SK型静态混合器湍流瞬时速度时间序列关联积分

在湍流状态（Re=3972～11916）下利用激光多普勒粒子分析仪对Φ40mm×800mm、长径比1.25的SK型静态混合器的瞬时流场进行测量。结合傅立叶频域分解和互信息函数 ,利 用小波阈值理论提取瞬时速度相关信号,基于相空间重构理论、改进关联积分和最小二乘法 对瞬时速度脉动行为进行了非线性分析和特征提取。利用关联维数D₂和K₂熵表征了其湍流特性,确定SK型静态混合器内的流场为具有自相似分形的混沌流场,关联维数在 混合器中的径向变化范围在1.3～2.7之间;随着径向位移的增大,K₂熵先减小后增 大。     

Lightnin静态混合器内瞬态流场POD分析及混合特性研究

为了研究Lightnin静态混合器（LSM）内的瞬态流场结构和混合特性,以水为工质采用ANSYS FLUENT V16.1中的大涡模拟（large eddy simulation,LES）湍流模型对不同长径比和雷诺数下LSM内的湍流流动进行数值模拟,并用本征正交分解（POD）方法对流场结构进行模态分解以提取流场相干结构。结果表明：当采样数量达到2 000时,低阶模态蕴含流场主要的旋涡结构信息;混合段内横截面平均涡量分布呈正弦状周期性变化,在z/l=5.0~6.0范围内,Re=3 981、5 971和7 962时的平均涡量相较于Re=1 990时增长148.5%~322.7%,拉伸率提高11.5%~18.9%;小长径比的LSM中流体被拉伸的概率更大。     

水平与竖直布置方式下静态混合器内瞬态压力波动混沌特征

为了获得不同布置方式下SK型静态混合器内流体瞬态流动的非线性特征,在湍流状态下(Re=1756～3512)采用高速数据采集器Dewe-3021和压力传感器测量了不同雷诺数和截面处瞬态压力波动时间序列（PFS）;利用混沌吸引子周界测度、混沌动力结构突变以及递归率等参数定量表征水平放置与竖直放置时SK型静态混合器内压力波动特征。研究表明：不同布置状态下静态混合器内PFS的混沌吸引子二维面积增长率随轴向位置的变化趋势基本一致,且S_A-A₀呈线性分布;与水平放置的SK型静态混合器相比,竖直放置时压力波动混沌特性强,混沌动力结构突变小,吸引子演化稳定;混沌形态特征参数能有效区别SK型静态混合器在不同布置状态下的流体动力学特征。     

基于EEMD分解的欧洲温度序列的多尺度分析

利用EEMD方法对欧洲5个站大于 150年逐日温度序列进行分解, 分析了欧洲温度序列的低频变化、年循环及季节变化。结果表明: 欧洲5站温度低频变化均存在明显的特征时间尺度, 即年际、年代际和世纪尺度等; 年循环强度在1910?1940年及1970年年末以后的两个暖期里均处于偏弱的状态, 尤其是最近30年里年循环强度减弱趋势更加明显; 此外, 与1910?1940年相比, 在20世纪70年代末以来的暖期里, 夏季更长, 冬季更短。     

基于经验模态分解的上证综合指数时间序列分析

采用经验模态分解(empirical mode decomposition,EMD)方法对上证综合指数(Shanghai composite index,SCI)进行研究,将其分解为多个内模函数(intrinsic mode functions,IMFs)和剩余项之和.通过对各阶内模函数进行基本统计分析和分布拟合,发现其"尖峰厚尾"的特点基本服从自由度为3的t分布.通过对各阶内模函数进行周期性分析,揭示各阶模态间不同的波动信息,并得到周、月、半年等时间尺度股指的波动特点,以及典型上涨和下跌时段的波动周期和波动特点.     

基于总体经验模态分解的水文序列多尺度分析

为解决模态混叠问题,将总体经验模态分解方法应用于水文时间序列的多尺度研究中.将白噪声加入原始序列,经过总体经验模态分解后得到固有模态函数,通过对结果进行显著性检验并最终得到水文时间序列主要振荡周期、中心频率、平均振幅等信息.通过对黄河三门峡水文站实测天然年径流序列进行分析,发现总体经验模态分解能够较好地解决模态混叠现象...     

SL型静态混合器的改进结构与两相流分析

提出了一种SL型静态混合器的改进结构,对其内部结构加以描述,并对其中两相流的流动场进行分析.考虑实际装置结构内部两相流流动状态下参数之间的相互关系,对其进行理论研究.两相流通过改进的静态混合单元受到撞击、形成分离、绕流以及融合,持续加强混合效果.通过对真实湍流流态所做的解析,可为进一步完善SL型静态混合器的改进结构与参数的选择及优化提供依据.     

基于EEMD和ICA的语音去噪方法

语音去噪技术是语音识别系统走向实用化的一个关键性难题.针对语音信号为非平稳信号的特点,提出了一种基于EEMD和ICA相结合的语音去噪方法,首先利用集合经验模态分解(EEMD)算法将含噪语音信号分解为若干个独立的固有模态函数(IMF),消除了经验模态分解(EMD)算法处理语音信号时产生的模态混迭现象;然后将固有模态函数通过改进的独立分量分析(ICA)算法分离出若干个有效的语音信号分量;最后对其进行语音重构,从而达到消除噪声干扰的目的.实验结果表明,该方法在输入信噪比为-10dB的汽车噪声条件下,可以将语音信号的信噪比提高到2.741 2 dB.     

