传统教学内容，补充介绍一些科学研究前沿课题等，使学生掌握该门课程的基本知识框架、知识间的内在联系，培养其创新意识和实践能力。
与传统课堂教学的整合为切入点，对整合后的课堂教学模式、学生学习辅导系统、教学质量科学评价体系等进行了探索和实践。
［键词］《号与系统》关信；精品课程；建设；措施；实践；效果［图分类号］Ｎ４中［献标识码］Ａ文［文章编号］１７ —１０（０８３３４３６３４９２０）０一Ｎ２ —０

长江大学研究生课程成绩登记表

长江大学研究生课程成绩登记表学年第学期专业：结构工程年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：地图学与地理信息系统年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：地质工程年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：矿产普查与勘探年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：矿物学、岩石学、矿床学年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：矿物学、岩石学、矿床学年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：矿物学、岩石学、矿床学年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：地球化学年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：地球探测与信息技术年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：固体地球物理学年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：通信与信息系统年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：信号与信息处理年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：企业管理年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：环境工程年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：应用化学年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：机械设计及理论年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：计算机应用技术年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：应用数学年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：油气井工程年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：油气田开发工程年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：农业经济管理年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：作物遗传育种年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日长江大学研究生课程成绩登记表学年第学期专业：年级： 05级课程名称：任课教师：课程类别：学时：学分：考试方式：考试时间：年月日系（教研室）主任：年月日院(系)主管领导：年月日。

长江大学电子信息学院研究生招生专业介绍及要求

长江大学电子信息学院研究生招生专业介绍及要求1长江大学电子信息学院研究生招生专业长江大学电子信息学院是长江大学的重要学院之一，拥有丰富的教学和科研资源。

作为一所综合性大学，长江大学电子信息学院在研究生招生专业方面也非常优秀。

根据2023年的招生计划，长江大学电子信息学院共开设了两个研究生专业，分别是电子信息和信息与通信工程。

电子信息专业是长江大学电子信息学院的一项核心专业，专业代码为085400。

该专业主要培养学生在电子信息领域的研究和应用能力，使学生能够在电子信息技术、电子产品设计与制造、电子信息系统集成与管理等方面具备较高的理论水平和实践能力。

学生在学习过程中将接受一系列的课程培训，包括电路与系统、数字信号处理、通信原理等。

毕业后，学生可以在电子信息领域的科研机构、高新技术企业、通信公司等单位从事科研、设计和管理等工作。

信息与通信工程是长江大学电子信息学院的另一项重要研究生专业，专业代码为081000。

该专业主要培养学生在信息与通信领域的研究和应用能力，使学生能够在通信技术、网络技术、无线通信等方面具备较高的理论水平和实践能力。

学生在学习过程中将接受一系列的课程培训，包括通信原理、网络编程、数字图像处理等。

毕业后，学生可以在通信领域的科研机构、电信运营商、互联网公司等单位从事科研、设计和管理等工作。

长江大学电子信息学院研究生招生专业的开设，为广大研究生提供了丰富多样的选择。

学院拥有一支优秀的师资队伍，教师们具有丰富的教学和科研经验，能够为学生提供高质量的教学和指导。

此外，学院还拥有先进的实验设备和实验室，为学生的实践能力培养提供了良好的条件。

如果你对电子信息或信息与通信工程感兴趣，并且想要深入研究相关领域，长江大学电子信息学院研究生招生专业将是你的不二选择。

通过系统的学习和培养，你将能够掌握先进的理论知识和实践技能，为未来的科研和工作打下坚实的基础。

如果你对长江大学电子信息学院研究生招生专业感兴趣，可以登录学院的官网了解更多详细信息。

音叉式液体密度计测量仪的设计

音叉式液体密度计测量仪的设计唐桃波;余厚全;陈强;徐涛;邓明【摘要】针对现有液体密度检测方法的不足，提出了一种音叉式液体密度测量方法。

根据音叉的振动频率随音叉叉臂间的液体密度改变而改变的原理，利用压电陶瓷的压电效应，用电压信号驱动激励压电陶瓷来使音叉振动，同时拾振压电陶瓷拾取振动信号并转化成方波信号。

