排序方式: 共有36条查询结果,搜索用时 109 毫秒
1.
2.
3.
利用RNG k-ε湍流模型、VOF(Volume of Faction)多相流模型模拟了液固分选流化床(LSFBS)内外气液两相流场。待气液两相流场稳定后,耦合离散相模型(DPM)模拟了粗煤泥颗粒在LSFBS内部的分选过程。模拟结果能很好地吻合实验结果,其中与试验结果相比所有密度级在重产物中分配率的均方根误差为2.47,预测精煤产率相对误差为2.38%。在此基础上,分析了LSFBS速度场的分布特点;研究了上升水流速度和不同脉动周期、脉动波形的上升水流对分选效果的影响;得到了分选密度和可能偏差与上升水流速度间的函数关系;发现脉动水流分选精度低于均匀上升水流,对于脉动上升水流,最佳脉动周期为1.25 s,最佳波形为矩形。 相似文献
4.
随着信息化程度的不断深入,传统电力系统逐渐发展成为典型的信息物理系统(CPS)。开放的信息系统环境使得电力系统的安全运行面临着各种潜在网络攻击的威胁。近年来,机器学习方法迅猛发展,并已广泛应用于电力CPS网络安全领域。一方面,电力CPS中数据的爆炸式增长以及硬件运算能力的提升为机器学习的应用创造了良好条件;另一方面,相比于传统的基于机理的建模分析方法,基于数据的机器学习方法具有模型构建以及实时性需求2个方面的优势。文中从攻防2个角度对机器学习在电力CPS网络安全领域的应用进行了归纳总结。其中,攻击者角度主要包括拓扑信息推断、攻击资源优化以及攻击构建3个方面;防守者角度主要包括安全保护、攻击检测以及攻击缓解3个方面。最后,分析展望了电力CPS网络安全领域存在的挑战以及未来的研究方向。 相似文献
5.
针对复杂的环境背景下不良信息的快速准确检测问题,提出了基于快速序列视觉呈现( rapid serial visual presentation,
RSVP)的面向不良信息检测人机协作系统。 首先利用快速佩戴便携式采集系统采集了 12 名受试者的脑电数据;然后采用
Mallat 算法提取较低维度的时频特征,使用人工神经网络(ANN)和支持向量机(SVM)两种模型分类对比;最后在训练集中引入
不同次数的叠加平均数据以改善模型的分类性能。 实验结果表明,在含有 3 个目标的 60 张图像中平均正确输出至少 2 张目
标,AUC 值达到了 0. 9。 该系统在小批量数据集、环境变化复杂的不良图像信息检测中有着良好的性能,相较于人工检测提高
了效率。 相似文献
7.
利用四阶Runge-Kutta法求解了液固分选流化床内颗粒的简化动力学方程,得到了颗粒速度和位移等随时间变化关系,并搭建了流化试验系统,验证了颗粒简化动力学方程的准确性,其预测的颗粒干扰沉降末速相对偏差基本可控制在5%以内。建立了基于该简化动力学方程的液固分选流化床数学模型,与试验分选结果相比,各密度级颗粒分配率的均方根误差为5.05。利用该模型探究了入料速率对颗粒分离结果的影响,发现入料速率增大导致的床层有效密度与实际分选密度比值减小是该过程中液固流化床分选效率降低的原因。 相似文献
8.
9.
传统的欧拉模型和离散相模型难以准确模拟细粒煤气流分选过程,为此采用DDPM(Dense Discrete Phase Model)模型,引入相体积分数和软球碰撞模型,提出了一种基于离散相体积分数和颗粒间碰撞作用的新的细粒煤气流分选过程数值模拟方法。通过数值模拟与实验室连续分选实验,研究了分选机内流场分布和6~3 mm细粒煤脉动气流分选效果。结果表明:采用DDPM模型可有效模拟细粒煤气流分选过程中颗粒相对流场的扰动作用;分选柱内流场受被分选物料的影响,速度分布和压降值较加入颗粒前变化明显,且分选机处理量越高,压降变化越明显;实验条件范围内,DDPM模型模拟得到的各密度级重产物分配率均方根误差低于3%,且相同风量时,分选机处理量越大,分选密度越高。 相似文献
10.