风力机柔性叶片模态气动阻尼分析方法研究

针对大型水平轴风力机柔性叶片的模态气动阻尼数值分析方法进行研究。运用多体系统动力学建模方法和风力机叶片空气动力学模型,建立柔性叶片的气弹耦合方程,在求解此方程得出叶片在某运行工况下的气弹响应基础上,结合柔性叶片振动模态参数包括模态频率、模态向量和模态质量等物理量的识别和振动能量损失法,即计算气动力在叶片振动周期内所做的功,导出叶片模态气动阻尼比计算式,建立叶片挥舞、摆振各阶模态气动阻尼比分析流程。算例分析某柔性叶片在多种稳态风速下一阶模态气动阻尼比,表明所建立分析方法的有效性和可靠性。为大型风力机柔性叶片气动阻尼特性和气弹稳定性分析提供了有效的分析手段。     

结合科学发展浅谈安全生产工作

做好供水企业的安全生产工作,保障人民群众连续、安全的喝上优质自来水是供水企业必须要解决的问题。本文就结合科学发展观的内涵对企业安全生产工作展开论述,对如何做好安全生产工作进行初步探讨,理清安全生产与科学发展之间的辩证关系,指出日常安全生产工作的重点。     

10MW风力机叶片设计与动力特性

为了研究大型风力机叶片在静止和转动状态下的振动模态及其变化特点,通过叶素动量理论和复合材料的叶片设计方法完成了10 MW风力机叶片的设计.基于多体系统动力学理论和超级单元模型,结合动力学分析软件ADAMS对静止状态下叶片的线性特征值进行了分析,考虑叶片的弹性变形和旋转,应用刚性积分方法对叶片的非线性控制方程进行数值求解,通过傅里叶谱分析方法,实现风轮旋转条件下的运转模态识别.结果表明,在动力刚化效应作用下,叶片的固有频率会随着转速的增加而增大.     

基于嵌入式Linux系统的内核级线程库的研究与实现

在当前嵌入式系统应用中,性能问题一直是人们关注的重点.大多数嵌入式Linux应用往往运行在用户态,系统运行时需要经常在内核态和用户态之间反复切换,降低了关键业务的执行效率.以往的研究较少从内核态下的线程库出发来考虑性能优化的实现方法,影响了嵌入式系统的整体性能.对此,本文提出一种适用于嵌入式Linux系统的内核级线程库(LKTL),并且分析了实现的关键技术.LKTL提供了线程管理、信号量同步、内存的动态分配和回收、日志管理以及基本的GNU C库的功能,不但大大提高了应用程序的运行效率,还方便了应用程序的开发和移植.实验表明LKTL能够显著优化嵌入式Linux系统的整体性能.     

一种实现应用软件跨平台特性的解决方案

针对应用软件在多种系统平台下的跨平台需求,提出了一种基于操作系统抽象层的跨平台架构,基于这种架构,新的应用软件能够无缝的运行在多种系统平台,原有的应用软件也能够平滑的迁移到新的应用环境中,实现了应用软件的跨平台特性,增强了软件的可移植性,缩短开发人员的平台适应周期,提高了研发效率.     

基于规则的代码构件提取技术研究

构件提取是构件化技术中的一个热点问题，采用程序树作为代码构件的一种形式化表示，并使用结构化标记文法来解决构件提取中规则描述的问题。使得提取技术具有跨语言的能力，并给出了基于结构化标记规则的Ada代码构件提取过程实例。     

地震波传播方向对风力机动力响应的影响

为了研究风力机遭遇地震时地震波传播方向对动力学响应和机组性能的影响,基于Wolf土-构耦合模型和多体系统动力学理论建立了5 MW风力机的动力学分析模型.通过编制程序实现了风力机地震波、气动载荷与结构弹性变形相互耦合响应的数值仿真.结果表明,正向地震主要影响叶片挥舞方向振动变形和塔基的俯仰力矩,而侧向地震主要影响叶片摆振方向振动变形和塔基的横摇力矩,地震作用下叶根力矩最大值增幅可达66. 67%,塔基力矩最大值增幅可达98. 23%.     

一种人工智能检测籽棉中异性纤维的方法

探讨基于卷积神经网络的Faster-RCNN深度学习方法,检测籽棉中异性纤维的检测技术。使用线扫描相机在LED照明条件下获取籽棉和异性纤维的图像,采用基于Faster-RCNN的人工智能深度学习方法处理图像。试验结果表明,Faster-RCNN处理方法对籽棉图像中异性纤维的检出率达到90%,相比传统的图像检测方法大幅度提高了检测率,特别是对传统方法难以识别的白色或浅色异性纤维,其检测率可以达到90%以上。认为:本文所采用的基于Faster-RCNN的人工智能深度学习方法处理图像在异纤检测应用上具有一定可行性。     

基于特征向量的基本口型分类

提出了一种基于口型特征向量的口型图像分类方法,该方法以口型内嘴唇轮廓特征为基础提取图像中的口型特征向量,并在此特征向量的基础上分析研究了不同聚类算法采用不同特征向量表示时的口型图像分类效果,建立了基本的口型特征库.     

正形置换的一些新结论

正形置换在对称密码的设计中占有重要的地位。为了对正形置换的构造计数和性质进行进一步的分析探讨,首先指出并纠正了戴宗铎等关于线性正形置换结构的结论中存在的问题,接着基于修改后的结论,得到了最大线性正形置换的结构形式,进而实现了最大线性正形置换的完全无重复构造,而原先的构造方法会产生重复的结果;然后通过分析正形置换的补置换和仿射正形置换的关系,得到了正形置换的个数为2的(n+1)次方的倍数,比原来为2的n次方的倍数的结论更进了一步;最后给出了一种代数免疫度的定义,证明了这样定义的代数免疫度是Carlet-Charpin-Zinoviev等价不变量,进而得到非仿射正形置换与它的补置换的差分均匀度、非线性度、代数次数和代数免疫度均相等。