考虑地震载荷作用的水电机组转动部件强度分析

近年地震多发,震中地区的水电机组均受到不同程度的损坏。为研究地震后机组运行的可靠性,根据恢复运行后其运行条件和方式较灾前变化情况,把承受转动部件的上机架纳入分析对象,对应不同工况在上机架上采用应变片测试来验证计算分析的正确性。为了准确计算转动部件承受的载荷,采用CFD对水轮机内部流场进行三维数值模拟,将流场的计算结果作为结构场的初始条件。以地震力和地震加速度两种方式加载地震载荷,采用单向流固耦合方法对各部件进行地震载荷下的仿真计算与工程实测数据对比发现二者吻合较好。结果表明,文章采用的方法能正确评估水轮机结构强度,对机组灾后运行安全性分析有一定指导作用。     

人工神经网络在水资源规划领域中的应用

本文从水资源现状及发展前景出发,介绍了如今被越来越重视的智能规划方法——人工神经网络,以及其在水文领域被广泛应用的BP算法.防治洪水灾害是水资源规划的一项重要内容,结合BP神经网络进行水文预报使得预报更为简便易于操作,预报精度较传统水文模型也有一定提高.因此加强人工神经网络的深入研究,并耦合其他方法,使其更为灵活广泛地应用于水文预报领域十分重要.     

基于节约算法的城市配送路径优化问题研究

基于城市配送物流业发展的实际需要,以江苏绿草地纯水有限公司为例,本文通过节约算法对配送路径进行了优化,列出节约程顺序表,然后按节约里程从大到小合并路径,绘制成配送中心与各客户点优化线路图,从而对配送线路进行优化,提出了最优配送方案。结果表明:该算法能够有效地优化城市配送的路线,降低配送成本。     

基于FLAC^3D的某碎石土边坡地震反应分析

基于完全非线性的动力分析方法,利用FLAC3D软件对西南某碎石土边坡在地震下的稳定性进行分析。分析表明：地震作用下,边坡坡面的水平向永久位移最大,并由坡面向坡内逐渐减小;边坡的加速度时程与场地输入的PGA相比均有一定程度的放大;在边坡上随着高程的增加,水平方向向坡外的位移大小变化受边坡结构面的控制影响较大。研究结果有助于进一步探讨复杂边坡地震下的失稳机制。     

组合导航定位法为农机精准定位填补世界空白

最近，中国农业大学硕士研究生陈艳与张漫副教授，将GPS和摄像机两种传感器结合起来，并采用UKF滤波算法对采集到的信息进行融合，大大改善了农业机械的导航定位效果，此项研究填补了该领域的空白。     

数据挖掘技术在高校校园APP用户黏度分析中的应用研究

随着移动终端的逐渐普及,校园APP在高校日常管理中起着举足轻重的作用。通过数据挖掘技术对用户使用APP的相关数据进行研究,采用关联、聚类、决策树等数据挖掘方法找到用户黏度降低、用户丢失的原因,改进APP信息呈现形式,提升用户体验。     

不同送风和载物方式作用下冲击式速冻设备中虾仁冻结过程的比较

以明虾虾仁为研究对象,利用数值模拟结合实验验证的方法,研究两种送风方式(单侧送风和双侧送风)和两种载物方式(板带载物和网带载物)对虾仁冻结过程的影响,找到使虾仁冻结时间最短的送风和载物方式。研究发现:对于虾仁冻结来说,采用双侧送风+网带载物可以使虾仁表面流场流速更大,有利于提高换热效率,减少虾仁冻结时间,相对于其他送风方式和载物方式来说可缩短虾仁冻结时间的14%～25%;双侧送风有助于低速侧形成提高虾仁下表面流速的涡流,而网带载物可以避免在虾仁下侧面与网带交界处以及虾仁头部形成射流"真空区",上述均有助于提高虾仁表面风速,缩短虾仁冻结时长;但是冻结速度越快,虾仁冻结均匀性则越差。在本次实验中,虾仁内外最大温差出现在实验组D(双侧送风+网带载物),最大温差可达13.02℃。     

基于WALLFILM模型的挥发雾化式燃烧器雾化系统的研究与改进

对于挥发雾化式燃烧器,蒸发雾化是燃烧的关键环节,直接影响燃烧产物的成分和燃烧器的功率。本文应用WALLFILM模型原理设计并改进了燃烧器雾化系统,利用CFD软件仿真并分析了雾化区域断面上的静压强分布,并用试验验证了改进结构的蒸发率,由试验结论可以得出,旋流动量矩所形成的涡流中心的低压效应可以明显地改善燃油蒸发量,在旋流进气的方式下,本结构较好地实现了挥发雾化。     

基于vb的电场电位分布规律和数值曲线研究

本文简单地阐述了在不同的场源形式下,电场电位的分布规律,以及提供了他们基于VB的程序代码,和数值曲线图,从而清楚地掌握地下介质电场电位的变化规律.     

基于连续投影算法和光谱变换的冬小麦生物量高光谱遥感估算

为探索基于全波段冠层高光谱以及变换光谱的冬小麦地上部生物量的遥感估算方法，以2016、2017年冬小麦田间试验为基础，通过对冠层光谱和地上部生物量的相关性分析，筛选拔节期、抽穗期的冬小麦冠层光谱、一阶导数光谱、对数变换光谱和连续统去除光谱对地上部生物量的敏感波段，并结合偏最小二乘法(PLS)分别建立拔节期和抽穗期基于SPA算法的冬小麦地上部生物量估测模型，再与基于任意两波段组合的最佳归一化光谱指数、比值光谱指数、差值光谱指数和已报道光谱指数的冬小麦地上部生物量估测模型进行比较。结果表明：(1)SPA算法较好地利用了全波段冠层光谱信息，并显著降低了光谱维度，不同变换光谱的地上部生物量敏感波段个数在4~14之间；(2)拔节期和抽穗期冠层光谱与地上部生物量的相关性高于开花期和灌浆期，各生育时期一阶导数光谱与地上部生物量之间的相关性优于连续统去除光谱、对数变换光谱和光谱指数；(3) 利用抽穗期一阶导数光谱敏感波段建立的预测模型和验证模型达到了较高的精度，其预测模型的决定系数和均方根误差分别为0.78和0.87 t·hm^-2，验证模型的决定系数和均方根误差分别为 0.84和0.69 t·hm^-2，预测相对偏差为2.74。这说明，抽穗期是估算地上部生物量的最佳生育时期，且基于冠层一阶导数变换光谱，结合连续投影算法和偏最小二乘回归方法所构建抽穗期地上部生物量估算模型具有最优的精度和预测能力，可用于地上部生物量的定量估算。