不同含气率下混流泵叶轮内流场特性分析

为了研究含气率下混流泵运行过程中叶轮内部的流动及压力变化情况,以某厂生产的导叶式混流泵为研究对象,应用商业CFD软件对不同含气率条件下额定流量运行过程中的混流泵进行瞬态数值模拟计算。结果表明:当泵进口含气率小于10%时,对叶轮流道内的压力分布与气相分布影响不明显,叶片上的压力波动变化幅度不大;当含气率大于10%时,气体逐渐在叶轮流道局部区域上聚集,叶轮上的压力脉动主频振幅开始逐渐增大,且在其出口处的压力脉动最为剧烈,并伴随着局部高压现象的发生。     

综采放顶煤不同阶段采空区立体自燃带分布规律研究

基于综采放顶煤采空区煤岩冒落基础理论,提出了开 切眼和正常推进围岩阶段冒落力学性能差异导致的空隙结 构漏风动态差异模型;考虑冒落围岩长时间暴露导致其漏 风、蓄热环境及煤低温氧化性能的变化,对不同阶段采空区 的立体自燃带特点进行数值模拟和现场测试。Fluent模拟 表明:工作面推进初期,顺槽及开切眼附近漏风较大,采空区 中部冒 落 压 实 后 形 成 较 明 显 的 “O”型 圈,自 燃 带 范 围 为 15.7~52.5m;在空间垂直方向上,随着高度增加,由于冒落 的滞后性,开切眼和工作面附近中上部位置向采空区漏风逐 渐增加;正常推进过程阶段,两顺槽向采空区后部漏风逐渐 减弱,自燃带范围为25.5~40.5m,较开切眼范围减小,自燃 带和散热带分界线后移9.8m;鲁西南某矿3105工作面现场 的实测表明,开 切 眼 自 燃 带 范 围 由 14.9~60.5 m 减 小 为 24.25~40.95m,实测数值与模拟结果相吻合。     

典型角反阵列双基地一维距离像特性

角反射器在舰船目标防御中发挥着重要作用,如何有效对抗角反射器干扰是当前的研究难题.以典型八面体角反阵列为例,通过电磁计算和暗室测量获得了宽带双基地散射特性数据,分析了一维距离像随观测角和双基地雷达几何结构变化的规律.结果表明当双基地角达到一定角度条件下,角反射器散射强度急剧下降,这一特性可用于抗角反射器方法设计.     

冷媒自动充填系统

本文介绍了冷媒自动充填系统的组成和工作原理．着重叙述了PLC与触摸屏结合的控制要求和控制方式,使系统的自动化性能得到很大提高。     

基于结构光辅助的网格候选点三维测量方法

光学三维测量技术是计算机视觉领域中最为活跃的研究主题之一.针对双目立体视觉三维测量方法中无纹理物体表面测量误差较大的问题,提出一种基于结构光投影辅助的网格候选点三维测量方法.设计灰度单调变化的锯齿波图案投射在被测场景中,有助于使三维网格候选点投影像点间的灰度差异最大化,依此提高系统的测量精度,实现了主动测量方法和被动测量方法的有效结合.通过3DS MAX和MATLAB软件平台下的仿真实验,验证了结构光辅助的网格候选点测量方法在计算精度上具有明显优势,且不会增加系统的复杂度,扩展了网格候选点三维测量方法的适用范围.     

篦冷机熟料的立体视觉在线测量

实现篦冷机内部冷却风的合理分配,需要实时获得水泥熟料的厚度信息。针对篦冷机内温度高,难以实时测量的问题,提出了基于网格候选点的立体视觉在线测量方法。用相交光轴的两台摄像机组成双目立体视觉系统获取料层图像,在世界坐标系内建立代表深度信息的网格候选点用于深度测量。利用小波多分辨率算法快速筛选候选点,满足传送中熟料在线测量的实时性需求。引入了可信系数的概念,对容易出现歧义的少数候选点根据直方图分布判断该窗口内图像是否包含丰富的纹理信息,选择较大或较小的匹配窗口用于二次匹配,减少了匹配歧义带来的测量误差。实验结果表明,测量系统的均方根误差为4.29mm,能够满足实时厚度测量的精度要求。提出的方法测量精度高、计算速度快,能够稳定用于篦冷机内熟料厚度的在线测量。     

四种生物质废弃物环氧树脂的合成及表征

分别以四种生物质废弃物———木粉、榛子壳、稻草和玉米秆苯酚液化物为原料,与环氧氯丙烷反应,制备出以四种生物质液化物为基材的环氧树脂,采用凝胶渗透色谱(GPC)对比分析了四种生物质液化物及其环氧树脂的相对分子量分布。以聚酰胺(PA-650)为固化剂进行固化,并利用热失重分析(TGA)、差热分析(DSC)和剪切强度测试等手段对固化物的热力学性能进行了测试。结果表明,木粉液化物及其树脂的-Mw和-Mn最高分别为532、759和249、308,木粉基树脂胶粘剂的剪切强度最大为5.7MPa,且它的热稳定性最好。     

双丝埋弧焊的应用及发展

对单双丝埋弧焊焊接工艺和接头性能进行了对比分析,阐述了双丝埋弧焊替代单丝埋弧焊的可行性.论述了双丝埋弧焊的工艺技术及发展状况,提出了双丝埋弧焊的高效性为其快速发展提供了广泛空间.最后点明了双丝埋弧焊现如今存在的问题和未来的发展方向.     

基于密度和最近邻的Kk-means文本聚类算法

初始中心点的选择对于传统的K-means算法聚类效果影响较大,容易使聚类陷入局部最优解。针对这个问题,引入密度和最近邻思想,提出了生成初始聚类中心的算法,将所选聚类中心用于K-means算法,得到了更好的应用于文本聚类的DN-K-means算法。实验结果表明,该算法可以生成聚类质量较高并且稳定性较好的结果。