共查询到14条相似文献,搜索用时 78 毫秒
1.
建立了无结构、z坐标网格上的三维悬移质泥沙数学模型,为保证计算的守恒性,泥沙输运方程使用有限体积法求解;为使泥沙模型的求解对水流模型的求解不形成附加的稳定限制条件,泥沙输运方程使用亚循环分步模式离散。使用了垂向亚网格技术,使垂向网格能实时地贴合和追踪自由水面和床面,相对于传统的z坐标网格提高了计算精度;同时,在垂向亚网格技术中,为避免因泥沙冲淤产生的垂向小尺度网格对计算时间步长的限制,提出了垂向网格融合技术对底层网格进行处理。借助直壁复式明渠、异重流潜入的水槽实测资料对模型进行了检验,计算结果与试验资料符合良好。 相似文献
2.
3.
针对天然河流水域边界不规则的特点,提出了平面无结构、垂向σ坐标网格上三维自由水面水沙数学模型的基本框架。模型基于压力分裂模式和θ半隐算法建立,求解分为两步,第一步求解一个关于自由水面的二维Poisson方程,获得水位和临时流场;第二步求解一个关于动水压强的三维Poisson方程,获得动水压强场并用它来校正临时流速场。在构造动水压强三维Poisson方程时借鉴了BOM模型方法,而在自由水面处理上摒弃了其内外模分裂方法,因而模型不受模式分裂方法中一致性问题的影响。在三维水流模型的基础上建立了悬移质泥沙模型,采用欧拉-拉各朗日方法(ELM)求解控制方程中的对流项,使模型计算的时间步长不受CFL稳定条件限制。 相似文献
4.
5.
本文提出了一种适用于间接矩阵变换器-异步电机调速系统的边界圆限定模型预测控制方法。该方法基于图形边界限定模型预测控制思想,综合考虑网侧电流和电机定子电流需求,通过构造圆形边界作为限定,以电流误差保持在边界圆内时间最长为原则,预测出间接矩阵变换器的开关状态作为控制信号,从而均衡优化网侧与电机定子电流性能。仿真和实验结果表明,采用边界圆限定模型预测控制方法,间接矩阵变换器输入输出电流均为正弦,网侧功率因数接近于1,电机具有良好的动静态性能。与传统模型预测方法相比,采用本文提出的方法,在各种工况下网侧电流与电机定子电流THD均下降,实验结果表明网侧电流的THD降低了19.6%,电机定子电流的THD降低了18.5%。 相似文献
6.
7.
8.
9.
剖面二维水沙数学模型及其初步应用 总被引:1,自引:0,他引:1
本文运用SIMPLE算法,考虑自由表面情况,建立了剖面二维水流泥沙数学模型.文中系统地介绍了自由水面网格自动调整、SIMPLE算法在剖面二维水沙运动模拟方面的应用等关键技术,提出了相应的水沙近底边界条件,实现了水流运动的动态显示,并将模型初步应用于小浪底水库坝前剖面水沙运动的模拟. 相似文献
10.
11.
12.
岸边排放污染物浓度场三维浑水水质模型研究 总被引:6,自引:0,他引:6
本文建立了考虑泥沙吸附和泥沙冲淤对污染物输移扩散影响的岸边排放污染物浓度场三维浑水水质模型,并模拟了三峡库区涪陵磷肥厂排污口附近的总磷浓度场。浑水水质模型的计算结果与传统清水水质模型的计算结果以及实际观测的结果之间都作了对比,结果发现在同一来流和排污条件下,两种模型计算得到的沿水深平均的污染物浓度场分布比较接近,而沿水深方向的污染物浓度分布有比较明显的差别。与实测结果的对比分析表明:浑水水质模型的计算结果比传统清水水质模型更接近实际,更准确的反映了污染物浓度沿水深方向的分布特征。 相似文献
13.
Shaobai Kan George Yin Le Yi Wang 《International Journal of Adaptive Control and Signal Processing》2013,27(3):182-198
This work focuses on tracking and system identification of systems with regime‐switching parameters, which are modeled by a Markov process. It introduces a framework for persistent identification problems that encompass many typical system uncertainties, including parameter switching, stochastic observation disturbances, deterministic unmodeled dynamics, sensor observation bias, and nonlinear model mismatch. In accordance with the ‘frequency’ of the parameter switching process, we divide the problems into two classes. For fast‐switching systems, the switching parameters are stochastic processes modeled by irreducible and aperiodic Markov chains. Because accurately tracking real‐time parameters in such systems is not possible because of the uncertainty principles, the effect of parameter switching is evaluated on their average by the stationary distribution of the Markovian chain and estimated by the least squares algorithms. We derive upper and lower bounds on identification errors, which characterize how identification accuracy depends on the earlier uncertainty terms. When the system parameters switch their values infrequently in a probabilistic sense, their values can be tracked based on input/output observations. Stochastic approximation algorithms with adaptive step sizes are used for such systems. Simulation studies are carried out to demonstrate that slowly varying parameters could be tracked with reasonable accuracy.Copyright © 2012 John Wiley & Sons, Ltd. 相似文献