矩形通道内置加热板混合对流的实验研究

通过实验研究了中心截面带有加热平板的水平和倾斜矩形通道入口段的混合对流换热,该矩形通道和加热平板均采用高热导率材料制作,矩形通道外壁面绝热.实验过程中Re从334变化到1 911,管道倾角从-60°增加到60°.实验数据处理时采用壁面均匀恒定热流边界条件,处理结果与相关文献吻合较好.通过实验得到了管内平均Nusselt数和压力损失的分布.实验结果表明:换热系数是充分发展层流混合对流的2到3倍;当Re增加时,管内换热系数增加,压损随之增大;当Re较小时,换热系数和压损均随倾角的增大显著增大;当Re约增加到1 800时,角度变化对换热系数和压损的影响很小.     

管壁导热对管内流动流体热边界条件的影响

对层流管内受迫流动热入口段内流体与管壁间耦合传热进行了计算 ,研究了试件几何尺寸、试件与流体物性参数及流体流动状态对内管壁处流体热边界条件均匀性的影响。研究结果表明 ,即使在管外壁均匀加热 (或冷却 )的情况下 ,管壁导热也使得内管壁处流体的热边界条件出现明显的不均匀性。影响这种不均匀性的主要因素是Peclet数、管壁材料的相对导热系数、实验段相对加热长度及管壁相对厚度等无量纲参数。为了改善管内壁处流体的热边界条件以提高对流换热实验结果的精度和可靠性 ,在保证管外壁加热 (或冷却 )均匀性的前提下 ,一定要尽可能采用足够长的薄壁管做对流换热实验的加热段。此外 ,试件的材料与拟采用的加热方式有关。恒壁温加热时要选用导热系数大的材料 ,而恒热流加热时 (如外绕加热丝加热或管壁直接通电加热 )则应选用导热系数较小的材料     

幂律流体管内充分发展的对流换热分析

将非牛顿流体的动量方程、能量方程和幂律流体的本构方程相结合，建立了幂律流体管内流动和换热充分发展时的对流换热控制方程组，并在恒热流和恒壁温边界条件下分别对方程组进行了求解，得到了两种不同边界条件下的温度分布和无量纲对流换热系数(Nu数)的表达式。结果表明，幂律流体的流变指数对流体流动的影响要大于对换热的影响；在恒热流边界条件下，幂律流体的温度在管内沿轴向呈线性分布；而在恒壁温条件下，其截面平均温度沿轴向呈指数规律变化。幂律流体的无量纲对流换热系数与幂律流体的流变指数有关，并且在两种边界条件下，均随着流变指数的增加而减小。     

幂律流体管内充分发展的对流换热分析

将非牛顿流体的动量方程、能量方程和幂律流体的本构方程相结合 ,建立了幂律流体管内流动和换热充分发展时的对流换热控制方程组 ,并在恒热流和恒壁温边界条件下分别对方程组进行了求解 ,得到了两种不同边界条件下的温度分布和无量纲对流换热系数 (Nu数 )的表达式。结果表明 ,幂律流体的流变指数对流体流动的影响要大于对换热的影响 ;在恒热流边界条件下 ,幂律流体的温度在管内沿轴向呈线性分布 ;而在恒壁温条件下 ,其截面平均温度沿轴向呈指数规律变化。幂律流体的无量纲对流换热系数与幂律流体的流变指数有关 ,并且在两种边界条件下 ,均随着流变指数的增加而减小     

垂直矩形窄缝流道中混合对流换热的数值模拟

直接使用N－S方程，采用将重力项化为与温度和差压有关函数的处理方法，对垂直矩形窄缝流道中定热流密度下混合单相层流对流换热进行了数值模拟，发现了在整个流道靠近加热壁面区域存在强烈的“烟囱效应”，在层流流动时，由于该效应的存在，使近壁区域的工质扰动加强，从而提高局部对流换热系数，但将造成整个加热壁面换热系数分布不均匀，故该种对流方式只能用于较低热流密度的传热，若壁面的热流密度过高，将对整个流道的安全性造成很大威胁，所建立的浮力影响模型可以预测混合对流时的传热，经过正能用于计算湍流混合对流换热。     

竖环形夹层内自然对流换热的实验研究和数值计算

作者对两端封闭且绝热、外管表面为等温边界条件、内管表面为不同热边界条件下的竖环形夹层内的自然对流换热进行了数值计算和部分实验研究。在实验模型中,加热管内表面维持为等热流边界条件。文中对四种加热管的边界条件进行了数值计算,给出了实验研究与数值计算的结果,分析了不同边界条件对于换热及加热管壁面温度分布的影响。在耦合问题的数值计算中,采用了双块修正技术,保证了迭代计算的收敛性。数值计算的结果同前人的研究和本文的实验结果的符合程度是令人满意的。     

