合成气燃烧数值模拟与验证

以整体煤气化联合循环(IGCC)系统中的合成气燃烧室为研究对象,针对天然气改烧合成气后非预混火焰的燃烧特性开展数值模拟与实验验证,经与实验数据对比,结果显示大涡模拟能够准确预测燃烧室内的平均流场与温度场、速度脉动分布,对燃烧过程产物OH自由基的预测与实验结果有所偏差,为后续分析工作奠定基础。通过将数值模拟与实验测量相结合,对同一喷嘴结构燃烧室内使用天然气、氢气、一氧化碳以及合成气等不同燃料时的燃烧特性进行了对比分析,结果表明该喷嘴结构适用于合成气燃烧,与天然气火焰相比,合成气火焰在喷嘴出口位置形成的高温区对改善合成气燃烧室的不稳定性具有积极的意义,同时燃烧室壁面的热负荷更高。     

基于神经网络的锅炉内火焰燃烧稳定性研究

在锅炉燃烧效率优化问题的研究中,针对燃烧稳定性问题,提高燃烧检测准确度。利用锅炉中火焰燃烧图像的分析来检测锅炉内火焰燃烧稳定性,当燃烧受煤粉或其它杂质的影响火焰出现短时脉动时,传统的灰度方差的检测方法不能避免火焰脉动的影响,对锅炉内燃烧稳定性检测偏差大。为此提出了一种采用神经网络的火焰燃烧稳定性检测方法,选取与火焰稳定性直接相关的多个特征作为神经网络的输入向量,通过对样本的多次训练能够去除杂质燃烧引起的微小脉动的影响,克服了传统方法检测准确度不高的问题。实验证明,改进方法能够有效避免杂质对燃烧的影响,准确对锅炉内的燃烧稳定性作出检测,并取得了满意的结果。     

液体火箭发动机试验脉动压力传感器安装结构固有频率分析

燃烧不稳定性是火箭发动机设计中难以消除的不稳定因素,脉动压力测量作为研究燃烧不稳定的重要手段,它的有效准确获取至关重要.文章研究了几种脉动压力测量系统的声振模型及其安装结构固有频率的计算方法,重点分析火箭发动机试验中一种常用的脉动压力测量的声振模型及其安装结构固有频率计算方法,并通过计算分析和标准计量检定得到了不同传压...     

基于HMM-SVM的模拟电路早期故障诊断

针对模拟电路在故障预测与健康管理（PHM）系统中早期故障识别率不高的问题,提出了一种基于隐马尔科夫模型（HMM）和支持向量机（SVM）相结合的模拟电路故障诊断方法,利用HMM对动态连续信号的较强识别能力和SVM良好的模式分类能力解决模拟电路早期故障诊断问题。采用主成分分析（PCA）和K-means聚类算法对故障数据进行数据降维和特征提取,建立HMM与 SVM相结合的诊断模型进行故障诊断。仿真实验表明,HMM-SVM能很好地识别模拟电路早期故障,并对模拟电路中元件小范围参数变化的状态识别,相较单一HMM模型具有更高的准确率。     

小波包变换在火箭发动机脉动压力分析中的应用

在火箭发动机试验中,燃烧室脉动压力数据是考察推进剂燃烧状态的重要依据.通过对脉动压力数据特征分析,利用小波包变换多分辨分析的特点,以信噪比作为衡量标准,采用小波包自选阈值法对脉动压力数据进行去噪.通过与稳态参数数据的对比验证了去噪结果的准确性.采用Wicherhauser树状分解和Shannon信息熵基波选择标准等方法对脉动压力数据进行分频段分析.根据结果中各频段内的系数特征能够直观分析脉动压力在各频带中的能量分布.通过对脉动压力数据和相应振动测点数据的频谱分析,验证了分析结果的有效性.该方法在其他型号发动机和组合件试验脉动压力数据分析中有重要的应用和推广价值.     

LABORATORY：火箭推进剂燃烧特性研究辅助软件

火箭推进的燃烧理论长期落后于应用研究，如何从已有的大量配方数据中直接获取有用的信息，已成为实验工作者更关心的问题。我们建立了一套基于模式识别手物理分析件包，包括数据库及服务于数据库的各种算法库，除了进行推进剂的燃速数据处理，能量特性分析外，还能够从推进主与方数据中抽象出大量特征，并通过这些牡 征与推进剂性能的相关性分析筛选出影响的主要因素，进而建立这些因素与推进剂性能的数量的关系，以辅助推进剂燃烧     

大数据环境下移动对象自适应轨迹预测模型

已有的轨迹预测算法针对移动对象运动模式,使用数学模型进行交通流模拟,难以对路网中的移动对象进行准确的描述.为了解决这一问题,提出基于隐马尔可夫模型(hidden Markov model,简称HMM)的自适应轨迹预测模型SATP(self-adaptive trajectory prediction model based on HMM),对大数据环境下移动对象海量轨迹利用基于密度的聚类方法进行位置密度分区和高效分段处理,减少HMM的状态数量.根据输入轨迹自动选取参数组合,避免HMM模型中隐状态不连续、状态停留等问题.实验结果表明,SATP模型在实验中表现出较高的预测准确性,并维持较低的时间开销.针对速度随机改变的移动对象,其平均预测准确率为84.1%;相同情况下,平均高出朴素预测算法46.7%.     

