CO_2-[emim][Tf_2N]二元混合体系超额混合焓的预测

针对传统制冷工质对存在诸如氢氟烃的环境问题、氨水的毒性和精馏问题,以及溴化锂制冷温度高和腐蚀结晶等问题,提出一种对环境友好的以CO2为制冷剂与以离子液体[emim][Tf2N]为吸收剂的新型吸收制冷工质对。为了研究CO2-[emim][Tf2N]吸收制冷系统性能,以WS混合规则为桥梁,结合PR状态方程和NRTL活度系数模型,建立GE-EOS热力学模型,得到CO2和离子液体二元混合体系在高温高压下的超额混合焓。计算结果表明:CO2液相摩尔分数大于0.43时,二元混合体系的超额混合焓均为负值,混合为放热过程,说明二元混合体系具有成为吸收制冷工质对溶液的基本特征。同时,利用CO2-[emim][Tf2N]吸收制冷系统进行初步实验研究,实验结果表明,系统制冷系数平均相对误差为16.3%,验证了模型具有较好的计算精度。     

广义混合变分不等式的weak-sharp解及算法的有限收敛

提出广义混合变分不等式问题的解集满足的weak-sharp条件,并通过约束集的支撑函数的一些性质,获得weak-sharp条件的等价刻画.在广义混合变分不等式问题的解集满足weak-sharp条件之下,还获得任意迭代算法有限收敛的等价条件,其中有限收敛指算法在有限次迭代后,得到广义混合变分不等式问题的精确解.最后,以广义混合变分不等式问题的超投影近似点算法为特例,在一定的条件下,获得该算法的有限收敛性.     

KL油田沙三下亚段混合沉积特征及演化

针对目前莱州湾凹陷南斜坡带KL油田沙河街组三段下亚段陆源碎屑与碳酸盐岩混合沉积形成条件、沉积特征及模式认识程度较低的问题，利用该区壁芯、薄片及扫描电镜等资料，结合构造演化、古气候和古地貌背景，在层序格架约束下研究沉积环境，分析其沉积特征。结果表明，研究区发育混合沉积，形成于宽缓斜坡、亚热带湿润气候，兼具湖平面、物源、水动力条件周期性变化等条件；该混合沉积包括相缘渐变混合与原地混合两种沉积类型，互层式和组分式两种混合模式，以及4种混合样式。两种混合沉积类型沉积机理不同，混合模式及组合样式表现较大差异，因而具有不同的储层微观特征。     

不同频域地震动下混合被动控制体系的减隔震效果

以高层框架结构为对象,提出一种结合分段隔震和相邻建筑物连接阻尼器耗能的新型混合被动控制体系,能有效应对宽频地面运动,具有较高的鲁棒性和冗余度.通过对同一高层建筑结构分别采用无隔震形式、分段隔震形式和混合被动控制形式进行数值模拟,考察短周期波、含滑冲效应脉冲波和长周期波作用下分段隔震体系和混合被动控制体系的减隔震效果.研究表明,短周期波作用下分段隔震体系控制效果较好,但在含滑冲效应脉冲波和长周期波作用下分段隔震效果不佳,基础隔震层和中间隔震层的位移较大,存在超出支座位移限值的可能,而采用混合被动控制体系能有效减小隔震层的位移,显著提高结构减隔震效果,且当中间隔震层设置在结构中部时混合被动控制体系的减隔震效果较好.     

插电式混动用新型变速器动力匹配及试验验证

分析了新型定轴式车用有源传动装置多种动力传递路径的特征.针对插电式混合动力电动汽车(PHEV)应用,从最高车速,最大坡起能力以及后备功率三方面,给出了不同整车工作模式下的动力性设计要求,说明了寻找一套全新的动力性匹配设计方法的必要性.按照不同整车工作模式下的后备功率要求,确定了动力源类型以及功率等级.按照最大坡起能力要求以及坡起过程中离合器滑磨功的限值,确定了一档速比.按照最高车速要求,确定了电机动力传递路径速比以及其余档位速比.介绍了原理样机以及样车的结构特征,基于新欧洲行驶工况(NEDC)完成了能耗测试,并详细分析了期间在进行模式及档位切换时实现轮边驱动力平顺的方法.     

混合智能在递归神经网络软测量中的应用

针对机理不清且具有复杂非线性关系的过程对象,提出一种基于混合智能的递归神经网络的数据驱动软测量建模方法。利用主元分析处理输入变量之间的共线性问题,设计了Hammerstein模型与递归神经网络的混合结构,用于描述过程对象的非线性和动态关系。为了使模型参数估计达到全局最优,提出了基于收缩粒子群优化算法的参数学习算法,不仅能够实现模型参数的更新,而且能够保证建模误差最小化。通过某氧化铝氯酸钠溶液组分浓度软测量问题中的实际应用表明:混合智能方法有效。     

贾卡经编织物花纹图案的自动识别

在一般的花型设计和检测印染织物花型是否走样的过程中,都需要将花纹提取出来。为了快速地将织物花纹图案提取出来,提高花纹设计效率,本文主要基于织物图像的颜色特征,对织物图像建立高斯混合模型,然后根据后验概率的排序大小,并对织物图像的不同层次进行相应的标注,从而标记出所需的织物花纹。结果表明:该方法能有效地将完整的花纹提取出来,准确度高,速度快,具有一定的实用价值。     

基于混合阈值的清除重复间隔阈值经验模态分解去噪方法

经验模态分解(Empirical mode decomposition,EMD)被认为是一种有潜力的非线性非静态信号去噪方法。传统的经验模态分解阈值去噪在零点附近存在不连续性的缺点,Kopsinis提出了EMD-IIT和EMD-CIIT方法,但这两种方法对阈值过于敏感,即区间极值轻微的偏差就有可能导致去掉整个区间曲线,因此本文提出一种混合阈值算法,结合了EMD-DT和EMD-IT各自的优势。仿真结果表明此去噪算法具有较好的效果。