低压涡轮Spoon叶片设计技术平面叶栅数值研究

为探索低压涡轮Spoon叶片设计中叶型厚度和厚度径向分布对叶栅性能影响,以低压涡轮平面叶栅为研究对象,对不同叶型最大相对厚度和厚度径向分布情况下叶栅流场和性能开展了数值模拟研究,研究结果表明:Spoon叶片设计存在叶片性能与重量最优组合,最佳叶型最大相对厚度为0.2左右;叶片增厚径向范围应不小于二次流影响区域,综合考虑叶片性能与重量因素,10%以下叶高与端区最大厚度一致,然后线性变化到20%叶高的厚度分布变化规律最佳。     

基于Bi-LSTM的医疗事件识别研究

文本的深度语义分析近年来已经成为自然语言处理研究领域的一个热点,文本的信息抽取及属性识别是文本语义分析的一项重要任务。随着机器学习技术近年来在自然语言处理领域取得了成功,部分学者将该技术推广到了医疗领域的信息抽取任务上面,并且在标准测试集上得到了比传统统计学方法更好的结果,然而这些模型方法仍然存在信息获取不充分等问题。因而,本文在已有工作基础上提出了双向LSTM与MLP集成的深度神经网络模型。在2016年SemEval的医疗事件抽取以及事件属性预测任务中,该模型将医疗文本的词性以及命名实体的描述信息当作附加属性,使用双向LSTM神经网络学习文本的隐藏特征,解决了传统方法通用性不强以及无法捕捉前后文隐含信息的缺点,然后,再使用全连接的方式去判断候选词汇是否属于医疗事件以及识别其相关属性。实验结果表明,本文提出的神经网络模型对医疗文本的抽取效果优于以往学者的方法。     

影响高压涡轮流场和性能的几个关键因素数值分析

针对高压涡轮进口气流的特殊条件,采用数值模拟方法.研究了高湍流度、进口总温径向分布不均匀等因素时高压涡轮总体性能和流场的影响规律.研究结果表明,高压涡轮进口总温径向畸变对气动性能影响较小,而进口湍流度从1%到10%逐渐增大,高压涡轮效率降低了约0.4%.但是,在RANS流场模拟中,不同湍流模型,对涡轮性能预测结果有明显差异,由RNGκ-ε模型、κ-ω模型、SST模型以及耦合转捩的SST模型对比表明,不同湍流模型对涡轮效率预测差别最大可达1%,而对叶片表面附面层分离状况预测差别更大,耦合转捩的SST模型预测效果最明显.