HCCI汽油机燃烧和排放特性的仿真分析

研究内燃机燃烧特性问题,为了能更为准确地预测HCCI汽油机缸内燃烧特性和排放特性,提出建立了内燃机缸内工作过程的动网格模型,并对狭缝进行加密.对汽油均质压缩燃烧发动机的燃烧过程和排放物的生成过程进行了仿真分析.利用Fluent软件耦合详细化学反应机理,采用RNG k一ε模型以及化学反应涡耗散概念(EDC)模型,计算了特定条件下缸内的温度与压力的变化过程以及缸内的燃料及碳烟等变化趋势,结果表明:狭缝足产生CO和碳氢化合物的主要来源,在详细化学反应机理基础上应用RNG k一ε和化学反应EDC模型能够较为准确地预测HCCI汽油机缸内燃烧和排放.仿真为实际的设计提供了依据.     

晶圆表面缺陷模式的在线探测与自适应识别研究

晶圆表面的缺陷通常反映了半导体制造过程存在的异常问题,通过探测与识别晶圆表面缺陷模式,可及时诊断故障源并进行在线调整。提出了一种晶圆表面缺陷模式的在线探测与自适应识别模型。首先该模型对晶圆表面的缺陷模式进行特征提取,基于特征集对每种晶圆模式构建相应的隐马尔科夫模型（Hidden Markov Model,HMM）,并提出基于HMM动态集成的晶圆缺陷在线探测与识别方法。提出的模型成功应用于WM-811K数据库的晶圆缺陷检测与识别中,实验结果充分证明了该模型的有效性与实用性。     

燃烧过程数据库研究

燃烧过程测试方法具多样性,测试数据来源复杂。本文分析了燃烧数据库图像语义提取与检索模型,给出了相应的数据库设计,实现了燃烧过程测试实验数据的管理。     

基于隐马尔可夫模型的陀螺仪漂移预测

针对陀螺仪实验数据的有限性和非平稳性,提出了基于自回归(AR)模型和隐马尔科夫模型(HMM)的陀螺漂移预测方法。首先利用AR模型参数能够敏感状态变化规律的特性,提取陀螺漂移数据的自回归系数作为特征量;然后对具有混合高斯输出的HMM进行训练;最后对陀螺仪的状态进行加权预测,改进了趋势预测的方法,解决了陀螺漂移在小样本数据条件下的预测问题。实验分析了加权模型阶数和HMM状态数对陀螺漂移预测结果的影响,并验证了预测方法的有效性。     

基于MATLAB的隐马尔可夫模型识别CpG岛

随着多数生物基因组测序工作的完成,基因识别就显得尤为重要.CpG岛在基因组中有着重要的生物学意义,而识别CpG岛将有助于基因的识别.因此构建了识别DNA序列中CpG岛的隐马尔可夫模型HMM(Hidden Markov Model),并利用网上人类基因CpG岛数据库中随机选取的94条基因序列数据对该模型进行训练与检测,得到了很高的预测准确率,结果表明HMM用于CpG岛的识别是快速有效的.     

某新型燃气发生器发射过程药柱燃烧数值仿真

针对某新型导弹在发射过程中药柱燃烧规律的优化问题,建立了燃气发生器发射过程药柱燃烧仿真计算模型,预测发射过程中药柱燃烧的性能和参数.为了正确地仿真导弹发射过程,准确地计算导弹飞行轨迹,建立了适当的数学模型,并进行数值求解.根据内弹道相关的理论知识,在一定条件下,建立数学模型,采用Visual Studio开发平台进行编程,并采用龙格库塔法对仿真模型进行求解,实现了数值仿真,最后给出了计算机仿真结果曲线图.仿真结果与实际的实验数据基本吻合,运用在实际应用中,将大幅度地降低实验成本而且可以重复利用.     

