插装阀阀芯优化与仿真分析

插装阀在静止状态下，由于静摩擦的原因，导致阀芯与阀套出现卡滞现象；在运动状态下，由于压差和阀芯微偏移的原因造成阀芯与阀套发生磨损；为此提出一种新型的带有导流槽的插装阀阀芯。基于缝隙流动和液压卡紧分析，建立插装阀阀芯与阀套间隙的CFD优化仿真模型，通过N-S方程、伯努利方程和卡紧力方程联立得到阀芯与阀套间卡紧力的推导公式。基于CFD仿真模拟分析，比较新型阀芯与原阀芯不同模型间隙的切线应力、压力分布规律，结果表明：在入口压力为12 MPa时，原阀芯的切线应力在12 000 Pa上下波动，大于新型阀芯切线应力4 200 Pa；在入口压力为8 MPa时，原阀芯的切线应力在7 200 Pa上下波动，大于新型阀芯切线应力3 000 Pa；且原阀芯切线应力的波动范围远大于新型阀芯。新型阀芯在阀套间的受力更加平稳，磨损更小。研究结果为插装阀优化以及减少能量损失和改善润滑条件提供理论指导和依据。     

罐顶对罐壁应力的影响

在大型油罐设计中采用线性理论的方法,分析论述了罐顶对罐壁是否产生影响这一问题。通过对拱顶油罐、浮顶油罐的罐壁边界条件、罐顶边界条件的分析计算,求出各层壁板挠度方程中的待定系数,便可得出其应力。从线性方程中,可看出影响罐壁应力的主要因素是挠度方程中的待定系数。待定系数除受储罐尺寸、液位高度的影响外,还受罐顶重量、罐顶剪力和弯矩的影响。以10万m~3浮顶油罐和拱顶油罐为例,进一步证明,液位是罐壁应力的控制因素,而罐顶重量、罐顶剪力和弯矩对罐壁应力的影响可以忽略不计。     

草莓果实的流变特牲及其在贮藏过程中的变化规律

利用自制的应力－应变试验台，对草莓果实的应力－应变特性和蠕变特性进行了测定与研究，建立了草莓果实应力－应变的数学模型，指出了草莓果实的极限屈服点变动范围。同时对草莓在不同贮藏条件下流变特性的变化规律进行了初步的研究，发现草莓的成熟度、贮藏温度及贮藏时间对果实的硬度、屈服应力均有较显著的影响，建立了屈服应力随时间变化的不同阶段的回归方程，可用于预测在相应贮藏条件下的草莓果实的屈服应力。     

用有限元法对热压机机架的应力分析

介绍了应用有限元法对热压机机架进行应力应变计算过程，并对应力、应变进行了分析，提出了改善机架应力状态的措施。     

阔叶材干燥应力的研究─—温度对干燥应力的影响

采用切片法研究了大青杨、白桦和柞木的干燥温度和干燥应力间的相关性。试验结果表明，温度对内、外层最大应变值有影响．而对于最大极值点的平均木材含水率影响不明显。温度越高，达到应变极值点所经历的时间越短。     

多股绝缘下户线接头经验点滴

1应处理好导线接头的氧化层,并应有足够的搭接长度。根据不同性质的导线,选择其合适的搭接方式。但必须紧密牢固,有足够的机械强度,不得有松股和接触不良现象,才能保证安全运行。2接线时应使接线线头向供电端逆电流方向缠绕或压接。3多股铝芯导线应采用并沟线夹接线,亦应在主线和接线外层均匀紧绕一层铝包带,以防导线拆股。4由于下户线在集表箱前端,为防窃电不宜在表箱前支撑点下U形弯最低点设放水口,故在接头处应注意防止雨水进入导线绝缘层内而发生短路着火事故。解决的方法是:如用并沟线夹接线时,下户线接头端用线夹紧固在主导线的垂直…     

影响地基应力解除法纠偏效果的若干因素

介绍了应力解除法的基本原理，总结实践经验，针对在工程中可能遇到的实际问题，阐述了影响其纠偏效果的若干因素，以利于有效利用该法进行建筑物纠偏。     

基于PC-RELM的养殖水体溶解氧数据流预测模型

养殖水体中溶解氧浓度一直是最重要的水质参数之一。为了精准地对水体溶解氧进行调控,提高养殖生产效率,降低养殖风险,该研究考虑外部天气条件对溶解氧的影响以及溶解氧自身的昼夜变化特征,提出一种基于正则化极限学习机（principal component analysis and clustering method optimized regularized extreme learning machine,PC-RELM）的养殖水体溶解氧数据流预测模型。首先,采用主成分分析法判断影响溶解氧浓度的强重要性因子,降低预测模型的数据维度;其次,利用熵权法计算各时刻点的天气环境指数,并利用快速动态时间规整算法（fast dynamic time warping,FastDTW）完成时间序列数据流在不同天气环境下的相似度度量;然后使用k-means算法对时间序列的相似度进行聚类分簇,并基于分簇结果完成正则化极限学习机预测模型的构建,实现溶解氧浓度的估算。最后将PC-RELM模型应用到无锡南泉试验基地养殖池塘的溶解氧预测调控过程中。试验结果表明：PC-RELM的预测均方根误差值（root mean square error, RMSE）为0.961 9,与PLS-ELM（partial least squares optimized ELM）、最小二乘支持向量机（least square support vector machine,LSSVM）以及BP神经网络模型进行对比,其RMSE值分别降低了41.54%、54.58%和67.16%。该预测模型可以有效地捕捉不同天气条件下溶解氧的变化特点,具有较高的预测精度和效率。