特种车辆涡轮增压器内部流动特性分析

涡轮增压器是特种动力装备的重要动力部件,良好的密封是保证涡轮增压器正常工作的关键因素,而叶轮高速运转引发的压力不均则是泄漏的重要原因.基于流体力学分析方法建立有限元模型,研究了一种离心泵式密封结构的内部流场分析及流动特性,探讨了压气机端泄漏量、内部压力在不同转速和窄隙出口负压等工况下的变化规律,验证了该密封结构的油气密封性能.结果表明,受高速离心效应影响,该密封结构具备良好的防止压气机端漏油效果,高速运转时会产生漏气.研究结果为改进涡流增压器密封结构提供了参考依据.     

头孢孟多酯钠的波谱学特征和结构确证

建立了利用分析仪器确证头孢孟多酯钠化学结构的方法。通过元素分析仪分析头孢孟多酯钠的元素组成,并利用核磁共振（NMR）、质谱（MS）、红外光谱（IR）、紫外光谱（UV）对头孢孟多酯钠进行结构分析。通过解析确证,头孢孟多酯钠的结构为7-D-( 2-甲酰氧苯乙酰胺)-3-［(1-甲基-1H-四唑-5-基)巯甲基］-8-氧代-5-硫杂-1-氮杂双环[4.2.0]辛-2-烯-2-甲酸盐。该方法准确可行,可为头孢孟多酯钠的结构鉴定提供依据。     

基于交通出行行为的郑焦城际公交客流预测

通过统计分析郑焦城际公交乘客的个人属性和出行信息,选择灰色模型对客流进行建模、预测和精度检验,得到模型的平均相对误差为3.98%,精度为96.02%,较好地满足了精度要求。该研究为郑焦城际公交的组织优化提供了理论依据和技术支持。     

超密齿面铣刀的铣削力波动特性及其影响

提出了一种超密齿面铣刀概念,并推导了x和y方向的铣削力计算模型,分析了超密齿刀具铣削力及其波动规律.结果显示:随刀具的转动铣削力呈锯齿状变化,x向铣削力波动呈现两个山峰状,在三齿同时参与切削时波动最小.y向铣削力波动随初始切入角的增大先增大后减小,对比发现超密齿刀具铣削力波动远小于疏齿刀具.提出用单位体积材料所需切向铣削力大小来评价超密齿刀具和疏齿刀具性能.通过超密齿面铣刀的铣削实验验证了铣削力计算模型,并发现铣削力波动是影响工件表面粗糙度的因素之一,同时也反映出超密齿刀具的加工优越性.     

含孔花岗岩破裂过程不同区域声发射特征

利用孔洞对声发射(AE)传播的阻隔作用,对AE探头监测区域进行分区.通过含孔花岗岩双轴加载破坏过程的AE多通道监测实验,研究了岩石变形破坏过程不同区域AE特征及其与破坏模式之间的关系.结果表明:试件的AE探头监测区域分为独测区、共测区、盲测区;试件共有两种破坏形式,“V”型和贯穿型;对于“V”型破坏的试件,主破裂发生在独测区,各通道的AE特征明显不同;对于贯穿型破坏试件,主破裂发生于共测区,各通道的AE特征较为相近.     

不同牵引特性城轨列车车轮磨耗与疲劳研究

针对列车频繁牵引起动对车轮磨耗与疲劳损伤产生的影响问题,在恒定牵引力的基础上,探究了不同牵引特性曲线恒功率区转折点速度对车轮磨耗与疲劳的影响规律。采用SIMPACK和MATLAB软件进行联合仿真,建立了不同牵引特性下城轨列车动力学模型和基于Archard的车轮磨耗模型,分析在牵引电机不同起动转矩下牵引特性曲线恒功率区转折点速度对城轨列车轮轨蠕滑率、车轮磨耗深度、磨耗面积以及疲劳指数的影响规律。结果表明：列车牵引起动过程中,电机起动转矩越大,轮轨蠕滑率、车轮磨耗深度和磨耗面积也越大,而疲劳指数则越小;电机起动转矩一定时,随着列车牵引特性曲线恒功率区转折点速度的增大,轮轨蠕滑率、车轮磨耗深度和磨耗面积也增大,疲劳指数则有所减小;当电机起动转矩从800 N·m增大到1 400 N·m,车轮磨耗深度和磨耗面积增长率最大为6.9%和12.6%,而疲劳指数下降率最大为7.2%;当恒功率区转折点速度从50 km/h增加到80 km/h,车轮磨耗深度和磨耗面积增长率最大为4.4%和4.3%,疲劳指数下降率最大为1.9%。本文研究了车辆起动转矩与恒功率转折点速度变化对车轮磨耗与疲劳的影响规律,可为车辆牵引特性设计和电机控制以及车轮运维提供参考。     

不同断面引水流道的水力特性分析

结合工程实际,对不同断面引水流道的水头损失、最大取水量及停泵时前池水面壅高进行了计算和物理模型试验,选定了最为合适的流道断面。     

郧阳医学院图书馆特色数据库建库心得

根据郧阳医学院图书馆解剖学和麻醉学两个特色库的建设情况,分析了特色库建设的目标,探讨了特色库建库的要求及目前存在的问题。     

基于可解释机器学习的水平井产能预测方法

准确预测致密气藏分段压裂水平井产能是压裂效果评价和优化设计的关键环节。现有的产能预测方法,引入了过多的假设和简化,很难全面反映致密储层流体多尺度的运移机理和复杂物理过程,导致产能预测误差较大。提出一种基于机器学习的致密气藏分段压裂水平井产能预测方法,该方法综合利用已收集的地质、压裂水平井产能及钻完井等多类型数据,通过机器学习算法直接挖掘数据内部规律,建立产能预测模型。此外,为解决常规机器学习模型的“黑盒子”问题,还利用SHAP(SHapley Additive exPlanations)方法对建立的机器学习模型进行全局和局部解释,分析影响产能的主要因素,增加了模型的可信性和透明度。以苏里格气田苏东示范区为例,验证了该方法的有效性和实用性。与油气藏数值方法相比,该方法不仅提高了产能预测的精度,而且缩短了建模周期,加快了计算速度。     

关于最佳轨道引论(23)

在这篇文章中,《关于航天器最佳发射轨道的理论及其他问题的研究》中的一些结果被完善。