论电视辩论类节目的发展现况与出路——以辽宁广播电视台北方频道《交锋》栏目为例

《交锋》是辽宁广播电视台北方频道于2011年开播的一档大型新闻辩论类节目。节目自开播以来，以其独特的定位、激烈的语言和犀利的风格，深受广大电视观众的喜爱。在当今地面频道发展遭遇瓶颈的现实情况之下，《交锋》的出现无疑为更多的地面频道及其节目的创作与发展开阔了思路、提供了对策。

泵喷水动力性能预报及导管拱度的影响分析

为研究泵喷梢隙流动的影响,本文基于面元法理论建立了泵喷组件间的干扰数值模型和梢部泄露涡模型。将不同工况下推进性能的计算结果与CFD方法的结果进行对比,对比结果表明,转子梢部的泄露涡对周围流场存在强烈的扰动,引入梢涡模型可以有效地改善泵喷定子和转子的性能预报精度。在此方法的基础上,通过改变导管翼型剖面的拱度值,分析不同拱度的导管对泵喷水动力性能的影响,分析结论显示,增加拱度可以显著地提高泵喷的推进效率和有效做功范围,直至当导管表现为减速型导管时,推进性能的提高幅度降低;最后针对装配在高速水下航行体的泵喷推进器,给出了导管拱度的建议取值范围。

采用带梢隙涡模型的面元法预报泵喷水动力性能

为了预报泵喷推进器水动力性能,采用面元法建立了定常水动力干扰模型,将泵喷分为转子-桨毂和定子-导管两个系统,系统间的干扰通过诱导速度进行考虑。针对定转子的几何外形,提出了基于圆台面的叶片网格划分方法;并根据泵喷内部流动的真实情况,提出了适用于平顶式叶片的梢隙涡模型。通过从压力、环量以及推进性能等方面的结果对比,发现当泵喷考虑梢涡的影响时,转子叶片的整体环量分布以及梢部载荷更接近实际情况,性能曲线与粘流结果吻合良好,表明该方法可以有效地预报泵喷推进器定常水动力性能。

基于DEMON谱和LSTM网络的水下运动目标噪声基频检测

传统的船舶辐射噪声基频检测方法不仅依赖大量的先验知识,而且对背景噪声非常敏感。为了提高目标识别的稳定性和精确性,该文提出了一种基于深度神经网络的基频检测算法。首先从多通道水听器信号中提取DEMON谱,然后直接将二维谱特征矩阵输入由卷积神经网络和长短时记忆网络构成的级联网络,最后通过稠密层输出实现对基频的估计。仿真和外场实验结果初步表明:深度网络能够实现无先验知识和不同信噪比条件下的基频检测,具有良好的泛化性能。长短时记忆网络能够高效地从时序DEMON谱中提取统计特征,提高基频估计精度。输入信号的时间长短会影响网络的检测精度,更长时间的信号能够获得更好的检测结果。

间隙流动模型对泵喷推进器水动力性能的影响

泵喷作为一种带定子的导管类组合推进器,其内部存在强烈的间隙流动,为了更加准确地预报泵喷推进器水动力性能,本文根据已有的梢部泄露涡模型,考虑泵喷间隙处流动的真实流动情况,考虑间隙区域流体粘性的影响,构建了适用于泵喷的间隙流动模型。通过对比分析泵喷转子、定子以及导管的水动力性能以及压力、环量分布发现:当考虑间隙流动模型的影响时,转子叶片以及导管内壁面压力及环量分布与粘流的计算结果更加吻合。间隙模型的引入对泵喷导管的影响最大,使得导管的水动力性能以及压力分布与粘流计算结果趋势更加一致,但对泵喷推进器整体的水动力性能计算结果影响有限,仅仅使得其计算值略微提升。