排序方式: 共有9条查询结果,搜索用时 0 毫秒
1
1.
为揭示环形压水室内部流动及能量转换规律,提高核主泵的整体水力性能,基于Reynolds时均化N-S方程和RNGk-ε湍流模型,对核主泵缩比模型内部流动进行全三维数值计算,对比分析不同工况下压水室内部流动特征、能量损失以及不同截面动静压能变化规律。结果表明:环形压水室内水力损失随着流量的增加近似呈线性增加,对于压水室损失占总损失的比重,在小流量及设计工况下,呈非线性成倍增加趋势,当流量增大至1.2Qd时,压水室损失比重变化平缓;在压水室环形流道内静压能比重明显高于动压能,且静压能比重沿流向近似线性减小,动压能比重沿流向线性增大;在不同工况下环形压水室内部流动呈现明显的非轴对称性,由于回流存在导致隔舌附近区域流动复杂,且偏设计工况下回流量要明显大于设计工况下回流量。 相似文献
2.
多种可燃气体分析过程由于学习样本数据与拟合的目标函数复杂,单一BP或RBF神经网络方法难以获得满意精度。将Gabor变换和双层复合神经网络有机结合,提出一种新型的Cabor神经网络司燃气体分析方法。通过Gabor原子变换的强特征提取功能减小输入信号维数,并采用双层复合神经网络对学习样本进行拆分和简化,有效提高了可燃气体辨识的精度。以H_2S、CH_4、H_2、CO 4种可燃气体为典型对象开展了相关的实验研究,实验结果表明,所提出的Gabor神经网络分析方法的平均相对误差小于单一BP神经网络和RBF神经网络,提高了定量分析精度。 相似文献
3.
4.
对基于常规单一BP神经网络的电子鼻系统进行改进,提出一种基于Gabor原子神经网络的电子鼻系统,并以3种混合气体为实验对象,进行混合气体的定量分析研究.实验结果表明,应用Gabor原子神经网络的电子鼻系统的最大相对误差与单一BP神经网络相比得到减小,大大提高了定量分析精度. 相似文献
5.
针对传统火灾探测系统对火灾特征信号响应灵敏度均匀性差,而基于神经网络的智能处理方法又存在泛化能力差和过学习等问题.建立了一种基于支持向量回归机(SVR)模式识别方法与传感器阵列相结合火灾预警模型.SVR方法根据统计学习理论中结构风险最小化原则,将气体传感器、烟雾传感器和温度传感器组成的传感器阵列数据进行融合,将复杂的非线性问题转化成了高维平面内的线性问题,克服了传统方法和神经网络方法的缺陷.实验结果表明,使用支持向量回归机的火灾预警模型的预测精度优于神经网络方法,提高了火灾预警系统的可靠性和准确度. 相似文献
6.
7.
8.
9.
基于BP神经网络的矿井一氧化碳检测方法研究 总被引:2,自引:0,他引:2
文章采用热催化传感器和电化学式气体传感器的配合使用,为了解决两种传感器对矿井一氧化碳和甲烷气体的“交叉敏感”问题,提出了一种基于BP神经网络技术的传感器系统。研究了采用两种传感器组成的多传感器阵列与BP神经网络相结合来实现一氧化碳气体浓度精确检测的方法。实验证明,利用基于BP神经网络的多传感器阵列模型,能有效的提高对井下一氧化碳气体的测量精度。 相似文献
1