基于方阱模型计算液体的导热率

为了满足工程上对液体导热率的要求,在方阱模型基础上提出了计算液体导热率的方程。所得的导热率计算方程包括分子平动贡献项和分子内部能量贡献项。为了计算方便,根据分子模拟数据提出了计算中所需的方阱流体的径向分布函数的关联式。物质的能量参数由其临界温度估算,而硬壳体积则由基团贡献法获得。考虑到实际液体有别于方阱流体,在实际液体导热率计算中引入了一个与密度有关的校正参数。使用该文提出的方法,对液体氩及10种液态烃类物质的导热率进行了计算,其计算的平均相对误差小于5.3%。     

白翅潜叶蝇的发现与研究

白翅潜叶蝇在福建省的发现 1981年4月10日．田间调查发现．福鼎市桐山区流美村种植的小麦及大麦遭受一种潜叶性昆虫的为害，多数麦株叶片前半段干枯，远远望去，全田呈现一片斑驳状枯白，虫株率达100％．产量损失二成以上。不久．白琳区和点头区等地亦相继传来灾情。     

沉积盆地多次拉张模拟中拉张系数的计算

沉积盆地模拟中拉张系数是反映其构造热演化的重要参数.拉张系数β=初始地壳厚度/拉张后地壳厚度.对于只经历一次拉张的盆地而言,拉张后的地壳厚度即现今地壳厚度,很容易求得β.而沉积盆地往往经历不只一次而是多次非均匀拉张,那么各次拉张系数的计算就很难用简单的公式来计算.另外,沉积盆地由于拉张,引起岩石圈减薄和初始沉降,同时引起温度场的变化.随着时间的推移,温度场的变化又引起热沉降.构造沉降和温度场是     

森林面积分布系统的最优控制存在性问题

本文研究森林面积分布系统的最优控制问题。本文将林木总和长消率作为控制变量，以“范数最小”来衡量其最优性，利用空间Ｌ＾２（０，Ｔ）Ｔ〉０的自反、光滑和严格凸性，给出了森林面积分布系统最优控制的一个存在性定理。     

Qα△(T~n)时不可逆卡诺致冷循环工况对其性能的影响

本文在定义致冷循环内不可逆性的基础上,研究了Qα△(T~n)时不可逆卡诺致冷循环工况对其性能的影响,得到了优于已报道的致冷系数与致冷率间的优化关系,讨论表明,这一关系是线性、非线性传热与内可逆及内不可逆多种情况下卡诺致冷循环普遍满足的基本优化公式.     

关于降低变压器损耗的几点探讨

本文详细论述了降低变压器运行损耗的原理和措施，导出了相关公式，并给出了一些降损节电的实例。     

论砂金矿物的表面生长结构和砂金矿床成因

经对采自砂金矿床，金矿床氧化带和块金（狗头金）样品的观察研究，特别是采用电子显微镜进行精细矿物学研究后发现，所研究的样品无一例外地均具有代表性，它是表生电流动溶液中生成的表面生长结构图象，证明它们均是在天然水系和开放式物化环境中白含金溶液不断的淀积作用生成的。因而砂金颗粒均属表生条件下形成的溶液沉积矿物，砂金矿床从成因上说应属表生化学沉积矿床。砂金颗粒是在原地生成的。金粒表面生长结构应作为标型特征。     

能耗率极值原理和重力理论交互作用下粗质颗粒的浓度垂线分布

本文同时运用能耗率极值原理和重力理论研究了固液两相流在粗质颗粒时固相浓度的垂线分布,通过探讨能耗率极值原理对“非单向性”作用问题,进一步揭示了两相流运动的机理。计算结果与实测数据有较好的吻合。其研究方法、原理、步骤也极易推广到其它各种粒径的固相。     

通讯基站分离式热管换热器的传热性能实验研究

通讯基站面临散热不均、散热系统能耗高等问题。分离式热管换热器能替代机房内空调的使用,有效减少基站散热系统能耗。分离式热管换热器传热性能的影响因素有充液率、工质类型和风量等。为了研究不同因素对换热性能的影响,通过理论计算对比分析了理论充液率和实际充液率的差异;搭建实验平台研究了不同充液率下换热器的传热性能变化规律,不同高、中温工质下换热器性能的差异以及室内外风机功率的改变对换热器性能的影响规律。研究发现：使用工质R134a时,最小充液率理论值和实际值的误差为4.74%,换热器最优充液率范围为27.1%～47.9%,且最佳充液率为31.6%,最佳充液率下换热器当量换热系数为909 W/℃;随着充液率的提升,换热器内部相变区域先增大后减小,传热形式由气态工质显热传热为主先变为工质相变潜热传热为主,而后变成液态工质显热传热为主;高温工质不适用于该分离式热管换热器,使用高温工质时,换热器内部无明显相变区域,换热器使用的工质沸点越低,相变区域越大,换热器性能越好,其最佳充液率范围也越大;随着室内、外风机功率增大,换热器性能均先迅速提升而后提升速率减缓,但蒸发器侧由于散热条件较差,提升内风机功率对系...     

运用主成分分析和深度神经网络预测钢包炉合金元素收得率的研究

钢包炉（ladle furnace,LF）精炼的核心任务之一是进行钢水合金化过程,以保证钢包到达连铸平台后满足钢水成分要求。钢水合金化也是较为复杂的物理化学反应过程,其不仅对钢水温度有影响,而且对钢水质量、合金料消耗量均有影响。因此,实现LF精炼过程中合金元素收得率的精准预测具有重要意义。本研究首先采用主成分分析法（principal component analysis,PCA）对模型输入变量进行处理,用于简化实际生产数据结构;然后,融合SGDM算法和L2正则化方法,构建了深度神经网络（deep neural network,DNN）;最后,采用主成分分析和深度神经网络相结合的方法,建立了合金元素收得率预测模型。结果表明,Si元素收得率命中率在±1%, ±3%和 ±5%误差范围内分别为54.0%、93.8%和98.8%;Mn元素收得率命中率在±1%, ±2%和 ±3%误差范围内分别为77.0%、96.3%和99.5%。此外,PCA–DNN模型的预测精度优于参考炉次法、多元线性回归模型、改进BP神经网络模型和DNN模型,有助于实现钢水成分的“窄窗口”控制。本研究中合金元素收得率预测模型的建立,也可为LF智能精炼合金化控制模型的开发提供支撑。