单层平面索网玻璃幕墙数值风洞风载荷分析

针对现行幕墙设计规范没有明确规定单层平面索网幕墙体系的风载荷计算的问题,以某大厦裙房幕墙为研究对象,用ADINA分析考虑流固耦合作用的玻璃 索网体系风振响应分析,并与通常采用的等效静风载荷方法得到的结构风效应比较.分析表明,对于非线性的索网玻璃幕墙结构,现行载荷规范采用的等效静风载荷方法会导致偏于不安全的设计计算结果.     

风洞天平实时载荷监测方法研究

针对当前风洞天平应用环境越来越复杂,但却缺乏有效的安全监测手段的现状,提出了一种基于应力叠加原理的风洞天平实时载荷监测方法;首先,分析天平受力情况,基于工程经验、天平应力集中位置以及应变计粘贴位置等因素划分危险载荷监测区域;其次,基于有限元方法对天平进行网格划分,计算载荷监测区网格节点的应力影响系数;最后,结合天平六元信号输出实时计算载荷监测区的节点应力值,并与有限元理论计算结果和静态校准加载结果进行对比验证;验证结果表明,有限元理论验证准度优于0.02%,静态校准加载验证阻力元准度优于10%,其余5元准度均优于4%;证明本方法具有较高的计算准度,能够满足风洞天平实时载荷监测的使用需求,具有较高的实际应用价值。     

基于Pspice模拟行为模型的光伏阵列建模

根据光伏电池物理机制的数学表达式,利用Pspice仿真软件的模拟行为模型构建光伏电池的Pspice仿真模型.在此基础上,通过分析光伏阵列和光伏电池的关系及电路等效变换,建立任意功率级的PV仿真模型.该模型可以仿真任意太阳光照强度、环境温度、光伏模块参数及任意个光伏电池串并联组合下光伏阵列的I-V 、P-V特性.实验和仿真结果表明,仿真模型的输出特性与实际电池的输出特性基本一致,能较好体现光伏阵列的输出特性.模型的建立为光伏发电系统的动态仿真提供了有效的模拟输入电源.     

基于BP神经网络的光伏阵列温度预测

针对现有太阳能光伏阵列仿真实验中因采用环境温度代替光伏组件温度而导致的光伏阵列建模不正确问题,指出应在光伏电池仿真模型中区分环境温度和组件的实际工作温度;分析了光伏组件温度与环境温度和输出功率的关系,给出了一种基于BP神经网络的光伏阵列组件温度预测方法,并将预测结果与实测结果进行比较,得出结论:该方法可有效预测光伏阵列组件温度,且采用前一天数据和前三天数据都有较好的预测效果,因此实际应用时可采用前一天的数据来预测当天的组件温度。     

某超高层结构受相邻干扰体影响的数值风洞模拟

为分析上、下游干扰体对超高层结构风载荷的影响,以452 m超高层塔楼为例,将风载荷作为控制载荷分别建立单塔以及有相邻315 m超高层干扰体的数值风洞模型;分析单塔以及干扰体分别在塔楼风向上游和下游3种计算工况,得出各自的风场流线图和塔楼风载荷体型因数.结果表明,干扰体对塔楼风载荷的干扰效应不仅在315 m高度范围内存在,在此高度之上也有比较明显的干扰效应;干扰体对塔楼主要立面的风载荷的影响有较强的规律性.     

基于改进的D-S证据理论的光伏阵列故障诊断

光伏阵列是光伏发电系统的核心,也是光伏发电过程中最易出现故障的设备,在发生故障的同时存在着大量的不确定信息.针对存在大量的不确定因素的光伏阵列故障诊断问题,基于证据理论在处理不确定信息的优点,提出了一种改进的Dempster-Shafer(D-S)证据理论的融合算法应用于光伏阵列故障诊断中,解决了存在交叉数据、误判率较...     

基于Matlab的光伏阵列数学模型的研究

通过对单体光伏电池的物理模型的研究,给出了易于求解、便于仿真的光伏阵列的数学模型,该模型可以计算在任一环境温度、太阳辐射强度下光伏电池的I-V特性;以该模型为基础,在工程误差允许的范围内,给出了可行的最大功率点的计算公式。Matlab仿真结果表明,光伏阵列的输出特性随温度和光强的变化而变化,并且光伏阵列I-V和P-V特性呈非线性;在不同光强和温度下,光伏阵列最大功率点不同,它能较好地反应光伏阵列的实际特性。     

基于Fluent的超声波换能器测风阵列模型改进研究

针对垂直相交型阵列易受阴影效应影响的问题,根据时差法原理,采用三组超声波换能器互成120°放置,设计了一种具有三条独立测风路径的改进型测风阵列,并建立了风速计算模型。该阵列保证至少有两组换能器正常工作的前提下,对某一条受到绕流干扰严重的测风路径进行校正。利用SpaceClaim软件建立测风阵列及风洞模型,通过Meshing软件进行网格划分,使用FLUENT软件改变模拟风洞内的风速及雷诺数等指标,仿真两种阵列在不同流态下的性能表现,得到速度分布云图以及测风路径速度曲线图,说明了改进型测风阵列能明显提升测风精度。     