微重力条件下管肋式空间辐射器的传热分析

建立了航天器上常用的管肋式空间辐射器在微重力条件下的导热、对流和辐射相互耦合的复杂传热过程的数学模型，并考虑了管壁与肋片表面之间相互辐射的影响。整个模型的求解采用迭代法，管内流体的速度场和温度场的求解用ＳＩＭＰＬＥ算法，分别计算了肋片上的温度分布、管壁与肋片上的热流分布与管内对流换热的平均Ｎｕ数，得出了进行管肋式空间辐射器优化设计所必需的重要参数，同时还研究了重力场对辐射器传热的影响，对在地面上进行空间辐射器的模拟实验研究具有重要意义。     

超临界压力水在水平同心套管间自然对流换热研究

通过数值计算深入分析了超临界压力条件下水的强烈的物性变化及对流换热的边界条件对水平同心套管间自然对流换热的影响规律,并为高新技术的发展提供一定的理论基础。采用求解原始变量的有限差分法,并利用大型通用计算程序ＰＨＯＥＮＩＣＳ,对控制方程组进行了数值求解。分析了在内、外管表面均为等壁温边界条件或内管为常热流、外管为等壁温边界条件下,同心套管间的流场和温度场;研究了强烈的变物性、内外表面温差及内管壁面上的热流密度等对内、外管壁上自然对流换热系数的影响规律。结果发现：在内管表面热流密度相同的条件下,不同的外管表面温度所对应的内、外管表面温差及对流换热系数有比较大的差异;在某些条件下,随着热流密度的升高,尽管套管内自然对流流速增大,但是自然对流换热能力却下降。     

不同热流下平行平板微槽内流体滑移流动与层流换热

对两侧不同定热流热边界条件下,流动与热充分发展的平行平板微槽在滑移流区内的层流换热进行了理论分析,研究了微槽内温度场的分布和换热特性,并讨论了Kn、热流比、动量协调系数、热协调系数等的影响.     

超临界压力CO_2竖直管内传热恶化抑制实验

为抑制浮升力导致的超临界压力流体传热恶化,该文采用光管内插螺旋结构,增强管内湍流发展,提高流体管内换热性能。对超临界压力CO_2在竖直光管、内插螺旋管内对流换热进行了实验研究,比较了热流密度、进口Re、流动方向等因素对换热的影响,讨论了内插螺旋结构对传热恶化现象的抑制作用。研究结果表明:由于浮升力传热恶化作用,流体在光管内向上流动壁温分布呈非线性变化趋势,壁温峰值区域随热流密度升高逐渐向入口区域移动;光管内插入螺旋结构可以有效抑制由浮升力产生的传热恶化作用,显著提高超临界压力CO_2管内对流换热强度,内插螺旋结构管相对于光管可以提高对流换热系数约200%以上;超临界压力CO_2在内插螺旋结构管内流动与换热时,在热流密度较高情况下,浮升力依然会对换热起到一定的恶化作用,流体向下流动时沿程对流换热系数略高于向上流动。     

优化反向传播神经网络的自适应遗传算法

探讨了用遗传算法优化反向传播神经网络的问题。通过对不同遗传操作的分析和改进,提出了一种能有效进行局部搜索和全局搜索的自适应遗传算法。计算结果表明,该算法能快速地求出问题的全局最优解,且具有较好的计算精度。     

利用修正的BP神经网络进行框架结构损伤诊断

提出了一种基于修正的BP神经网络方法的结构损伤诊断方法，该方法通过基于误差曲面调整权值以及引入动量因子算法来避免出现局部极小，并通过自适应调整学习速率来提高学习效率，从而解决了传统BP神经网络在实际应用中存在的收敛速度慢和存在局部极小的问题。算例表明，该方法能够不仅较为准确的检测出结构的不同程度损伤，而且提高了计算效率，同时具有较强的鲁棒性。     

Combinatorial Optimization Based Analog Circuit Fault Diagnosis with Back Propagation Neural Network

Electronic components＇ reliability has become the key of the complex system mission execution. Analog circuit is an important part of electronic components. Its fault diagnosis is far more challenging than that of digital circuit. Simulations and applications have shown that the methods based on BP neural network are effective in analog circuit fault diagnosis. Aiming at the tolerance of analog circuit,a combinatorial optimization diagnosis scheme was proposed with back propagation（ BP） neural network（ BPNN）.The main contributions of this scheme included two parts：（ 1） the random tolerance samples were added into the nominal training samples to establish new training samples,which were used to train the BP neural network based diagnosis model;（ 2） the initial weights of the BP neural network were optimized by genetic algorithm（ GA） to avoid local minima,and the BP neural network was tuned with Levenberg-Marquardt algorithm（ LMA） in the local solution space to look for the optimum solution or approximate optimal solutions. The experimental results show preliminarily that the scheme substantially improves the whole learning process approximation and generalization ability,and effectively promotes analog circuit fault diagnosis performance based on BPNN.     