基于HMM的步态身份识别

随着生物识别悄然兴起,生物识别技术逐渐成为新的身份识别技术。步态识别是生物特征识别技术的一个新兴子领域。文章就是将隐马尔可夫模型(HMM,HiddenMarkovModel)方法运用在步态身份识别中,并进行了其识别性能的研究。该文给出了一个基于HMM的步态身份识别方案,并进行了图像预处理,HMM参数训练和识别的研究,得出了一些有意义的结论。同时在中国科学院自动化研究所提供的CASIA步态数据库上进行了步态身份识别实验,实验结果表明:在侧面视角下采用此方法,具有较好的识别率。     

基于PLC的加热炉控制系统的设计

对加热炉控制系统组成、加热炉温度及压力系统设计、系统网络通讯配置、安全联锁系统等方面进行了研究,对加热炉掺冷风机风门开度大小对烟道温度影响,以及因普通液位计检测不准确导致炉底水位增高并淹没炉底设备的事故进行了分析,对加热炉燃烧控制效果进行了分析。研究结果表明,增加掺冷风机风门电动执行机构,控制效果良好,烟道温度趋势稳定;加热炉炉底沟槽水位检测准确,加热炉自动控制系统运行稳定、故障率低。     

利用多源运动信息的下肢假肢多模式多步态识别研究

运动状态识别对智能下肢假肢的控制非常关键,本文利用下肢表面肌电信号、腿部角度和足底压力信号在运动模式和步态分析中的优势和特点,对下肢假肢的多模式多步态识别进行研究.通过建立下肢运动信息系统,获取下肢多源运动信息.先提取下肢肌电信号的小波包能量作为特征,建立多个HMM对下肢假肢的运动模式进行识别;再根据大小腿和膝关节的角...     

一种基于关联分析和HMM的网络安全态势评估方法

当前大部分基于隐马尔科夫（HMM）的网络安全态势的评估方法都集中于对HMM参数的研究,而忽视了观测值的选取对评估准确度的影响。本文在告警信息聚合的基础上,以攻击模式作为关联依据,结合网络资产的脆弱性信息,识别主机所处受攻击阶段并转化为主机的威胁等级,以威胁等级作为HMM的观测值,最后利用HMM实现对主机和网络的安全态势评估。基于DARPA2000测试数据集的相关实验表明,相比一般的HMM方法,本文方法能体现攻击的多步骤特点,且能更加准确地反映网络态势的变化。     

基于HMM和WNN的心音信号身份识别研究*

将隐马尔可夫模型（HMM）与小波神经网络（WNN）相结合,提出了一种基于心音信号的身份识别方法。该方法首先利用HMM对心音信号进行时序建模,并计算出待识别心音信号的输出概率评分;再将此识别概率评分作为小波神经网络的输入,通过小波神经网络将HMM的识别概率值进行非线性映射,获取分类识别信息;最后根据混合模型的识别算法得出识别结果。实验采集80名志愿者的160段心音信号对所提出的方法进行验证,并与GMM模型的识别结果进行了对比,结果表明,所选方法能够有效提高系统的识别性能,达到了比较理想的识别效果。     

人体行为分析方法的研究与仿真

研究人体行为分析优化问题,传统的人体行为分析方法受外部环境因素影响较大,识别率和稳定性较差.针对在复杂环境下人体行为的描述和识别的难点问题,利用人体点模型提出一种基于关节角度和隐马尔可夫模型(HMM)的人体行为分析方法.首先采用新型RGB-D传感器获取图像深度信息;然后通过随机决策森林完成人体部位分割和关节点位置标定,并建立人体三维骨架模型;最后借助HMM,通过计算关节角度对人体行为进行训练和识别.实验结果表明,改进方法在环境光照不稳定以及复杂背景的情况下,能够实现鲁棒的人体日常行为分析.对停止、走、跑、左转、右转五种日常行为识别,取得不错的识别效果.     

大规模秸秆燃烧充分程度智能图像识别仿真

对大面积秸秆燃烧过程进行图像监控,有利于大气保护.当前的大区域秸秆燃烧过程中,燃烧是否充分通过烟雾颜色进行判断.一旦秸秆燃烧区域较大,不同区域的烟雾扩散过程及其迅速,采集烟雾灰度特征的衰减过程不可控,传统的智能图像识别方法判定阀值会迅速失效,很难通过烟雾像素特征判断燃烧是否充分.提出基于人工鱼群算法的大规模秸秆燃烧充分程度识别方法.采集大规模秸秆燃烧图像,根据小波变换相关理论,对燃烧图像进行增强处理,提高图像质量.根据人工鱼群算法处理图像细节的优势,引入秸秆燃烧像素灰度分布密度函数,得到离散灰度矩阵,利用上述算法处理像素细节的优势,对大规模秸秆燃烧区域的连接处进行分割,可充分提高识别精度.实验结果表明,利用改进算法进行大规模秸秆燃烧充分程度识别,能够极大的提高识别的准确性.