吸附制冷系统中吸附床的传热传质分析及结构设计

对化学吸附制冷系统中吸附剂颗粒之间以及整个吸附床的传热传质特性进行了分析，并总结了目前国内外强化吸附床传热传质性能的主要措施和方法．分析比较了两种用于化学吸附制冷的典型吸附床结构，在此基础上设计了一种新型的吸附床．     

H.264中树状结构运动估计的连续消除算法

为减少视频编码标准 H.2 6 4中树状结构运动估计的高运算复杂度 ,将连续消除算法 (SEA )应用于树状结构的运动估计中。在性能完全相同的条件下 ,与 H.2 6 4整像素运动矢量全搜索算法相比 ,其块匹配运算量减少到原来的 1%～ 2 0 %。利用不同大小块之间因部分重叠 ,其运动矢量具有更强相关性的特点。提出了一种简单有效地确定运动矢量搜索初值的方法 ,并应用两种快速的目标运动矢量判定方法 ,改进了 SEA算法。在性能损失可以忽略的情况下 ,进一步将基本 SEA运算量降低到全搜索块匹配运算量的 0 .3%～4 %。     

基于空化的机械密封槽腔耦合方式研究

为了研究机械密封端面槽腔耦合造型对性能的影响,以获得最佳槽腔耦合方式,建立了4个不同槽腔耦合方案和1个无开腔上游泵送密封方案的物理模型和计算模型,利用Fluent空化模型进行内流场计算和分析,并进行试验验证.研究表明:不是任意的槽腔耦合方式都能增强密封环的开启性和稳定性,对于所研究的密封结构和尺寸,相比于未加工微凹腔的上游泵送机械密封环,只有将微凹腔开设在动环坝区时才能够增强密封环的开启性和稳定性,且具有较低的摩擦力;转速越高,合理的槽腔耦合机械密封增强开启性和稳定性的优势越明显.     

超长框架结构温度荷载下非线性分析

针对目前超长框架结构温度应力分析多集中于混凝土的线弹性阶段的情况,借助于通用有限元软件Ansys,采用混凝土“分布式”裂缝模型,对一个典型的超长框架结构在承受渐变温度荷载下的柱顶位移及应力变化情况进行了数值模拟。分析表明：温度应力是引起混凝土板开裂的重要因素并且具有明显的非线性;混凝土“分布式”裂缝模型在模拟较长框架结构的整体响应时,能够满足一般的计算精度。     

基于关键词共现的国内纳米CeO2处理污水研究主题分析

关键词共现的分析有助于研究者们全面了解具体学科领域的研究热点与发展现状,同时利于快速获得相应信息.CeO2是一种稀土金属氧化物,其纳米化基材料具有高比表面积、高光催化活性及优异的光电性能,因而在污水处理研究与应用中受到了广泛关注,有望成为解决废水污染问题的新型催化材料之一.从文献计量的角度,采用关键词共现分析方法,研究...     

创业板市场投资风险与对策分析

本文阐述了创业板市场的发展现状,分析创业板市场存在的投资风险,主要包括企业经营风险、诚信风险、技术风险以及投资者非理性投资风险等,并分别从政府部门、企业、投资者三个角度提出对策。     

河上有桥，为什么要游戏过河

王国栋院士是我国的压力加工专家,长期从事钢铁材料轧制的理论、工艺、自动化方面的研究,在新一代钢铁材料、中厚板核心生产技术开发、轧制过程人工智能优化等方面做出创新成果。曾获国家技术发明奖1项、国家科技进步奖4项。     

洗钱交易模式及其防范分析

基于我国反洗钱监测主要是基于一法二规中的数据报告制度,运用LP方法构建了大额交易洗钱模型.通过对洗钱模型进行仿真及分析,发现了现有大额数据报告制度的缺陷.运用聚类分析方法建立了地区监测模板,并对可疑交易进行了量化界定.最后,对交易监测标准和洗钱模型进行了改进,提出了洗钱的防范措施,以期为提高我国金融机构的监测效率提供一定的借鉴.     

基于蚁群算法的拣选作业优化问题

蚁群算法是一种新型的启发式算法,研究表明该算法具有较强发现较好解的能力,但同时存在一些缺点如易出现停滞现象、 收敛速度慢等.在蚁群算法的基础上结合自动化立体仓库固定货架拣选作业的特点,构建了货物拣选路径问题的数学模型,设计了新型的改进蚁群算法用于合理优化货物拣选路径以减少作业时间,并在算法中 采取了三个改进措施, 改善基本蚁群算法的搜索能力.候选节点集合策略和自适应调整算法参数能有效提高算法的搜索速度,选择算子使问题的解始终保持最优.实验表明该算法具有较好的全局寻优能力, 收敛速度大幅度提高,能够很好地满足中大规模的拣选作业要求.     

双混沌神经网络及其在优化问题中的应用

分析了三种现有的混沌神经网络模型的优化性能,针对目前混沌神经网络收敛率不高和搜索时间较长的问题提出了一种双混沌神经网络。它不同于以往的混沌神经网络改进方法,不是延长退火时间或改变混沌程度来提高网络性能,而是通过混沌迭代搜索使混沌神经网络在有限步内找到全局最优解的初值来提高收敛率与收敛速度。这种方法能使混沌神经网络在应用中具有更好的全局优化能力,并且可以缩短混沌神经网络的搜索时间,对旅行商问题求解的仿真对比和函数优化问题的仿真,说明了新方法比现有方法具有更好的收敛率和更短的搜索时间。