排序方式: 共有123条查询结果,搜索用时 0 毫秒
31.
32.
多泥沙河流侧向进水泵站开机组合对前池流态的影响研究 总被引:1,自引:0,他引:1
为探索多泥沙河流侧向进水泵站不同开机组合对泵站前池流态的影响,选取甘肃省景泰川电力提灌工程灌区一期总干三泵站侧向进水前池为典型研究对象,现场取样分析泵站引水含沙情况,利用超声波多普勒流速流向仪对前池流场进行现场实测,同时引入逆向工程技术构建现场淤积状态下进水前池(以下称原位前池)三维几何模型,采用FLUENT软件基于Realizable k-ε湍流模型及Mixture多相流模型对原位前池水流流态进行数值计算,对比分析数值模拟结果与现场测流结果,验证了数值模型的可靠性。在此基础上,分别对10种不同开机组合方案下未淤积状态下的进水前池(以下称原型前池)流态进行了数值模拟分析。研究结果表明:前池外侧边壁及末端存在回流区及泥沙淤积问题,基于逆向工程的原位前池流态数值模拟结果与现场测流结果相吻合;原型前池主流扩散效果不佳,泵站机组对称开启,同时避免两端机组停机尤其是末端机组停机,前池水流流态较好。本文提出的研究思路对泵站前池流态数值模拟研究具有一定的应用价值,研究成果可为类似泵站工程优化设计和优化运行提供参考依据。 相似文献
33.
强化学习(Reinforcement learning, RL)在围棋、视频游戏、导航、推荐系统等领域均取得了巨大成功. 然而, 许多强化学习算法仍然无法直接移植到真实物理环境中. 这是因为在模拟场景下智能体能以不断试错的方式与环境进行交互, 从而学习最优策略. 但考虑到安全因素, 很多现实世界的应用则要求限制智能体的随机探索行为. 因此, 安全问题成为强化学习从模拟到现实的一个重要挑战. 近年来, 许多研究致力于开发安全强化学习(Safe reinforcement learning, SRL)算法, 在确保系统性能的同时满足安全约束. 本文对现有的安全强化学习算法进行全面综述, 将其归为三类: 修改学习过程、修改学习目标、离线强化学习, 并介绍了5大基准测试平台: Safety Gym、safe-control-gym、SafeRL-Kit、D4RL、NeoRL. 最后总结了安全强化学习在自动驾驶、机器人控制、工业过程控制、电力系统优化和医疗健康领域中的应用, 并给出结论与展望. 相似文献
34.
36.
以信阳本地产南湾鲢鱼和板栗粉为主要原料,并添加大豆分离蛋白、卡拉胶等辅料制成鱼肠。以鱼肠的色泽、持水性、凝胶强度、TPA、感官评分为指标,研究了鱼糜/板栗粉质量比、大豆分离蛋白、卡拉胶、食盐、料酒的添加量对鱼肠品质的影响。得到鱼肠最佳制作配方:鱼糜/板栗粉质量比12∶1、大豆分离蛋白、卡拉胶、料酒、食盐质量分数为6%、0.8%、4%,2%。所得鱼肠平均白度78.2%、感官评分95.6、持水率87.7%、凝胶强度3761.2 g·mm。所得鱼肠肉质细腻嫩滑,具有光泽,肉味浓郁伴有板栗清香。本研究为新型鱼肠产品的研发提供一定的理论依据和参考,有利于丰富市售鱼糜制品种类。 相似文献
37.
38.
液相色谱检测低度浓香型酒中的安赛蜜、糖精钠和阿斯巴甜 总被引:1,自引:0,他引:1
建立一种简单、有效的用液相色谱仪同时检测低度浓香型白酒中安赛蜜、糖精钠和阿斯巴甜的方法。方法:样品经前处理后,以甲醇∶乙酸铵为流动相,采用梯度洗脱经Agilent 5 TC-C18柱分离,在214nm波长下检测。结果:安赛蜜、糖精钠、阿斯巴甜在0.5mg/L~2.0mg/L时的相关系数均大于0.999,该方法定量限为:0.20mg/L,实际样品的方法回收率为:安赛蜜:99.3%~100.5%,糖精钠:99.2%~99.5%,阿斯巴甜:86.3%~90.5%;相对标准偏差:安赛蜜:1.5%,糖精钠:2.0%,阿斯巴甜:2.5%。结论:此方法前处理十分简单,准确度和灵敏度较高,具有较好的重复性。 相似文献
39.
医用智能纤维及纺织品的开发现状 总被引:2,自引:0,他引:2
介绍了目前应用比较广泛的3种主要医用智能纤维的开发与应用,并结合医用纺织品特殊的性.能要求,分析了5种智能化纺织品的最新发展状况及应用现状,展望了国内外医用纺织品智能化发展的必然趋势。 相似文献
40.
以实际工程为例,对市政工程顶管施工的特点进行分析,对市政工程顶管施工关键技术进行探讨,取得了良好的施工效果,保证了顶管施工质量,可供类似工程借鉴和参考。 相似文献