外加电磁场对火焰结构及燃料燃烧特性的影响

燃料在电、磁场作用下的燃烧是一个新的跨学科性质的研究课题.它涉及磁流体发电、空间技术中电磁燃烧技术的应用以及能源与动力工程中能量转换与效率.本文从实验和理论两个方面,扼要地报导了碳氢燃料在外加磁场、电场影响下的火焰结构及其燃烧特性.把近年来我研究小组的主要研究结果汇总发表.     

扩展裂纹缺陷评定方法的优化研究

裂纹扩展的缺陷评定方法,越益受到了人们的重视,美国ＥＰＲＩ提出的“裂纹 推力图”方法,虽然准确合理,但方法偏于繁复,尚难于向工程界推广。清华大学力学 研究所曾先后提出几种评定方法,以期使评定过程得以简化。在此基础上,文章提出 “相容应力增量”法作为优化方法,它将使全部评定过程大为简化,从而为扩展裂纹的 缺陷评定方法向工程界推广创造便利条件。     

用于焊缝跟踪的调制式红外光学传感器

叙述了一种以脉冲调制的红外光束为信号光源的焊缝跟踪传感器。通过对接 收信号的滤波及“自适应消噪”处理,可以有效地克服电弧光的干扰;利用光源的脉冲 驱动特性,加大了瞬时信号功率,改善了光学传感器对工件表面的适应性。传感器结构简 单、体积小、灵敏度高、能同时实现对焊缝在水平及高度两个方向的自动跟踪在埋弧 及明弧自动焊中均能准确地跟踪。     

电网谐波的微机检测和分析系统

为贯彻水电部《电力系统谐波管理暂行规定》文件,适应电网谐波检测管理的需要,研制了本装置。它在微处理机的基础上实现了对电网谐波的自动检测:能测量基波至19次谐波的电压、电流、相位、有功和无功功率,以及电压和电流的总畸变率。本文简述其工作原理、硬件框图、程序流程图、提高测量准确度的措施、测试结果等。     

论运动量的安排

针对目前,大多数运动训练中,运动量安排上的不合理的状况,笔者在体操领域中进行了探索。通过对苏联、日本队夺得世界冠军前的训练的有关数据的统计,并结合自己的经验,进行了研究分析,在理论上提出了“训练的适应征象”。并得出了大运动量与成绩密切相关的结论。并且对训练的负荷密度、强度问题做了进一步阐述。     

昆虫窝卵数：现象及其解释

自然界广泛存在生物体产卵成批（窝、块等）现象（如姐妹利间异同、频次分布、季节动态及年间变异）等昆虫系统发育和个体生长（如解剖学特征、个体大小、年龄（产卵顺序）等内因和环境资源（寄主植物、昆虫、温度、水分等）等外因对窝卵数（ｃｌｕｔｃｈｓｉｚｅ）均有一定影响,同一窝卵中的个体受捕食、被寄生、姐妹手足竞争、卵粒大小、个体大小、生殖力、性比等子代适合度因子也受窝卵数大小的影响,本文总结以上各现象提出一关系模型．以较为综合的“窝卵数与继续繁殖间的平衡”假说,从理论上阐述昆虫决定窝印数的机制,并讨论窝印数研究的实际意义。     

轧制带材的瓢曲生成路径

通过建立冷轧带材屈曲失稳后的大位移变形模型,计算出复杂模态的瓢曲浪形生成路径,它包含着实际可能出现的各种附加应力和位移约束条件．实验证明这是可行的板形控制目标理论,解决了高技术轧机的板形设定问题．     

睡莲科植物酯酶同功酶的数量分类研究

采用垂直平板聚丙烯酰胺凝胶盘状电泳技术,对国内睡莲科植物（包括６个属的６个代表种及３个品种）的叶片进行了酯酶同功酶的测定,初步结果表明被测植物均有各自稳定的酯酶酶谱．运用数量分类学方法对被测植物进行聚类,其中白睡莲与其派生的红睡莲和黄睡莲２品种聚为一类,南芡与北芡亦聚为一类,而此２类与萍蓬草、莲、莼菜和王莲的亲缘关系较远,且后４种植物之间亲缘关系亦远．该结果与由过氧化物同功酶酶谱的分析结果基本相似．     

高等院校教师业绩考核数量化方法探讨

高校教师业绩考核是高校师资、教学管理工作的核心,建立一整套严格的考核制度和科学的考核体系,对高校教师进行职务评聘、调资、奖惩和提职恶级等有着极为重要的意义,。该文从考核数量化我度出发,就教师“德、能、勤、绩”四个方面建立了一个结构性强、可比性高的有序系统,构建一一个简便,明了、容易掌握,便于操作具有较高的透明度和较强的实用性与可行性的量化考核方案。     

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization, NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.