Thermodynamic Head Loss in a Channel with Combined Radiation and Convection Heat Transfer

Losses in channel flows are usually determined using a frictional head loss parameter. Fluid friction is however not the only source of loss in channel flows with heat transfer. For such flow problems, thermal energy degradation, in addition to mechanical energy degradation, add to the total loss in thermodynamic head. To assess the total loss in a channel with combined convection and radiation heat transfer, the conventional frictional head loss parameter is extended in this study. The analysis is applied to a 3D turbulent channel flow and identifies the critical locations in the flow domain where the losses are concentrated. The influence of Boltzmann number is discussed, and the best channel geometry for flows with combined heat transfer modes is also determined.

土地经营权入股的隐性失地风险与制度应对

担心失地是制约土地经营权入股的重要因素。基于制度文本和实践纠纷的解析,土地经营权入股的失地风险主要为隐性失地风险——虽然在法律上享有收回土地的权利,但实际上难以收回、有效利用。其主要成因包括入股合同的约定欠周延,农地流转和土地股份组织制度衔接不足,政府投资建设的农业设施的处置规则不明,以及农地纠纷解决机制效能不高。在风险应对方面,不应固守单一的组织法视角,而是需要坚持系统性思维,综合施策予以现实应对,重点包括强化合同治理提高入股合同的周延性,深化农地流转和土地股份组织制度的衔接,健全政府投资建设的农业设施的处置规则,以及构筑更加便捷高效的农地纠纷调处机制。

基于联合深度统计特征对齐的鱼类目标识别方法

水下鱼类目标识别技术是认识海洋、经略海洋、向海图强的重要技术之一.基于深度学习的水下目标识别技术已成为研究热点,但是针对水下鱼类数据小样本甚至零样本识别性能亟待提高.本文基于迁移学习,提出了联合深度统计特征对齐(Joint Deep Statistical Feature Alignment, JDSFA)方法,解决小样本下的鱼类目标识别问题.以ResNet-50作为骨干网络,将均方和协方差纳入权重选择算法用来构建自适应损失函数,对齐源域和目标域之间的特征分布,联合源域损失与领域间的自适应损失,设计全局损失函数,建立深度学习识别模型,实现鱼类目标识别任务.利用公开的水下鱼类数据集QUT进行实验验证,相比目前代表性的DADAN、PMTrans、DSAN方法,JDSFA方法的鱼类识别性能分别提升了3.59%、4.96%、5.91%,结果表明了本文JDSFA方法的有效性,并对鱼类目标识别具有良好的应用价值.

基于多模型正交化的深度图像识别对抗鲁棒性增强技术

近年来,深度神经网络(Deep Neural Networks,DNN)已被广泛应用于图像识别,目标检测,图像分割等多种计算机视觉任务中,并取得了巨大成功。然而,DNN模型因其本身的脆弱性,仍面临着对抗攻击等技术手段带来的安全隐患。攻击者在图像上恶意地添加微小且人眼难以识别的扰动,可以让模型产生高置信度的错误输出。针对上述问题,集成多个DNN模型来提升对抗鲁棒性已成为有效的解决方案之一。但是,对抗样本在集成模型中的子模型间存在对抗迁移现象,可能使集成模型的防御效能大大降低,而且目前仍缺乏能够降低集成防御内部对抗迁移性的直观理论分析。本文引入损失场的概念并定量描述DNN模型间的对抗迁移性,重点关注和推导对抗迁移表达式的上界,发现促进模型损失场之间的正交性以及降低模型损失场的强度(Promoting Orthogonality and Reducing Strength,PORS)可以限制其上界大小,进而限制DNN模型间对抗迁移性。本文引入PORS惩罚项至原损失函数中,使集成模型能够保持在原始数据上的识别性能的同时,通过降低子模型间的对抗迁移性来增强整体的对抗鲁棒性。文章在CIFAR-10和MNIST数据集上对由PORS训练得到的集成模型开展实验,分别在白盒和黑盒攻击环境下与其他先进的集成防御方法进行对比实验,实验结果表明PORS可以显著提高对抗鲁棒性,在白盒攻击和原始数据集上能保持非常高的识别精度,尤其在黑盒迁移攻击中极为有效,在所有集成防御方法中表现最为稳定。

车用质子交换膜燃料电池低铂化展望及应用

质子交换膜燃料电池作为氢能产业应用的核心产品,具有能量转换效率高、零排放、无污染等特点,是车用领域的重要动力来源之一。然而,高昂的成本限制了车用质子交换膜燃料电池的大规模应用及推广。低铂化膜电极技术的开发是提高其价格竞争力的重要手段,但低铂化过程中面临的严重传质和寿命问题急需解决。总结了低铂化膜电极技术的研究进展及现有技术的不足,并展望了未来的发展趋势,可为车用质子交换膜燃料电池的低铂化膜电极技术开发提供参考。

