浅谈高校实验教学改革

阐述了高等学校实验教学改革的必要性,从实验教学管理体制、教学体系、教学观念、教学内容、教学设备等方面进行了探讨,提出了实验教学改革的基本思路.     

工业锅炉水循环系统改造与水循环在线监测试验研究

论述了在DG75／1．57-8型锅炉上所做的水循环系统改造与水循环在线监测试验．试验研究结果表明：锅炉改造前35％以上负荷水循环正常;锅炉改造后25％以上负荷水循环正常,采取的改造锅炉水循环系统的措施是成功的。所得结果可以应用到同类锅炉的水循环系统的改造中。     

基于奇异值分解和最小二乘支持向量机的气-液两相流流型识别方法

针对气-液两相流压差波动信号的非平稳特征和BP神经网络学习算法收敛速度慢、易陷入局部极小值等问题，提出了一种基于奇异值分解和最小二乘支持向量机（LS-SVM）的流型识别方法。该方法首先采用经验模态分解将气-液两相流压差波动信号分解为多个平稳的固有模态函数之和，并形成初始特征向量矩阵；对初始特征向量矩阵进行奇异值分解，得到矩阵的奇异值，将其作为流型的特征向量，根据LS—SVM分类器的输出结果来识别流型。对水平管内空气-水两相流4种典型流型进行识别，结果表明，与神经网络相比，该方法具有更高的识别率和识别速度。     

倾斜下降管内油气水三相流流型鉴别研究

以空气、水、46#机油为介质，进行了倾斜下降管内油气水三相流流型鉴别的实验研究。实验结果发现，利用压差的时域信号和信号的功率谱密度函数（PSD），可以客观的判别流型。由波状分层流的功率谱密度函数可以推断波状分层流是间歇流的一种表现形式。     

应用最小二乘支持向量机预测煤的发热量

为解决现有的煤发热量预测神经网络法的过学习与局部极小点问题,通过对煤热量数据的分析,在统计学习理论和结构风险最小化准则的基础上,建立了基于最小二乘支持向量机(LS-SVM)的煤发热量预测数学模型。在算例分析中与BP神经网络、RBF神经网络预测法进行对比,发现该方法比BP和RBF神经网络具有更高的预测精度,且具有收敛速度快、泛化能力强等优点,为燃煤发热量的预测提供了一种有效的方法。     

基于连续小波变换和RBF神经网络的气液两相流流型识别方法

针对气液两相流压差波动信号的非平稳特征,提出了以多尺度连续小波变换值矩阵的奇异值为特征矢量的流型识别方法。首先对气液两相流压差波动信号进行连续小波变换,得到初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为流型的特征向量,再结合RBF神经网络形成流型的智能识别方法。对水平管内空气-水两相流4种流型的识别结果表明该方法能够有效地识别流型。     

水平管内油气水三相分层流截面含气率的研究

以油气水三相混合物为工质，对水平管内分层流动的平均截面含气率进行了理论与实验研究。通过对分层流动的简化动力学分析，得到了截面含气率的理论模型，计算值与实验值符合良好。结果表明：影响分层流截面含气率的因素不仅包括折算气速和折算液速，还包括油水混合物的含油率。     

水平管内油气水三相泡状流-弹状流转换的研究

结合压差波动法识别流型，对水平管内油-气-水三相泡状流-弹状流转换特性进行了理论和实验研究，建立了泡状流向弹状流转变的界线方程，结果表明，泡状流向弹状流转变的主要因素不仅包括气相折算速度和液相折算速度，而且含油率与管径也起重要作用，计算结果与实验结果基本相吻合。     

垂直上升管内空气-水两相流压差波动信号的Hurst指数分析

对垂直上升管内空气-水两相流的压差信号进行测量,得到了反映两相流波动特性的压差波动信号。采用Hurst分析描述了管内气液两相流不同流型的压差波动特征,发现压差波动信号中存在着不同程度的周期成分。通过对不同流型的压差波动信号的Hurst指数H进行计算,发现不同流型的H值有很大差别,可根据Hurst指数H值的大小来识别流型,为流型识别提供了一种新的有效方法。     

倾斜下降管内气-液两相流流型PSD特征

气液两相流的流型对其流动和传热特性有很大影响，所以如何确定流型一直是两相流研究中的重要课题。对倾斜下降管内气液两相流流型的鉴别进行了实验研究。结果发现：利用压差的时域信号和信号的功率谱密度函数(PSD)，可以客观地判别流型。