共查询到11条相似文献,搜索用时 63 毫秒
1.
圆柱绕流现象的格子玻耳兹曼数值模拟 总被引:5,自引:2,他引:3
用新近发展的格子玻耳兹曼方法对圆柱绕流现象进行了数值模拟计算,将模拟结果与实验结果进行了比较分析,获得了很好的一致性,反映出相同的流动特征。通过实际算例的应用,对格子玻耳兹曼方法的优点、发展潜力和目前存在的主要问题进行了讨论。 相似文献
2.
提出一种提取图像纹理特征的新方法:结合广义局部沃尔什变换(GLWT)和局部二值模式(LBP)。首先说明广义局部沃尔什变换的定义,然后计算并分析广义局部沃尔什变换系数,并选取识别性能较好的2阶矩作为纹理特征。结合LBP空间纹理特征和灰度特征,然后根据纹理特征采用模糊C均值算法对像素进行聚类。实验结果表明,结合广义局部沃尔什变换和LBP的纹理特征具有更好的鉴别性能,且计算简单。 相似文献
3.
针对单一局部放电特征辨析老化信息量存在精度不足的问题,提出一种基于局部放电灰度纹理特征与油气特征的D-S证据融合识别方法,对油纸绝缘老化状态进行分析。首先,通过试验构造人工油纸绝缘内部气隙模型,模拟变压器内部实际运行环境,采集油纸绝缘7个老化层级的局部放电信号及油中气体含量,提取各老化层级的灰度纹理特征、统计特征及油气特征,利用支持向量机进行识别。将灰度纹理特征和油气特征的识别结果输入到D-S证据融合框架中进一步识别分析,识别结果与单一特征及其他两两特征融合结果比较。试验结果表明:基于灰度纹理特征与油气特征的D-S证据融合方法对油纸绝缘老化状态的识别效果更佳。 相似文献
4.
针对单一局部放电特征辨析老化信息量存在精度不足的问题,提出一种基于局部放电灰度纹理特征与油气特征的D-S证据融合识别方法,对油纸绝缘老化状态进行分析。首先,通过试验构造人工油纸绝缘内部气隙模型,模拟变压器内部实际运行环境,采集油纸绝缘7个老化层级的局部放电信号及油中气体含量,提取各老化层级的灰度纹理特征、统计特征及油气特征,利用支持向量机进行识别。将灰度纹理特征和油气特征的识别结果输入到D-S证据融合框架中进一步识别分析,识别结果与单一特征及其他两两特征融合结果比较。试验结果表明:基于灰度纹理特征与油气特征的D-S证据融合方法对油纸绝缘老化状态的识别效果更佳。 相似文献
5.
气固两相圆柱绕流近场特性的实验研究 总被引:3,自引:1,他引:3
采用PIV实验技术对气固两相圆柱绕流的近场特性进行了研究。通过对图像进行数据处理,发现Stokes数为0.97的颗粒与涡结构的相互作用最为强烈,在尾迹中心区流向平均速度较低,且变化幅度较大,但脉动速度和湍动能较高。而较大Stokes数的颗粒不易受涡结构的影响,流向平均速度在尾迹中心区的分布也较平缓,但脉动速度和湍动能在两侧的剪切层区较高。各种颗粒在圆柱绕流回流区的脉动速度和湍动能都要高于近尾迹区的相应值,这为颗粒的混合和稳定燃烧等提供了有利的条件。
关键词:;;; 相似文献
6.
本文首先给出了有限体积数值离散中,采用双线性速度插值的直接强迫力浸没边界方法的数值实现公式推导;采用该方法对翼型绕流进行了大涡数值模拟的初步研究,大涡模拟的亚格子应力采用基于Germano等式和尺度相似假设的SDP动力模式,模拟结果与文献的DNS结果一致,表明SDP模式于本文的浸没边界方法的结合可以实现对复杂流动的精确模拟。 相似文献
7.
8.
9.
10.
传统的统计参数特征,因放电次数及放电相位分布等因素的影响,会出现无效信息,降低局部放电识别率。为了减少这些因素的影响,引入灰度共生矩阵纹理特征对局部放电进行模式识别。首先通过实验构造局部放电相位-放电量-放电次数(j-q-n)三维图谱,获得放电分布矩阵。其次计算其对应的灰度共生矩阵,并提取出相应纹理特征。最后利用聚类分析对不同放电缺陷进行了有效判别分类。实验结果表明:基于放电分布灰度共生矩阵的纹理特征可以有效辨识不同局部放电类型,为局部放电模式识别提供了一种新思路。 相似文献
11.
高速铁路列车中乙丙橡胶(EPR)电缆终端常因制作过程中操作不当而导致出现多种缺陷,造成终端局部放电甚至击穿的现象,对检测到的局部放电信号进行准确分类仍然是亟待解决的难题。分别制作了含尖端、环切划伤、金属微粒、气隙4种典型缺陷的终端试样,通过试验记录了各类试样的放电谱图信息。基于试验得到的局部放电谱图库,提出通过图像金字塔理论,构建多尺度局部放电谱图空间,并从中提取1阶纹理统计量、2阶纹理统计量及高阶纹理统计量作为缺陷类型识别的特征参量。同时,结合随机森林算法,基于gini指数完成了特征空间寻优工作,实现了对缺陷类型的正确分类。结果表明:通过随机森林算法,多尺度纹理特征的模型误差率和分类准确率明显优于单尺度纹理特征,能较好地对终端典型缺陷进行分类;同时,由于气隙缺陷和划伤缺陷的放电机理存在相似性,二者缺陷处的局部放电特征同样存在相似现象,因此气隙缺陷和划伤缺陷的分类较易出现误差,导致其识别率偏低,还需针对其图像特征参数和识别算法继续开展研究。 相似文献