直燃型双效溴化锂制冷机扰动工况的动态仿真

针对直燃型双效溴化锂吸收式制冷机在扰动工况下的工作特点，建立了各个部件及系统的动态仿真模型，编制了通用仿真软件。利用仿真软件研究了制冷机在扰动工况下的动态特性，得出了为保持稳定的冷媒水出口温度，燃料输入量随着冷却水及冷媒水进口温度而变化的关系式。     

垂直管吸收器动态特性的研究

建立了垂直管吸收器的分布参数动态模型 ,运用该模型计算分析了吸收器的启动特性 ,得出了各参数沿管长的分布规律及吸收器出口宏观参数的变化规律 ,并进行了实验验证 .结果表明 ,吸收器垂直管的顶部在 2 0 %的长度内不存在吸收过程 ,溶液仅进行冷却降温 ;垂直管吸收器的冷却负荷约占机组总冷却负荷的 70 % ,表明垂直管吸收器的吸收效果很好 ,优于水平管 ;在机组的启动阶段 ,吸收器出口溶液的浓度存在一个先升后降的过程     

非线性互补约束均衡问题一个新的磨光逼近法

研究了一类非线性互补约束的均衡问题.借助于集结技术,提出一个新的磨光方法.基于该方法,构造一个在求解意义上与原问题等价的磨光非线性规划,从而保证一些经典的标准化算法可以应用到该类优化问题上.当非退化条件成立和磨光参数趋于零时,证明了原问题的S-稳定点与磨光非线性规划的KKT点等价.     

正电子的预言和发现

正电子是人们认识的第一个反物质粒子。狄拉克(P.A.M.Dirac,1902—1984)于1931年预言了它的存在。次年,美国物理学家安德森(C.D.Anderson,1905—)在宇宙线的研究中“偶然”观察到一个新粒子。不久以后,英国物理学家布莱克特(P.M.S.Blackett,1897—1974)和意大利青年物理学家奥恰里尼(G.P.S.Occhialini,1907—)证实了这项观察,并指出这就是狄拉克预言的粒子。从此,人类对物质的认识揭开了新的篇章。在历史上,这一事件比较典型,许多作者对此作过评述,一些当事人也作过回忆。本文拟在已有研     

一类非线性互补约束均衡问题的可行性条件

均衡约束优化问题在经济领域有着广泛的应用。研究了一类非线性互补约束均衡问题的可行性条件,其中约束条件不仅含有互补约束,而且还含有包括第一水平变量和第二水平变量的非线性约束,给出了两个新的假设,进而推广了线性互补约束优化问题的可行性条件。在一定条件下,分别证明了非线性互补约束的均衡问题是可行的和一类均衡问题中的SQP算法子问题的可行域非空。     

在宇宙线研究中发现正电子

本世纪30年代,核物理学、量子场论和宇宙线三方面的研究逐渐汇合在一起,形成粒子物理学研究的大趋势。关于正电子的理论及实验方面的工作,可以说是反映这种趋势的一个事例。     

直燃型高压发生器的启动特性

针对直燃型吸收式制冷机高压发生器的结构特征，建立了动态数学模型，进行了数值求解，得出了机组启动过程中高压发生器各出口参数的变化规律，并进行了实验验证．结果表明，小型直燃型吸收式机组的启动过程时间较长，蒸汽发生量与溶液出口温度基本同步稳定．烟气与溶液间的传热系数低于５０Ｗ／（ｍ ２·Ｋ），排烟温度为２００°Ｃ左右；启动稳定时间约需４５～６０ ｍ ｉｎ．     

新型销接钢筋铰缝弯剪复合作用下传力性能

为了研究铺装层厚度和销接钢筋铰缝对空心板桥铰缝传力性能的影响规律,通过改变桥面铺装层厚度和铰缝的配筋形式,设计了2组共4个梁式铰缝试件。进行了弯剪复合作用下结构开裂荷载、通缝荷载和极限荷载测试,与不带铺装层铰缝结构相比,传统结构加铺装层后分别提高了7.7%、114.3%和25.9%,新型销接钢筋铰缝结构加铺装层后分别提高了9.8%、61.3%和58%;与传统铰缝结构相比,新型销接钢筋与铺装层组合使用分别提高了28.6%、66.7%和88.2%,单独使用新型销接钢筋铰缝结构分别提高了26.2%、121.4%和50%。弯剪荷载作用下,加载侧与铰缝间荷载传递,在铰缝界面开裂前依靠界面黏结力,界面开裂后依靠界面黏结力和抗拉钢筋,界面裂缝贯通后,依靠抗拉钢筋传递荷载;铰缝与非加载侧自始至终通过界面黏结力实现荷载传递,新型销接钢筋铰缝多重横向受力钢筋自下而上依次破坏,破坏过程呈现出一定的延性。     

基于图神经网络特征交叉的协同过滤算法

学习用户和项目有效的向量表示是推荐系统的核心目标,现有的推荐模型大多通过深度神经网络或专门设计的特征交叉,来学习用户-项目间的特征交叉生成用户(项目)向量表示,但并未将用户(项目)特征间的交叉信息编码到嵌入向量中充分利用特征交叉信息,且多个特征交叉信息对于生成最终的用户(项目)向量表示的影响不同.基于此,构建两个图神经网络模块,学习用户(项目)特征间的交叉信息、用户-项目之间的特征交叉信息,并通过计算注意力分数对特征交叉信息进行加权,得到用户(项目)的特征信息;然后通过门控循环神经网络(GRU)聚合原始的特征信息和网络层学习到的特征交叉信息,得到最终的用户(项目)向量表达;最后通过用户向量与项目向量的元素积得到最终的推荐结果.在数据集MovieLens 1M、Book-Crossing和Taobao上验证了模型的有效性.