地铁活塞风的分析计算与有效利用

为了对地铁活塞风有一个比较全面和深入的认识与了解,对活塞风的形成机制及其作用于地铁隧道内的空气流动特性和影响规律进行了分析.以北京正在运营中的某地铁为研究对象,比较了SES与CFD商业计算软件PHOENICS(3.6.1)的计算结果,两者计算结果具有较好的一致性;将SES软件计算结果与现场实测结果进行了比较,结果同样具有较好的一致性.进一步将研究结果应用于正在设计中的北京某地铁通风空调工程设计,提出通过在地铁区间隧道内合理设置活塞风井,有效利用活塞风以减少空调能耗的设计方案.     

粒子群算法在智能照明系统中的概述

随着近些年来高层建筑不断增加,随之而来的建筑照明系统也变得越来越复杂,据研究表明我国的建筑物能耗中照明部分的能耗占建筑物总能耗的30％以上,因此节能问题更加突出.本课题研究目的就是将引入粒子群算法,利用粒子群自寻优的特点,使智能照明控制系统能够自动的完成预设的控制要求.达到系统运行可靠,经济、节能的目的.     

用于乙腈废液脱水渗透汽化膜的溶胀实验研究

采用KOCH复合膜对乙腈废液进行溶胀实验研究,考察了不同乙腈浓度的浸泡液对复合膜溶胀性能的影响,发现该复合膜对水优先吸附溶解,为亲水性优先透水膜。同时在料液浓度为84%左右时,复合膜的总溶胀度达到最大值1.8,此膜片适用于乙腈废液体系的脱水分离。     

介孔氧化铝催化Knoevenagel反应的活性研究

制备一种具有比表面积大(812 m2/g)的介孔氧化铝,并通过XRD、N2吸附脱附实验及TEM等手段对该介孔氧化铝的孔结构性质进行了表征.以苯甲醛和丙二腈的反应作为媒介,研究该介孔氧化铝对于Knoevenagel反应的催化性能.结果表明,当催化剂量为0.03 g、反应时间3 h和反应温度55℃时,苯甲醛的转化率可以达到98%,证明了该介孔氧化铝对于Knoevenagel反应有着良好的催化性能.     

直线上超限货车横向振动偏移量的仿真研究

针对超限货车的特点,采用SIMPACK仿真软件分别建立了NX_70H型平车和NX₇₀型平车的动力学单车模型,仿真计算两个模型分别在Ⅰ级直线线路以20～120 km/h的速度和在Ⅲ级直线线路上以20～70 km/h的速度运行时产生的侧滚角、摇头角、横摆偏移量和横向振动偏移量. 仿真结果表明:速度和线路条件对车体侧滚角、摇头角、横摆偏移量和最大横向振动偏移量均有较大影响;在Ⅲ级线路上车体运行所产生的横向振动偏移量均大于Ⅰ级线路上的偏移量,不利工况出现在当重车在Ⅲ级线路上运行时以及在Ⅰ级线路上高速运行时;货车端部的横向振动偏移量较大,且距轨面3 600 mm以上的横向振动偏移量较大,测点均为不利点.     

2013 年欧美经济运行现状和未来走势分析

2013年上半年,全球经济下行风险有所缓和,特别是美国经济在量化宽松的政策推动下复苏势头强劲,欧元区经济也显现出复苏的迹象。本文从经济增长、物价波动、失业状况和制造业发展等层面对欧美经济目前的现状进行分析,并对未来走势进行判断。欧美经济对中国经济影响很大,我国一方面要在欧美经济走强的背景下继续扩大对外贸易,同时也要警惕欧美经济走强引致资本回流对我国金融市场稳定可能产生的负面冲击。     

从大学生从众心理的有效运用看思想政治教育的开展

随着经济社会发展,文化呈现多元化,大学生从众心理的研究成为思想政治教育工作的一项重要内容。文章详细论述了大学生从众心理及其产生的原因,阐释了大学生从众心理对思想政治教育工作的重要意义,探讨了从众心理如何在思想政治教育工作中正确运用,从而达到提高大学生抗挫折能力,进一步培育大学生责任品质,塑造其独立人格,增强心理素质的教育目标。     

乙烯基-β-紫罗兰醇的合成

以氯乙稀和金属镁为原料,反应制得格氏试剂乙稀基氯化镁;再与β-紫罗兰酮发生加成反应得到合成维生素A的重要中间体乙稀基-β-紫罗兰醇。通过对反应条件和工艺的研究 和优化,确定了最佳工艺条件为：金属镁与β-紫罗兰酮的摩尔比为1. 3: 1 .0,滴加β-紫罗兰酮的温度为0~5 ℃,在反应温度20~25 ℃时继续反应3~4 h,得到乙稀基-β-紫罗兰醇的收率为98.0%,气相色谱(GC)分析含量为92 . 5%。该工艺条件得到了实验室放大的验证。     

基于格子玻尔兹曼方法的可激发系统物理性质研究

基于格子玻尔兹曼方法的D2Q9模型,研究可激发系统的能量和熵.数值计算结果表明:相同系统参数下,不同稳定波态系统的平均能量值接近,但熵值不同;在螺旋波失稳进入混沌态过程中,系统内能急剧减少,熵值增加;系统能量不足是螺旋波失稳的主要原因.     

异构数据联合式的真值发现算法

互联网上提供的同一事实的信息通常会存在冲突,影响数据集成和知识发现.为了甄别真值,提出了一种基于距离的异构数据联合真值发现算法.首先,关于同一数据项,基于数据源声明值与真值的距离,计算数据项向量;采用KMeans聚类算法,获得数据项初始聚类.然后,迭代进行信任分析和聚类,即在每个类簇内,采用最优化思想,联合异构类型数据,更新事实的可信度和数据源的类簇内可靠性,重新计算每个数据项向量,再次聚类,迭代直至类簇达到稳定.实验结果表明:由于细粒度的数据源质量划分,联合考虑异构数据类型,可以获得更高的真值发现准确度.