超材料智能表面在MIMO无线网络中辅助应用的仿真研究

在当今5G或未来无线通信中，广泛采用智能新材料和深度学习算法，在提高波谱利用率、降低能源消耗等方面，开始展现出诱人的发展态势.本文以毫米波和大容量多输入所输出（multiple-input multipleoutput, MIMO）无线网络数据集作为移动通信场景，研究信道模型估计.进一步引入具有少量反射单元可灵活配置的大规模智能表面，设计了以信道特征参数为输入、以可达接收速率为输出标签的多感知神经元网络模型.综合应用包括仿真基准、智能超表面、深度学习等技术，仿真评价了智能超表面的反射单元组成、有源单元数量，以及发射功率、训练数据集大小等因素对移动用户可达速率的影响，计算结果表明，通过这些选项的适当设计，能增加深度学习在无线网络环境特性感知方面应用的有效性.     

螺旋槽机械密封在气液两相下的工作特性研究

为了分析螺旋槽机械密封在气液两相润滑工况下的性能，采用液氮模拟涡轮泵的低黏介质润滑环境，获得了不同试验条件下液氮在两相中的比例k。引入气液时变混合因子λ，建立了λ与两相介质混合密度ρ和混合黏度μ的关系。给出了螺旋槽机械密封的气液两相量润滑计算模型，计算得到了两相润滑时机械密封的开启力F和泄漏量Q，并和试验结果进行了对比，在150～190 s时添加时变混合因子计算方法计算出的开启力和泄漏量较实测数据平均误差分别为6.71%和4.32%。结果表明：考虑两相影响的开启力和泄漏量计算值均小于不考虑两相影响的计算值，且端面液膜气化降低开启力的同时也减小了泄漏量。气液两相量润滑计算模型增加了螺旋槽机械密封性能计算的准确性，研究结果可为两相工况下的机械密封设计及性能优化提供参考。