太阳能真空集热管热损分析与试验研究

基于热平衡法提出了一种动态热平衡热损计算方法,并进行了验证,同时分析了环境温度、进口温度、流量对真空集热管热损的影响。结果表明,热损随着环境温度的降低、进口熔盐温度的升高和熔盐质量流量的降低而增大;当辐照强度在700 W/m2以上时,真空集热管获得的热量大于热损并能稳定工作,说明槽式光热电站在东南沿海等太阳能资源相对不足的地区有一定的适用性。

表面粗糙度对SA508 Gr.3 Cl.1钢-石墨摩擦副摩擦磨损性能的影响

采用旋转钢圆环-固定石墨圆环式端面摩擦副结构,对不同表面粗糙度(0.319,0.451,1.210,2.300,5.240μm)的SA508 Gr.3 Cl.1钢进行干摩擦磨损试验,研究了试验钢表面粗糙度对摩擦副摩擦磨损性能的影响,分析了磨损机制。结果表明:随着试验钢表面粗糙度增加,摩擦因数先减小后增大,表面粗糙度为0.451μm时最小,为5.240μm时最大;石墨的摩擦磨损质量损失整体呈增大趋势,磨损机制均以磨粒磨损为主。当表面粗糙度较低时,石墨在试验钢磨损面形成大面积光滑的转移膜,膜中碳含量较高;当表面粗糙度较高时,产生犁沟效应,石墨转移膜面积较小,膜中碳含量较少。

水滴形热管阵列预冷器综合换热特性数值研究

提出了一种应用于高超声速飞行器进气预冷的水滴形热管阵列预冷器构想,以实现进气预冷的高效换热和低流动损失。基于将热管处理为恒定温度导热体的简化模型假设,采用数值模拟方法研究了水滴形热管预冷器的流动换热特性以及水滴热管形状、纵向间距和来流马赫数的影响,并与具有相同截面积的圆形热管预冷器进行了对比分析。结果表明,水滴外形减少了外掠高温来流在热管尾缘脱落涡的产生,流动变得平滑。与圆形热管预冷器相比,水滴形热管预冷器极大地减小了高温来流流动损失,仅为圆形热管阵列的30%。虽然温降有所降低,但综合性能因子大于圆形热管预冷器。在本文的研究参数范围内,存在相对较优的水滴形状和热管纵向间距,可以获得更高的综合换热特性;随着来流马赫数增大,预冷器的综合换热特性有所提升。

高量测丢包率下基于共享模糊等价关系的配电网状态感知

配电网分布式新能源渗透率的不断增加,对实时监测的要求不断提高,大量量测数据在集中传输过程中常常出现延迟、丢包等现象导致配电网状态感知精度降低甚至不可观测。针对上述问题,提出基于共享模糊等价关系的状态感知方法。首先,将采集得到的多时间断面历史量测数据集作为源数据集,实时采集得到的高量测丢包率下的数据作为目标数据集。利用三角形隶属度函数分别将两组数据集写成模糊集的形式。然后采用一种向量间距离度量方法,分别计算得到两组模糊集的模糊等价关系矩阵。在此基础上,采用共享模糊等价关系的聚类方法,将知识从源数据集转移到目标数据集,减小两组数据集特征分布之间的差异。最后,利用深度神经网络对知识迁移后低维特征空间中高量测丢包率对应的数据进行标记,得到配电网实时状态。通过对IEEE标准算例和某实际地市公司配电网算例进行仿真测试,结果表明所提出的基于共享模糊等价关系的配电网状态估计方法能在高量测丢包率下获得准确的配电网实时运行状态,实现不同量测数据缺失程度下的配电网实时监测。

基于改进交替迁移学习的滚动轴承故障诊断算法

针对不同型号滚动轴承监测信号之间特征分布差异大、故障数据样本少,导致轴承故障精度低的问题,提出了一种基于改进交替迁移学习的滚动轴承故障诊断算法。为了充分发挥卷积神经网络(convolutional neural network, CNN)对二维数据优秀的特征提取能力,首先将一维振动信号转化为二维图像,输入到深度卷积神经网络中学习;其次,为了减少源域与目标域数据间的特征分布差异,提出了改进的交替迁移学习(improved alternately transfer learning, IATL),通过交替计算域间的CORAL损失函数和最大均值差异(maximum mean discrepancy, MMD)损失函数,并反向传播更新各层网络权重与偏置参数,以实现变工况、跨轴承型号和小故障样本条件下轴承特征迁移适配;最后,在全连接层使用Softmax函数对目标域数据进行故障诊断。为了验证该算法的有效性,采用凯斯西储大学(Case Western Reserve University, CWRU)的滚动轴承数据集进行了迁移试验验证。结果表明,与仅计算CORAL损失函数和MMD损失函数等算法对比可知,该算法有效地减少了领域数据之间的特征分布差异,具有较高的故障分类准确率。

