带涡产生器的圆管管片式换热器流场及温度场的数值分析

用数值方法分析了涡产生器式圆管管片式换热板芯单个圆管单元区域内的速度场和温度场.计算结构针对某实际换热器结构,S1=20 mm,S2=15.5 mm,tp=2.5 mm,涡产生器攻角为45.°计算时选取雷诺数范围为500~20 000,选取R e=1 000和10 000时的计算结果进行了讨论和分析.涡产生器产生的纵向涡旋增强了圆管尾流区流体的掺混和能量交换,并带动尾流区流体及时向下游流动.与平片翅片结构比较,涡产生器式圆管管片式换热板芯尾流区流体与壁面温差增大,有利于增强换热.     

航班离场排序问题的遗传算法设计

针对航班的离场排序问题,给出了问题的具体描述,建立了相应的离场排序优化模型,在此基础上设计了求解模型的双码自适应遗传算法,给出了相应的实现技术描述和具体的算法步骤,最后对算法进行了仿真验证.结果表明,算法设计合理,可有效缩减总的离场耗时,能得到调度问题的解,并可保证解的全局最优性.     

基于粒子追踪的风场可视化方法

为了更直观地表示三维风场的变化特点，针对气象风场数据集的特点采用粒子系统的方法可视化表示风场属性，提出了通过粒子的位置变化动态反映风场速度方向以及大小，同时将风场涡旋度的强弱映射成粒子本身的旋转状态，最后选取CDC数据中心的风场数据验证了实验结果。     

大学生网络使用动机类型及其与网络成瘾的关系分析

目的:研究大学生网络使用动机的主要类型.方法:以长沙地区两所大学286名学生为被试,以自编的网络使用动机问卷和网络成瘾量表为研究工具.结果:286名大学生网络使用的主要动机类型为:社会交往动机、虚拟社群动机、自我肯定动机、商品资讯动机、匿名交往动机、社会性学习动机.虚拟社群动机、匿名交往动机、自我肯定动机和商品资讯动机与网络成瘾呈正相关.结论:大学生网络使用时具有其相应的动机,网络使用者的行为表现并不完全就等同于个体内在的网络使用动机.网络的虚拟环境成为吸引部分大学生使用网络,并导致其网络成瘾的主要因素.     

中学生化学学习动机分析

通过调查分析当前中学生学习化学的16个动机，提出了培养激发中学生以认知动机为核心的几方面学习化学的动机，使他们热爱化学，提高认知水平，取得良好学习成效。     

涡轮阻尼器阻尼特性与轴向力特性分析

采用基于分离涡模型的计算流体力学方法计算某可调阻尼式涡轮阻尼器多个挡位、多个转速工况的内部三维黏性流场,预报了其阻尼特性和轴向力特性.阻尼器内部紊乱的流动造成其转矩、轴向力等外特性参数波动较大,大挡位工况超过10%.阻尼系数随挡位的增大而增大,除小挡位外,预报误差在5%以内.随着挡位的增大,转子轴向力增大,调节挡板轴向力也呈增大趋势.定子轴向力是一个小量,其方向与调节挡板轴向力相同.腔内复杂的不对称流动造成各挡板块受力不均,但每块挡板的轴向力均呈周期性变化,平均值相差±2.5%以内.大挡位高转速工况产生较严重空化,而小挡位时空化较弱.     

A柱涡动力学特性随前窗倾角变化研究

采用风洞试验和数值计算的方法,通过Dihedron模型研究了前窗倾角对A柱涡动力学演化的影响.时均阻力和表面压力通过风洞试验获得,采用分离涡模拟(DES)捕捉A柱涡拓扑结构的细节特征.通过风洞试验的结果验证了DES结果的有效性.DES的结果描述了A柱涡涡破裂现象.随着前窗倾角的变化,A柱涡表现为不同的结构形态,这主要是由主涡中涡量平衡决定的.试验和数值结果均表明,随前窗倾角增大,Dihedron模型的阻力增加.讨论了纵向涡的破裂趋势和潜在的减阻方案.最后,强调了模型壁面的动力学特性及其对车内噪声的影响.     

基于神经网络的社交网络用户动机与行为关系研究

 以社交网络用户为研究对象,扩充了用户的“获利性”动机和“社交获利”行为,通过调研问卷,利用神经网络模型分析社交网络用户动机与行为的关系。结果表明,不同动机对不同行为的影响程度不同,动机对行为的整体贡献度呈现出有用性 > 自我呈现 > 娱乐性 > 易用性 > 获利性 > 从众性 > 社交性的趋势。建议管理人员持续完善网站的社交和娱乐功能,从用户心理出发构建品牌辨识度高、有特色的社交网络。     

燃烧振荡声学抑制器的机理分析与设计优化

燃烧振荡是发展低排放燃气轮机燃烧室需要解决的关键问题之一，未来燃气轮机燃烧室运行温度更高、具有更宽的工况运行范围及更复杂的几何结构(如轴向分级、环形燃烧室等),燃烧振荡存在高振幅、多振荡频率、多振荡频率时变和多热声模态共存等特点。采用声学抑制器被动控制燃烧振荡具有抑制器结构简单、可靠性高、成本较低等优势。针对未来的燃烧室，现有抑制器方案将面临很大挑战，因此，亟需开展宽吸声带宽、可控制多模态的声学抑制器及系统级燃烧室多声学抑制器设计优化研究。该文概述了国内外声学抑制器机理和设计优化的研究进展，着重总结了作者近年来在常规及多频段声学抑制器机理、抑制效果分析计算和复杂热声系统参数对声学抑制器特性影响，以及基于伴随方法的多声学抑制器多参数快速优化等方面的研究工作，并对未来燃烧室声学抑制器的发展方向进行了讨论。     

机器学习在湍流燃烧及发动机中的应用与展望

随着燃烧科学的发展，数值仿真与实验测量产生了大量数据，这些数据隐含许多有效的物理信息。传统研究方法对此类信息主要利用基于物理规则的模型去处理，但随着数据量的增加，基于数据驱动的方法开始受到重视。机器学习(machine learning, ML)技术由于在数据分析和处理方面取得了巨大成功，为处理燃烧领域的大量数据提供了一种新的范式。该文简要介绍了ML在湍流燃烧中的应用，主要包括化学反应、燃烧建模、发动机性能预测与优化、燃烧不稳定性预测与控制等4个方面，讨论了机器学习在燃烧研究中面临的挑战，并对未来应用进行了展望。