微重力下低速空气伴流对甲烷-空气层流扩散火焰特性的影响

研究微重力下空气伴流对层流射流扩散火焰特性的影响,可为航天领域中火灾探测研究提供理论支持。在国家微重力实验室落塔式设施中进行了短时（3.6 s）微重力实验,获取不同伴流空气速度下甲烷火焰的特性。结果表明,层流射流扩散火焰特性会受到微重力环境下低速空气伴流的影响。当气流速度为0~0.5 m/s时,在微重力环境下无法观察到火焰振荡现象,随着伴流速度增加,火焰的长度和直径减小,但是与长度相比,直径没有明显变化;随着伴流速度的增加,微重力环境下甲烷火焰的辐射热损失率降低,而微重力火焰的辐射热损失率比常重力下大。     

微重力环境对层流射流扩散火焰形貌特征的影响

研究微重力环境下层流射流扩散火焰的形貌特征,可为航天领域中火灾探测的研究提供理论支持。本文首先选取可控的层流射流扩散火焰,对火焰炭黑特性及其对火焰温度和热辐射的影响进行了理论分析。其次,在国家微重力实验室落塔设备中进行实验,微重力水平可达10-2~10-3 g,实验结果表明,微重力环境下随着伴流空气速度增大火焰亮度增大,火焰辐射分数降低,火焰温度升高,同时火焰内高温区位于火焰两翼处。     

操作类课程的多层次课堂工程实践教学设计

文章针对计算机操作类课程,以教学效果的要求为中心,结合CDIO工程教育理念、学生操作的认知过程设计了多层次课堂教学模式。工程教育的目的在于培养学生动手实践,强化知识,获取技能,提高学生获取知识和信息的能力。本文以Linux系统管理,Linux管理与应用课程为例子,阐述了多层课堂实践教学设计的实现过程。     

基于特高频技术的开关柜故障预警方法研究

为实现对开关柜运行状态的在线监测,研究了一种基于特高频技术,通过特高频传感器检测开关柜的局部放电信号以判断其内部放电类型的故障预警方法,为开关柜的局部放电检测及定位提供了参考.     

基于卷积-双向长短期记忆网络的电池SOC预测

锂电池的预测性维护是电池应用的重点,实现它的关键是有效地预测锂电池的荷电状态(SOC)。随着信息技术和深度学习网络算法的发展,深度学习法在SOC预测方面显示出很好的潜力。提出了一种基于卷积-双向长短期记忆网络(CNN-BiLSTM)的SOC预测方法,利用卷积神经网络(CNN)模型提取局部特征,双向长短期记忆网络(BiLSTM)充分利用双向SOC的时间信息。在公共数据集上的对比实验表明,该模型提高了SOC预测的准确性。     

基于ISSA-GRU的混凝土抗压强度预测

考虑到抗压强度对混凝土设计的重要影响，本文提出了改进麻雀搜索算法(ISSA)和门控循环单元(GRU)结合的ISSA-GRU预测模型，实现对高性能混凝土抗压强度的精准预测。对收集的数据集进行归一化处理后，利用基于光谱-理化值共生距离(SPXY)法对数据集进行训练集和测试集划分，采用GRU对高性能混凝土抗压强度进行回归预测，并通过引入动态惯性权重的ISSA,加强对GRU网络参数的寻优效率。结果表明，在使用相同数据样本的情况下，将ISSA-GRU模型与长短期记忆(LSTM)网络、核极限学习机(KELM)和支持向量回归(SVR)模型进行比较，其均方根误差RMSE分别降低了9.3%、37.5%、33.5%,平均绝对误差MAE分别降低了13.5%、38.5%、41.7%。同时，研究了训练集数据量和输入变量对模型预测性能的影响，研究结果表明，所提出的模型能高效寻找超参数，具有较高的预测精度和较好的适应性，为多样化原材料和混凝土特定性能的发展提供可行参考。