气-汽对流传热参数的测定及变化规律

在原有“气—汽对流传热综合”设备的基础上,对传热实验过程和步骤进行创新设计,将化工原理中动量传递和热量传递理论结合起来,测定了综合传热过程中光滑管和粗糙管的摩擦系数和对流给热系数,讨论和分析了各参数的变化规律。     

酒店热回收技术的应用

在当今能源紧张、资源匮乏的年代,节能、环保已成为持续发展的主题。本文结合我国当前的能源形势,针对酒店工程提出了一种节能方案——热回收。这种热回收方式以其显著的节能效果现受到越来越多行业学者的关注,在空调节能方面值得大力推广与应用。     

热科学与动力工程教育部重点实验室

清华大学热科学与动力工程教育部重点实验室以能源的高效转换和清洁利用为核心,以传热学、热力学、流体力学、化学及系统科学为基础,以满足国家能源特别是化石能源的安全高效利用提供科技理论创新和先进技术为目标,     

基于个人舒适系统杭州住宅冬季热舒适与能耗

为揭示该地区个人舒适系统(PCS)作用下的居民冬季热舒适特征和供暖能耗需求,以杭州市为对象,采用问卷调研和入户现场实测的方式得出冬季住宅开窗、遮阳、使用空调和PCS等典型热环境组合调节模式以及典型供暖模式和居民活动状态组合下的热舒适特征;在此基础上模拟得到冬季室内热舒适和供暖能耗特征。结果表明,冬季“无设备+静坐”“、空调+静坐”“、PCS+静坐”“、无设备+家务劳动”“、空调+家务劳动”、“PCS+家务劳动”等6种工况下的冬季中性温度分别是17.3、18.8、16.4、15.7、15.7、13.9℃,舒适温度区间分别是14.3～20.3℃、17.1～20.5℃、14.4～18.4℃、13.7～17.8℃、13.3～18.1℃、11.0～16.9℃。冬季室内热舒适水平受热环境调节模式影响较大,客厅在室舒适时间占比在43.74%～80.21%之间,卧室在室舒适时间占比均为70%以上。使用空调与PCS供暖时,典型建筑在冬初冬末的供暖能耗强度是1.28 kWh·m^-2,在严冬的供暖能耗强度是13.06 kWh·m^-2。     

基于仿真的有线通信网络连接方案优化研究

费用问题是有线通信网络建设过程中的重要问题.针对通信网络费用计算过程中的拓扑结构问题和定性值量化问题,分别研究了"演进法"和"拟合法".其中"演进法"大大减少了拓扑结构选择的计算量,使多节点连接方案计算成为可能;"拟合法"为多层定性值的量化提供了手段.把这两种方法综合到仿真计算过程中,为选择费用最小的网络连接方案提供了支持.     

电路原理图的加权网络分析

对电子电路进行复杂网络分析时,为了很好地体现有些元器件的重要性,本文引入了节点间连边加权的概念.以具体电子电路原理图为例,找出各个元器件之间的连接关系,建立网络的拓扑结构,生成一个加权网络,得出了网络的统计参数,给出了节点连接度的概率分布函数曲线.结果显示这种加权分析方法能更好地体现出电子电路系统的特点.     

并行多路径传输的可靠性模型研究

端到端并行多连接和多路径技术的应用能够提高数据传输的吞吐量,增强数据传输的可靠性,因此成为互联网研究的一个重要内容.一个应用所使用的路径可能会因为网络中存在的攻击而断掉,在失效路径可恢复的情形下,研究了并行多路径传输的可靠性,给出了相应的可靠性模型,得到了此时该应用仍能够成功完成的概率.最后给出了数值仿真,说明了并行多路径数据传输的高可靠性.     

基于热干扰的管路自动敷设算法

基于热干扰分析,提出一种管路自动敷设算法。该算法以预处理和优化搜索为基本框架。在预处理阶段,利用混沌理论和热分析原理,建立基于热干扰分析的预处理模型。三维管路敷设空间经过预处理模型处理,有效地降低管路自动敷设算法的求解复杂度并保障了管路敷设的热安全性。在优化搜索阶段,通过改进蚁群算法,给出了高效的管路自动敷设算法。通过对比实验表明改进蚁群算法有效地增加了种群的多样性。最后,实例验证表明该算法的有效性和实用性。     

囚徒困境中基于非均匀连接的促合作控制设计

本文研究"囚徒困境"中促进合作演化的机制,设计"合作识别"和"背叛识别"两种控制形式,并分析合作在相应控制之下的演化路径问题.在合作识别控制设计中,通过将博弈群体分为合作者子群体和合作者与背叛者共存子群体,形成连接率依赖于个体策略的"非均匀连接",以保护合作的方式抑制背叛,促进合作演化;在背叛识别控制设计中,以惩罚背叛的方式鼓励合作.文章指出,合作识别控制设计能在合作率较低时促进合作,但不能使合作成为演化稳定策略(ESS);背叛识别控制设计能在合作率较高时使合作成为ESS,但是背叛总是该控制下的ESS.结合"合作识别"控制与"背叛识别"控制,本文设计一种切换控制,使得合作是"囚徒困境"博弈的唯一ESS.仿真给出不同要求下的控制律设计,分析不同切换选择对合作演化路径的影响.     

基于鲁棒LS-SVM的ARMA时序模型研究

对时序数据建模与辨识技术进行了分析,提出了使用鲁棒LS-SVM算法建立ARMA时序预测模型。该模型是在LS-SVM的约束条件中加入鲁棒特性和时序模型参数,使之在求解的过程中对孤立点与噪声不敏感,并且能准确地辨识时序模型参数。考虑到高炉的热状态的输入输出数据集间存在着复杂非线性时序上的关系,通过用基于鲁棒LS-SVM的ARMA模型预报铁水中硅的含量,从而达到了预测高炉热状态的目的。说明了该模型在对非线性时间序列预测精度和稳定性上具有明显的优越性,为稳定钢铁质量和生产工艺创造了良好条件。