基于1D-CNN+GRU的光伏阵列故障诊断方法研究

传统神经网络模型无法有效提取信号时序特征。为充分利用光伏阵列信号的时序相关性特征、增强神经网络模型对数据的挖掘能力、更好地提升卷积神经网络(CNN)分类精度,把CNN和门控循环单元(GRU)相结合,提出了新的光伏阵列故障诊断方法。首先,利用CNN对数据进行标签处理。然后,将提取的标签作为GRU的输入,进一步提取时空特征。为加强该方法分类优势,添加了自适应批量归一化(AdaBN)函数。试验结果表明,该方法较传统神经网络分类方法更具优越性,提高了光伏阵列故障分类的准确率。最后,通过增加噪声模拟现场环境,验证了结果的正确性。     

基于数值计算的高速列车气动阻力风洞试验缩比模型选取方法

为给高速列车气动阻力风洞试验模型选取提供更多的参考依据,通过计算流体力学(Computational Fluid Dynamics,CFD)方法,研究不同比例的高速列车缩比模型对气动阻力风洞试验结果的影响.首先,计算得到开口式风洞测试段的静压系数分布曲线,为高速列车气动阻力测量试验模型的长度选择以及摆放位置提供依据;其次,通过数值计算得到全尺寸模型列车在明线运行时,以及不同比例的模型列车在风洞中运行工况下的气动阻力信息,并从阻塞效应和雷诺数的变化,以及风洞试验段内静压分布的影响这3个方面对列车模型的气动阻力结果进行分析,得到在所研究风洞中较合理的列车缩比模型比例选取范围.这种以CFD为基础进行数值仿真,选取风洞试验中列车模型比例及试验测试位置的方法,为在地面交通工具风洞中进行高速列车模型气动阻力试验的缩比模型选取提供一定依据.     

一种自动校准多风表的风洞检测试验装置

针对传统风表校准方式需多次手动调节风量、操作复杂、人工读数与绘图费时费力且校准精度低等问题,设计了一种自动校准多风表的风洞检测试验装置,介绍了该装置的结构及检测试验原理。试验结果表明,该装置风流稳定,可自动调节风量,操作简单,可1次校准多个风表,校准精度高,并能对校准结果进行记录、存储、处理,适合于低、中、高3档多风表自动校准。     

基于多Agent的风/光互补发电系统的体系结构研究

风/光互补发电是一种新型的清洁能源,已倍受诸多国家和组织所重视.目前,风/光互补发电系统仅对底层的发电装置单独进行控制,没有发电系统的整体控制,也没有上层的能量管理控制.对风/光互补发电系统进行了研究,提出了一种基于多Agent技术的风/光互补发电系统的体系结构,以对其进行整体控制.构造了系统中的Agent的模型,介绍了它们的功能,论述并指出系统中Agent间的协作方法.最后,对系统的开发实现提出了建议.     

收集口形状和角度对汽车风洞试验段轴向静压因数的影响

为研究风洞收集口形状和角度对试验段轴向静压因数的影响,通过数值仿真和试验验证研究翼型收集口在多种角度下轴向静压因数的变化,并与平板型收集口对比.结果表明:收集口形状对轴向静压因数变化规律没有影响,轴向静压因数总是随开口角度的增大而减小;对于同一形状收集口,只在上方张开某一角度比在两侧张开相同角度的轴向静压因数略低.收集口角度变化对轴向静压因数会产生规律性影响:随收集口角度增大,从剪切层外部特别是上方进入到射流核心区的流量增加,导致核心区流速增加,从而导致轴向静压因数降低.     

基于CompactRIO的风洞喷管执行器位置监测系统开发

针对大型超声速风洞喷管设备,采用Compact RIO模块化仪器架构和LabVIEW开发平台,通过传感器、数据采集卡及上/下位机软件实现了对喷管执行器位置数据的采集、状态显示、分析、存储和预警等功能。利用该系统对2米超声速风洞喷管执行器进行监测分析,实验表明,该系统能实时显示喷管型面工作状态,及时判断故障产生的位置和超限情况,满足了执行器位置监测的实际需求,为操作者提供了有效的监测工具,提高了风洞喷管运行的安全性和可靠性。     

风洞系统非线性块状结构模型

本文将非线性块状模型的建模思想引入风洞系统模型的建立过程中,针对主排气阀和栅指电液伺服机构具有死区非线性特性,分别用含有死区输入的Hammerstein块状模型描述其动态特性,将主排气阀和栅指机构的输出作为风洞流场的输入,建立两输入两输出多变量耦合动态模型.两个独立的Hammerstein子模型与线性动态耦合的风洞流场模型串联构成一个非线性多变量块状模型.采用自适应加权递推辨识算法在线辨识Hammerstein子模型参数,采用带有遗忘因子的递推最小二乘法辨识风洞流场模型参数.仿真与风洞现场测试结果验证了本文方法的有效性.     

基于CPLD的风光互补发电阀控蓄电池监测系统

提出了一种风光互补发电系统中阀控蓄电池组智能监测系统,针对发电机系统的电磁干扰,采用复杂可编程逻辑器件(CPLD)作为主控器件。数据采集设计了模块化的分时采集方式,数据处理采用了改进的二次中值滤波算法,实现了以EPM7128SLC84为控制核心的系统硬件设计,给出了CPLD内部模块设计和部分模块的时序仿真。试验结果表明,蓄电池智能监控器具有较强抗干扰能力和适应多种电池组功率配置。