通过测量该方波信号的频率就能测出液体密度，并据此设计了一套音叉式密度测量仪。

该音叉式密度检测方法较适合于液体密度的检测，检测精度高、且直接在检测点上将液体密度转化成了频率，便于数字化，且精度高，操作简单，大大提高了检测效率，可以满足高精度液体密度测量要求。

【期刊名称】《长江大学学报（自然版）理工卷》【年(卷),期】2016(013)022【总页数】5页(P14-18)【关键词】音叉;液体密度;测量仪;压电陶瓷【作者】唐桃波;余厚全;陈强;徐涛;邓明【作者单位】长江大学电子信息学院，湖北荆州 434023; 中国石油集团测井有限公司，陕西西安 710077;长江大学电子信息学院，湖北荆州 434023; 中国石油集团测井有限公司，陕西西安 710077;长江大学电子信息学院，湖北荆州 434023; 中国石油集团测井有限公司，陕西西安 710077;长江大学电子信息学院，湖北荆州 434023; 中国石油集团测井有限公司，陕西西安 710077;长江大学电子信息学院，湖北荆州 434023; 中国石油集团测井有限公司，陕西西安 710077【正文语种】中文【中图分类】TP212液体介质密度的测量在石油化工、造纸、食品加工和纺织印染等行业有着很广泛的应用。

目前，液体密度的测量方法主要有放射性密度计,压差式密度计，超声波式密度计等。

放射性密度计由于放射性源会对测量介质及周围环境造成放射性污染，使用越来越少；压差式密度计存在测量误差大、易损坏、造价高的缺点[1]；超声波式密度计受液体杂质干扰影响比较大，影响传感器的测量精度和稳定性，需考虑介质粘度、寄生电容及电磁干扰的影响[2]。

《信号分析与处理》教学理论框架建立

《信号分析与处理》教学理论框架建立邬世英【摘要】《信号分析与处理》是勘察技术与工程专业一门重要的基础课程,涉及的内容抽象、公式繁多,理论分析与实际应用结合困难.根据该课程多年的讲授经验,并结合学生反馈的接受情况,阐述了《信号分析与处理》理论框架建立的必要性,重点提出了该课程的2个理论框架——基于抽样定理的理论框架和正交变换的理论框架,并以该课程的主要知识点为例,详细讲解了基于2个理论框架的各知识点的关系梳理.【期刊名称】《长江大学学报（自然版）理工卷》【年(卷),期】2017(014)015【总页数】3页(P40-42)【关键词】信号分析与处理;理论框架;抽样定理;正交变换【作者】邬世英【作者单位】长江大学地球物理与石油资源学院,湖北武汉430100【正文语种】中文【中图分类】G642.0勘查技术与工程专业的《信号分析与处理》课程，其主要内容是将《信号与系统》和《数字信号处理》2本书的内容结合起来，涉及的课程内容多、公式多、定义多、推导多，知识点容易混淆，学生普遍反映学习难度大。

笔者通过多年的教学实践，充分认识到《信号分析与处理》是门具有思想性、方法性的课程，要做到课程教学系统性、条理性和易接受性，授课教师必须在授课过程中注重理论框架的建立，进而通过该理论框架系统地梳理整个课程的知识点，将各相关知识点有机地联系起来。

通过建立理论框架，达到提纲挈领、总揽全局的效果。

在《信号分析与处理》课程中，需要建立怎样的理论框架呢？根据多年的教学实践，笔者以为该课程的理论框架主要是基于抽样定理和正交变换。

在工程中的许多信号实际是连续时间信号，但是用计算机处理上述信号时，首先需要对连续信号进行抽样得到离散信号，离散信号和连续信号就是局部和整体的关系[1]。

离散信号可以恢复为连续信号的条件就是时域抽样定理的内容，即：一个最高频率为fm的频带有限信号f(t)，在抽样频率fs≥2fm的条件下，可由它在均匀间隔点的抽样值进行唯一的确定[2]。