基于有限元分析的内齿铣齿机床身动静态设计

利用有限元软件对内齿铣齿机床身部件进行动、静态分析,根据得出的自由与约束状态下模态及振型和边界条件下的最大静变形,找出原设计中的不足,并在结构及尺寸上加以改进.结果表明,改进后床身的动、静态性能得到显著的提高,为机床设计和改造提供了依据.     

希尔伯特-黄变换谱及其在地震信号分析中的应用

介绍了希尔伯特-黄变换(HHT)这一非线性、非平稳信号处理方法,并利用HHT处理了地震工程中常用的ElCentro地震波,得到了该信号的Hilbert谱、边际谱和能量谱,提取了该信号的主要动力特性,并与该信号的Fourier分析结果进行了对比,显示出HHT这一方法的优越性.     

基于符号执行提高缺陷分析的准确性研究

静态分析是检测软件代码缺陷和提升软件代码质量的有效方式. 由于静态分析不实际运行代码,不能获取足够的运行时信息,因此分析结果的准确性有待提高. 相比而言,符号执行技术能够模拟执行程序并收集大量的数据流信息,提升数据流分析的准确程度,弥补静态分析的不足. 为了提高静态分析工具分析程序缺陷的准确性,本文设计并实现了一个代码缺陷检测工具ABAZER-SE,它基于GCC抽象语法树,综合采用符号执行与静态分析技术以检测源代码中的缺陷. 使用Toyota ITC静态分析基准对该工具进行了评估,实验结果表明,本文方法及工具可以提高静态分析结果的准确性.      

基于局域波法的时间序列预测

提出了一种新的用于时间序列预测方法。由于实际信号常常具有非平稳特征，直接应用AR模型进行时间序列分析，得不到理想的效果。而局域波分解法是一种新的分析非平稳、非线性的工具。用局域波分解法对待预测的时间序列进行经验模式分解，产生多个基本模式分量，对各个分量分别进行AR模型预测，然后重构各个预测值。仿真结果表明预测结果比直接进行AR模型预测更加精确。     

基于符号执行的注入类安全漏洞的分析技术

用符号值作为输入, 模拟程序执行, 提取执行路径上相应的约束条件, 即安全约束、攻击约束以及防御约束, 并构成可满足矩阵(SAT)以及不可满足矩阵(UNSAT)两个注入类漏洞安全分析与检测模型, 矩阵模型的求解结果可映射为注入类安全漏洞的安全状态。对Web应用注入类漏洞的检测实验表明, 与目前安全分析主流工具相比, 该分析技术具有降低误报率、漏报率、能自动生成攻击向量等优点。     

基于符号时间序列分析法的A股上海板块网络结构分析

股票价格的变化不仅受自身基本面的制约,而且也受其他股票的影响。网络分析方法是一种用于分析复杂股票关系的工具。基于符号时间序列分析法,构建了我国A股市场上海板块网络的最小生成树及相对应的分层树,从上市公司之间关系的角度分析和解释了实证结果。     

基于符号树Shannon熵的汽油机瞬态排放分析

讨论了汽油机瞬态工况的内涵,提出了瞬态工况下如何评价尾气排放量的问题,给出了二进制划分下符号树结构及其Shannon熵的计算方法．在3种试验汽油机分别处于冷起动、暖机和加速-滑行这3种瞬态工况时,用符号树Shannon熵值评估尾气中的HC和CO排放量．     

内置翼片管式静态混合器混合效果的大涡模拟

采用大涡模拟方法对内置翼片管式静态混合器内部的流场和浓度场进行了研究,对比了3种不同结构尺寸的翼片的混合效果和沿混合器轴线的压力损失.数值模拟结果表明小翼片的压力损失最小(ξs=0.52),但混合效果最差;长翼片的混合效果略好于大翼片,但其压力损失仅为大翼片的67%(ξl=2.31,ξb=3.41).同时还发现,在长翼片背后可形成两个逆向旋转的大涡,使混合器中心区域速度梯度增大,剪切作用明显,湍流强度增强.该流场结构能有效地驱使混合器中心高浓度流体流向壁面,从而增大高浓度流体和低浓度流体的接触面积,改善混合条件,故长翼片是一种值得推广使用的翼片结构形式.     

一种非线性非平稳时间序列预测建模方法

提出了一种基于经验模式分解和支持向量回归的非线性、非平稳时间序列预测建模方法.首先,针对时间序列的非平稳特征,通过经验模式分解将其分解为若干个本征模式分量,使其中每个分量均成为平稳序列;其次,对每个本征模式分量,基于支持向量回归建立相应的平稳时间序列预测模型;最后,再一次利用支持向量回归对这些预测模型进行非线性组合,得到非线性、非平稳时间序列的预测模型.仿真实验和工程应用均表明,所提的预测建模方法与传统的基于支持向量回归的建模方法相比,具有较高的精度,说明该方法对于非线性、非平稳时间序列的预测是有效的.