基于遗传算法优化的自适应FNN-PID控制器研究

针对传统PID控制器参数整定后因无法在线自动调整而导致控制效果不理想的问题,提出了一种基于遗传算法优化模糊神经网络（FNN, Fuzzy Neural Network）的自适应FNN-PID控制器模型。该模型结合了模糊神经网络良好的自适应自学习能力和遗传算法强大的全局搜索能力,利用遗传算法对模糊神经网络的参数进行优化与训练,使PID控制器能够根据被控对象的变化而适时在线调整自身参数KP, KI和KD,从而达到理想的控制性能。将该控制器应用于异步电动机控制系统进行仿真实验,结果表明：基于遗传算法优化的自适应FNN-PID控制器具有较好的自适应能力和鲁棒性,控制效果明显优于传统PID控制器。     

多变元非线性复杂系统的优化与模拟退火算法

为了解决高合金高强高韧钢的性能优化问题,以获得最佳的强度和韧性的配合,采用人工神经网络方法建立多变量与多目标函数之间的关系,并将MonteCarlo方法中的模拟退火算法与人工神经网络BP算法相结合,解决了这类复杂系统中多函数变量与多目标函数之间没有确定的解析关系因而无法进行直接优化的难题·解决了航天用高强高韧钢性能优化问题,并为解决多变元非线性复杂系统的优化问题提供了一种新的有效的方法·     

Genetic Algorithm Based on New Evaluation Function and Mutation Model for Training of BPNN

IntroductionArtificial neural networks are used extensively forprocess prediction,fault diagnosis,and dataclassification in chemical engineering[1] .Backpropagation neural networks ( BPNN) arefrequently adopted in these applications for theirpowerful mapping ability[2 ,3 ] .However,a numberof problems lie in modeling by BPNN,forinstance,the training process is easily converged atlocal minima.Much research has been focused onthe techniques to overcome local minima.Fukuoka,Matsuki,Minamitan…     

改进的Elman网络在非线性系统辨识中的应用

通过对Elman网络的研究,提出一种新型的基于输入层、隐层、输出层神经元递归的动态递归神经网络,给出Elman网络的标准BP学习算法,针对标准BP算法的收敛速度慢和容易收敛于局部极小点的缺点,利用非线性动量项自适应变步长的BP算法进行改进,从而提高算法的收敛速度,避免陷入局部极小点的问题.通过在系统辨识中的应用,表明该网络收敛速度快,模型精度高,并具有较强的自适应性和鲁棒性,适合于动态系统的实时辨识.     

利用Alopex改进的粒子群优化算法及其在软测量建模中的应用

提出了一种利用A lopex算法改进的粒子群优化算法,并将其应用于神经网络的建模中。改进的粒子群优化算法改善了粒子群优化算法摆脱局部极小点的能力,对典型函数的测试和基于神经网络的软测量建模表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

基于GA-BP算法的隧道围岩力学参数反分析

建立智能位移反分析系统,用其确定隧道围岩的力学参数.针对BP神经网络易陷入局部极小值和训练时间过长等缺点,利用遗传算法全局寻优能力优化BP神经网络的权值和阈值.结合均匀设计法在围岩力学参数初始域范围内设计实验方案,这样不仅减少了迭代时间和次数,还提高了预测精度.通过对绿春坝隧道围岩力学参数的反演,验证了该方法的可靠性及适用性.将反演得出的围岩力学参数代入到数值模型中进行计算,结果表明,数值计算值与现场实际监测值的误差分别为-8.9%和4.5%.     

采用改进的BP神经网络预测离心通风机性能的研究

ＢＰ神经网络在离心通风机性能预测的研究中具有重要的价值,研究结果表明,对于任意平方可积函数,都可以采用ＢＰ算法通过对样本的学习获得满意的模拟结果,因此,在构造离心通风机性能预测模型中,ＢＰ算法提供了一个有力的工具。但是,在实际应用中,ＢＰ算法的收敛速度很慢,而且,人教学上看,它是一种梯度最速下降法,这就不可避免地存在着局部最小问题,尤其在训练量大、输入参数众多的情况下,学习效果大受影响。作者从改善