等截面纵横弯曲梁的分布传递函数法

建立了等截面纵横弯曲梁的分布传递函数求解模型。这种模型可以适应复杂的边界条件和外力情况,表达公式形式简单规范,便于计算机编程处理。对于复杂系统,根据外力和约束的情况,将其分成多个子系统,并依照分布传递函数方法分别对每个子系统进行处理,借助有限元方法,建立整个系统的平衡方程,最后得出问题的解。     

变截面微小通道的传热特性

为研究变截面微小通道的流动和传热特性,设计了9种不同微小尺度的变截面通道。采用实验研究的方法,得出了流体在变截面微小通道中的传热特性以及与常规尺度通道的差异,分别比较了通道的进出口宽度比、高宽比对变截面、微小尺度通道传热特性的影响,根据实验结果得到了描述水在变截面微小通道中的流动及传热特性的无量纲关联式。     

高温回热器传热性能试验研究

采用等流量法对回热器在600℃高温下进行传热性能试验,并利用Origin自定义函数曲线拟合法对试验数据进行处理,得出了具有工程应用价值的Nu-Re准则关系式．     

基于GSM的远程监控系统数据传输

介绍了基于GSM的短消息服务系统,分析了短消息发送平台的工作原理,提出了基于GSM短消息的监控系统架构,给出了系统部分核心代码,从而有效地解决了远程监控系统的数据采集与传输的技术问题。     

基于DSP＋FPGA的PCI数据高速传输

针对解决数据高速传输提出了一种基于DSP FPGA的实现PCI高速传输数据的方法,在此设计中,遵循标准的协议和总线原则,使得系统具有通用性和可扩展性。为数据的高速传输提供了理论基础和实践经验。     

考虑组分扩散的气冷涡轮气热耦合计算

研究了冷气掺混过程中燃气组分变化对气冷涡轮气热耦合计算的影响。求解器为HIT-3D气热耦合求解器,该求解器包含一个流动求解模块与固体温度场求解模块,并通过直接耦合方法来实现流固区域的数据传递。为了研究冷气组分变化的影响,该求解器还求解了冷气组分扩散方程,并将工质热物性质,包括定压比热与气体常数,表示为组分与温度的函数。研究算例为某低压气冷涡轮导叶,同时进行了考虑组分扩散与单工质气体的气热耦合计算。对两种不同计算条件下的工质热力参数以及涡轮表面热负荷进行了比较,结果表明考虑工质组分变化后,在冷气掺混区域,工质气体常数变化很小,但定压比热与叶片表面温度有较大的差异;其中前者降低,后者升高,其最大差值分别为0.1和0.02。     

有机热载体锅炉受热面管的瞬态传热模拟及结垢检测技术研究

以导热油为介质的有机热载体锅炉因其运行温度高,使用不当易发生有机热载体裂解和性能劣化、受热面结垢、过热,且较难通过宏观检验;发现常导致锅炉失效和火灾。建立了有机热载体锅炉受热面管的有限差分瞬态传热模型,研究了管壁结垢对受热面管温度分布的影响;并结合检验实例研究了红外热波无损检测技术在有机热载体锅炉检验中的应用,探索出一种有机热载体锅炉结垢检验新方法。     

换热温差对升温型吸收式热泵回收废热的影响

以升温型溴化锂吸收式热泵系统的传热、传质平衡以及各部件的热力学关系为理论依据,建立一个回收废水热量的稳态数学模型,运用正交实验法,提出了综合考虑系统总换热面积、总循环流量和系统性能系数COP的经济参数F,阐述了系统各参数受各部件换热温差及其相互耦合作用影响的敏感度,分析了各部件换热温差对系统总面积A、总循环流量M、COP及参数F的影响。结果表明：各温差因素的耦合作用相比各温差因素对系统的影响力度要弱很多,可以忽略其作用;当蒸发温差、冷凝温差、吸收温差和发生温差分别取4℃、4℃、9℃和6℃时经济参数F值最大,为0.4515,相应的COP为0.455。     

基于动量自适应学习率PSO-BP神经网络的钻速预测模型研究

机械钻速(rate of penetration, ROP)是钻井作业优化和减少成本的关键因素,钻井时有效地预测ROP是提升钻进效率的关键。由于井下钻进时复杂多变的情况和地层的非均质性,通过传统的ROP方程和回归分析方法来预测钻速受到了一定的限制。为了实现对钻速的高精度预测,对现有BP (back propagation)神经网络进行优化,提出了一种新的神经网络模型,即动态自适应学习率的粒子群优化BP神经网络,利用录井数据建立目标井预测模型来对钻速进行预测。在训练过程中对BP神经网络进行优化,利用启发式算法,即附加动量法和自适应学习率,将两种方法结合起来形成动态自适应学习率的BP改进算法,提高了BP神经网络的训练速度和拟合精度,获得了更好的泛化性能。将BP神经网络与遗传优化算法(genetic algorithm, GA)和粒子群优化算法(particle swarm optimization, PSO)结合,得到优化后的动态自适应学习率BP神经网络。研究利用XX8-1-2井的录井数据进行实验,对比BP神经网络、PSO-BP神经网络、GA-BP神经网络3种不同的改进后神经网络的预测结果...     

基于自适应乘法正则化的结构随机激励识别

针对结构随机激励识别存在的激励位置未知以及重构效率偏低问题,本文提出了一种基于自适应乘法正则化的结构随机激励识别方法。该方法无需依赖于激励位置的先验信息,仅通过结构响应即可实现激励的准确定位和高效重构。首先,利用不同响应功率谱之间的传递特性来计算任意指定激励位置的定位误差,进而通过最小化定位误差来识别目标激励位置;在此基础上,借助自适应乘性正则化方法,定义全局正则化项来构造新的重构优化函数;然后,引入广义迭代加权最小二乘算法对优化函数进行求解,从而实现了结构随机激励识别;最后通过数值算例验证了所提方法的有效性。结果表明：所提方法能够精准的定位结构随机激励位置,且在与Tikhonov方法重构精度相似的基础上,提高了识别效率约15倍,同时具备良好的抗噪能力,为结构外部作用效应的获取提供了一种新思路。