改进的k-w模型在亚音速漩涡流动中的应用

基于非结构网格,采用经典的wilcox k-ω模型和其改进的kω-Pω模型,建立了用于模拟大攻角旋涡流动的计算方法。以尖前缘的65?三角翼为例,模拟了旋涡的产生、发展、破裂过程,验证了wilcox k-ω模型和kω-Pω模型在典型的亚音速计算状态下对复杂涡系干扰的模拟能力。通过对多种计算的流场与气动力详细结果的比较分析,就两种湍流模型对大攻角复杂旋涡流动的预测能力和敏感性等进行了评估。结果表明：kω-Pω模型通过r值区分剪切层和涡核区域,从而对涡核区域的涡粘性进行修正,对最后的模拟结果有一定的修正作用,可以作为湍流模型修正的一个方向;RANS方法在预测涡破裂点位置和二次涡的强度及位置方面仍存在很大的缺陷。     

权重对模糊规则泛化能力的影响

在模糊产生式系统中,产生式规则的前件的所有子命题、知识库中所有的规则被假定具有相同的重要性,使得其知识表示能力有严重的缺陷.为了提高模糊产生式规则的知识表示能力和泛化能力,在模糊产生式规则中引入整体权、局部权、阈值等知识表示参数,视加权模糊规则中的权重、阈值等为可调的知识表示参数,研究了权重与加权模糊规则的泛化能力之间的关系.通过模拟实验,验证了通过调整、优化权重,能够提高产生式系统的泛化能力.     

一种改进的区间值属性决策树学习算法

通过引进新的非平稳割点定义,提出了改进的区间值属性决策树学习算法,改进后学习算法的效率有很大程度的提高。     

压缩机缸盖温度场的有限元计算

压缩机类动力机械温度场的确定,是计算应力变形的前提。文中利用ADINAT大型有限元分限程序,将缸盖按对称、反对称考虑、按三维对流元进行分划,作四分之一区域计算。利用试片检查计算精度,指出该程序精度是有保证的;但检查功能不全,对流元节号的错排输入,就会出现反常超高温现象,是要引起注意的。     

带有专家部分知识的模糊学习算法及在储层识别中的应用

已有的示例学习算法大多没有处理分类模糊的情况。针对辽河油田冷东地区关于储层评价出现的模糊性,提出了一种模糊学习模型。由于评价过程中人为经验占有主要成分,故这种学习模型中融入了部分专家经验,将现有的模糊分类问题转化为一个求类比值的数学规化问题,它以极大化类信息熵为目标函数。以分类的模糊性极小作为决策树学习算法的启发式,学习结果可转化为一组带可信度的模糊产生式规则。这种产生式规则的使用为该地区新解释标准的建立以及油层的综合评价提供了更直观、更可靠的依据。     

动态测试曲线滤波处理的一种有效方法

该文介绍一种对动态测试曲线进行后处理的滤波方法。文中以材料在高速冲击下的动态性能测试为例,对测试所得的σ-ε曲线进行后处理,可以较方便地滤去曲线上所伴有各种频率成份的振荡次谐波,使得最终获得的曲线光滑连续且反映真实形态。利用处理后的σ-ε曲线可方便地确定材料的屈服极限σ_3及曲线上其它特征值。     

尺度效应对晶内孔洞愈合的影响

基于非局部连续介质力学理论,提出了一种解析方法,研究小尺度参数对具有应力作用下的晶内孔洞收缩速率和愈合历程的影响规律.算例表明,随着晶内孔洞尺寸减小,尺度效应对孔洞收缩速率的影响逐渐增强;由于小尺度效应的影响,仅在晶格扩散能量的驱动下,晶粒中的孔洞不能够完全消失,这与不考虑小尺度效应的晶内孔洞收缩速率和愈合历程有很大不同.研究结果揭示了受静水压力和外应力作用下的材料中损伤缺陷的自我修复机制,具有一定的理论参考意义.     

Cu2O-TiO2复合膜的制备及其光催化与产氢性能

采用电化学沉积和涂覆法将窄带半导体材料Cu₂O与TiO₂复合制备了Cu₂O-TiO₂复合材料薄膜,并通过扫描电子显微镜(SEM)、X射线衍射(XRD)、荧光光谱(PL)、紫外-可见漫反射光谱(UV-Vis DRS)进行了表征。以甲醇溶液为模拟废水进行产氢性能的测试,探究了光源、TiO₂质量分数、甲醇体积分数、pH对产氢性能的影响。实验表明:制备的Cu₂O-TiO₂复合薄膜材料可直接在太阳光下催化水中甲醇产氢,且甲醇体积分数越高产氢量越大,在甲醇体积分数为50%且在偏酸性时产氢量最大。     

压磁压电层合复合材料圆柱壳表面局部分层屈曲

摘要：
基于复合材料层合壳理论,利用压磁压电纤维材料的本构关系,考虑在温度和电场、磁场作用下,推导含压磁压电材料的局部非对称分层子层壳的总势能及屈曲控制方程.分析子层屈曲时,考虑了面内横向位移.通过对不同铺层形式的计算,给出了温度、电场、磁场荷载作用下,压磁压电复合材料层壳的几何参数、物理参数对任意方向椭圆形的局部分层屈曲临界应变值的影响规律. 关键词：
压磁压电复合材料; 复合材料层合圆柱壳; 局部分层屈曲; 温度载荷; 电场强度; 磁场强度; 临界应变 中图分类号： O 341
文献标志码： A     

基于标记注意力机制的社区发现算法

针对网络的聚类进行研究,提出了一种基于标记注意力机制的社区发现算法,网络特征通过标记节点频率及反示例节点频率联合度量,为使网络特征的度量更加关注于示例节点的细节信息,引入注意力机制来处理网络特征。社区划分由复杂网络预处理、网络节点的策略、社区博弈归并三个部分组成,其中网络节点的策略由无贡献节点归并、节点到社区的判断以及节点逻辑标记和的判断三个步骤组成。实验借助于真实网络进行验证,在归一化互信息、模块度、社区划分数量及运行时间四个方面,基于标记注意力机制的社区发现算法都优于其它社区发现算法。在实际生活中应用此算法,能够更加直观地显示网络内部之间存在的联系。