两种混合单元混合机理的数值模拟

为了研究SV型和SX型混合单元在全静态乳化器的混合机理,使用群体平衡模型对乳化器内部流场进行模拟分析。结果表明,SV型与SX型混合单元的混合机理是油相与水相材料通过混合单元时其空间流动方向改变,在流场内形成大量的漩涡,从而达到乳化的目的;通过比较流体在经过SV型和SX型混合单元后的水相索特平均直径(d_(32)),得出SV型混合单元的乳化效果更强,但同时消耗更多的能量,压降更大。     

煤峪口矿81010工作面煤层底板裂隙发育特征及防治

针对煤炭开采过程中出现的突水事故,采用RFPA数值模拟软件建立采动模型,对底板裂隙破断过程和声发射进行模拟,研究煤层底板采动裂隙扩展突水通道,结果表明:离断层越近,断层内水压导升高度越高,断层出现活化,裂隙扩展发育,最终贯通形成导水通道,在进行注浆改造后,单个钻孔的最大涌水量为8 m³/h,说明注浆加固防治水效果较好,能确保工作面的安全回采。     

天然气管道放散计算与速查图

结合工程需要和实际情况，应用实际气体状态方程得到放散量计算式。放散时间计算式选取临界流计算模型。将两个计算式中的固定值和影响因素单独归纳，分别绘制出天然气管道放散量计算系数和放散时间计算系数速查图，给出计算流程。经实例验证，计算值与实际值相对误差不超过5%,此计算方法的实用性较强，能很好地满足工程上对放散量计算方便性和准确性的要求，对指导施工具有一定实用意义。文末附有放散量计算系数和放散时间计算系数速查图下载链接，也可扫二维码下载。     

双足机器人五质心模型的预测控制实现方法

为提高双足机器人的步行性能，提出了基于五质心模型的预测控制实现方法。该方法按照机器人的结构，将机器人质量分配在躯干、双臂、双腿中的五个质心，并推导出基于机器人腰部的零力矩点变换公式。应用模型预测控制方法，控制机器人在线跟踪优化的行走轨迹。为验证算法正确性，进行了3D动态仿真实验和现实环境中步行实验。实验结果与基于单质心模型和三质心模型的模型预测控制算法对比，证明这里算法具有更高的步行轨迹跟踪精度。     

“灰绿”协同措施对银川市合流制溢流污染的影响EI北大核心CSCD

针对合流制管网系统在雨天溢流污染严重,造成城市水体黑臭现象的问题,以银川市某高密度城区合流制管网系统为例,基于SWMM模型,在短历时设计降雨和长历时设计降雨两种条件下,模拟分析了合流制溢流(CSO)调蓄池、雨污管道混错接改造、绿化带海绵化改造等“灰绿”协同措施对CSO污染的影响。结果表明:CSO调蓄池、雨污管道混错接改造、绿化带海绵化改造及“灰绿”措施结合4种方案在短历时、长历时设计降雨条件下,随着降水量的增加,溢流水量及溢流污染物负荷均增加,溢流削减率均逐渐减小,其中“灰绿”措施结合方案对溢流污染的削减效果最为显著;重现期小于5 a时,溢流水量削减率与溢流污染物负荷削减率基本达到80%;降雨条件为中雨时,污染物负荷削减率基本达到75%;重现期为20 a时,溢流水量削减率及TSS、COD、TP、NH^(+)_(4)-N负荷削减率分别达到64%、70%、70%、70%、70%;降雨条件为大雨时,溢流水量削减率及TSS、COD、TP、NH^(+)_(4)-N负荷削减率分别达到28%、32%、26%、31%、33%。     

基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。