流量脉动对燃油喷嘴雾化过程影响的实验研究

针对航空发动机燃烧室中存在的燃油流量脉动问题开展实验研究,设计并搭建了燃油喷嘴流量脉动激光可视化实验台,在等流量条件下利用高频激光粒子图像速度仪(High Speed Particle Image Velocimetry, PIV)分析燃油脉动频率变化对喷嘴雾化特性影响。实验结果表明:流量脉动促进了液膜表面的发展及液膜的破碎,对喷嘴的雾化产生积极的影响;喷嘴下游带状液膜区的发展和液滴的瞬态速度与喷嘴的流量脉动频率具有一致性;液滴的瞬态速度脉动幅值受脉动频率影响,在50 Hz时存在极大值。     

超级电容器储能装置研究

超级电容器可作为配电网电能质量调节装置的储能单元,提供必要的能量缓冲。详细分析了超级电容器储能装置的恒压双向功率流工作原理,建立了相应的系统模型,并根据超级电容器的特点,给出了超级电容器储能装置的设计方法,有效地规避了系统开环传递函数不稳定极点的出现。还采用统一控制器实现了储能、释能工作模态的平滑切换,实验结果证明了该控制策略的有效性和可行性。     

基于四阶PDEs和对比度增强的荧光显微图像去噪

提出一种用于荧光显微图像去噪扩散模型的算法。该算法针对二阶偏微分方程去噪模型易引起的"块效应"和伪边缘等问题,采用正则化方法,利用四阶偏微分方程,同时融合对比度增强技术设计去噪模型。与二阶偏微分方程扩散模型相比,该算法不仅使去噪图像看起来更加自然清晰,而且在峰值信噪比和结构相似度等客观评价方法下也取得了更加满意的结果。     

溶液中碳酸氢根在线分析仪的研制

针对CO_2+O_2原地浸出采铀方法中碳酸氢根质量浓度的测定需求,研制了一种溶液中碳酸氢根在线分析仪。介绍了在线分析仪的测定原理、硬件和试剂配制,并对测试流程进行了详细说明。研制的在线分析仪实现了对0~2 000mg/L碳酸氢根质量浓度的测定,对在线分析仪进行的连续测试表明,仪表运行稳定,重复性好,精密度高,与现场手工分析基本一致,加标回收率在97.3%~103%,可满足现场碳酸氢根质量浓度连续、实时监测的需求。在线分析仪不仅可用于地浸采铀中碳酸氢根质量浓度的测定,还可应用于其他领域的相关测定,具有良好的实用性。     

超级电容器储能系统的应用研究综述

超级电容器储能对于平滑、缓冲不稳定电能需求,改善电能质量具有重要意义。这里从基本特性、模型研究、功率变换、控制策略及容量确定、系统综合优化与评估几个方面综述了超级电容器应用领域的研究现状,总结了各类超级电容模型、功率电路拓扑、非线性控制策略的特点。指出应通过系统的优化评估实现超级电容器储能系统整体性能的改善、储能利用率的提高以及构建成本的下降。     

铀尾矿废水中锰离子浓度在线监测仪的研制

研制了基于甲醛肟分光光度法测定铀尾矿废水中锰离子浓度的在线监测仪。仪器采用单片机控制,可以对铀尾矿废水进行直接在线测量,分析其中的锰离子浓度。对一段时间内某尾矿库废水的在线测量表明,现场水样加标回收率均在97.2%～102%,研制的锰离子浓度在线监测仪的测量结果稳定、可靠。     

超级电容器储能单元的设计分析

基于超级电容器简化模型,考虑等效串联内阻在释能过程中对储存能量的影响,针对超级电容器用于小电流放电的场合,提出了用能量约束法分析计算超级电容器储能模块的方案。针对超级电容器用于高功率、大电流的储能场合,提出了功率约束法来分析计算超级电容器储能模块的方案。通过实例对能量约束法的设计结果进行了分析,对功率约束法的设计结果进行了仿真计算。结果表明,以能量约束法和功率约束法设计超级电容器模块,在满足输出能量和功率的前提下,可以得到优化的设计方案。     

硫氰酸盐光度法测定钨矿浸出液中的钨

利用硫氰酸盐光度法测定钨,通过加入不同掩蔽剂优化试验条件排除了钨矿浸出液中不同杂质的干扰,使得此方法在检测钨矿浸出液中钨的质量浓度更加简便、准确、可靠,方法加标回收率达98.2%~102.8%,RSD4.0%,与样品实际值的相对误差≤2.0%。     

基于关联性的动态分类模型—以皮肤与体质为例

关联性识别对于系统演化规律的确定意义重大,从测试数据累积、更新的视角,针对皮肤指标与中医体质之间的关联性进行探索,构建分类模型。提出基于建模数据动态修订决策树和模糊朴素贝叶斯融合算法的权重,建立具有较好分类及解释性的分类模型。其中决策树采用最佳后剪枝方式,避免过拟合弊端;朴素贝叶斯算法则通过定义指标归属区间的模糊隶属度来解决属性分类中存在的随机与模糊性。实证结果表明随着建模数据的变化,分类模型的融合权重动态调整,目前模型的准确率为86.7%,高于独立决策树、朴素贝叶斯的83.3%和80%,亦高于对照组小数据分类模型的76.7%。可见此动态分类模型可有效利用参与建模的数据信息识别出外在皮肤与内在体质之间的关联性,为皮肤-体质间的定量研究奠定了基础。目的：针对人体面部皮肤状态指标与中医体质类型之间的关联性进行科学、定量研究,从测试数据持续累积与知识发现深入推进的过程视角,尝试揭示人体内在中医体质与外观皮肤状态指标间的复杂动态演化规律。方法：本文综合小样本条件下决策树的良好归纳特性及大样本条件下贝叶斯算法分类准确率高的优势。提出基于建模数据量会不断增多的趋势,构建可自适应修订决策树和模糊朴素贝叶斯融合分类算法的权重,以适用于测试数据从小到大积累过程中分类模型均具有较好分类特性及可解释性的应用要求。其中决策树采用最佳后剪枝方式,避免了常规决策树存在的过拟合弊端;朴素贝叶斯算法则通过定义指标归属区间的模糊隶属度来解决皮肤属性测试与分类中存在的随机性与模糊性。结果：实证结果表明本文提出的分类模型的融合权重可动态调整且随着建模数据的增多分类精度会相应提高。目前对应151个建模数据的分类模型的分类准确率为86.7%,高于独立决策树、朴素贝叶斯的83.3%和80%,亦高于对照组80个建模数据对应分类准确率的76.7%。结论：可见此皮肤—体质动态分类模型通过有效利用参与建模的数据信息,能识别出人体面部外观皮肤状态指标与内在中医体质之间的复杂关联性,建立的分类模型具有较好的精度与可解释性,为基于数据驱动的中医理论的科学化、智能化发展进行了有益的探索。