基于边缘增强和关联损失的服装图像风格迁移

服装图案风格的迁移可以依据个人需要调整对应的风格服饰,满足大众对精神生活越来越高的需求。传统的服装图案风格迁移多采用简单纹理,内容较为单一,图像效果不够理想。针对这些问题,提出了一种基于边缘增强和关联损失的服装图案风格迁移方法(EnAdaIN)。首先,依据Kirsch算子对图像的原始边缘特征进行提取,同时结合Mask R-CNN深度学习方法对服装图像进行语义分割;然后,通过改进AdaIN算法构建基于空间关联损失的EnAdaIN方法,并输出风格迁移图像。EnAdaIN方法在融合边缘特征与语义风格图像的基础上实现服装图像的风格迁移,在融合空间关联损失算法的基础上进一步提升图像的特征相似度。研究表明:EnAdaIN方法峰值信噪比相较于其他方法提升超过0.95%,结构相似性提升超过2.43%,迁移效率提升超过了3.53%,生成后的图像信息色彩更为丰富、特征明显,进一步提升了图像的对比度和质量。

基于改进Faster R-CNN的遮挡行人检测

遮挡是导致行人检测任务中漏检情况发生的主要原因之一,影响行人检测器的性能。为了增强检测器对遮挡行人的检测能力,论文提出一种改进的Faster R-CNN检测器,采用HRNet作为Faster R-CNN的特征提取网络,用于提取强语义的特征。在模型的训练和测试阶段,分别引入NMS-Loss和Soft-NMS,减少拥挤场景中由非极大值抑制算法(NMS)造成的漏检。此外,使用CrowdHuman行人数据集进行预训练,利用其中丰富的遮挡样本,增强Faster R-CNN检测器对遮挡行人目标的检测能力。在Caltech数据集上对本文提出的改进方法和其他对比方法进行了性能评估。实验结果表明,本文提出的改进方法在总体漏检率上具有优势,其中严重遮挡行人目标上的对数平均漏检率为29%,明显优于其他对比深度学习检测器。

综合考虑材料热各向异性与多种传热方式的磁性元件热阻网络精准模型

磁性元件正在向高频化、小型化、高功率密度的方向发展,随着功率密度的提高,散热已成为影响器件可靠运行的关键因素,因此对磁性元件的热分析提出更高的要求。传统的热分析模型存在运算时间长、传热方式单一等问题,该文引入已有研究中提出的三轴九热阻网络模型,在此基础上添加热对流与热辐射两种传热方式,综合考虑材料热各向异性与热传导、热对流、热辐射。并通过精细划分元件温度计算子区域、实际器件损耗场分析、热电耦合迭代提高模型的计算精度,提出一种更加完善的三轴十五热阻网络模型,基于该模型对实际磁性器件建模,验证了该模型的准确性,并于最后提出一种通用的针对EE、EI、UU等典型磁心构成的磁性元件的热阻网络建模方法。

开孔金属泡沫流场分布和流动阻力的数值分析

【目的】为了系统研究开孔金属泡沫中空气流场的流动特性和传热传质特性。【方法】使用几何表示法构建12面体开孔泡沫模型,应用有限单元法模拟了不同入口速度下,泡沫韧带截面形状、孔径密度PPI和流场高度方向泡沫结构对称性等参数对流场分布、传质和流动阻力的影响。【结果】结果表明,随着泡沫韧带截面顶点曲率减小,韧带阻滞作用减弱,流场沿程损失h_(f)减少;增大孔径密度可以提高流场对流强度分布均匀性;在高度方向非对称边界流场对流强度更大,且韧带周围对流强度分布趋向均匀,对称结构则相反;对称边界流场的上下边界处对流速度比非对称边界略大,对称边界更有利于边界物质输运;泡沫结构特征和气体入口速度对流场分布和流动阻力的影响明显。流动问题的量纲分析结果表明,泡沫孔数量越多,流场的沿程损失与气体初始动能的比值越大,增大气体入口速度则比值减少,当入口速度超过6 m/s后,比值趋于稳定。

基于不同接箍形式的隔热油管传热特性模拟分析

热力采油方法是稠油开采的主要方式之一,在注蒸汽热采过程中,隔热油管可以有效减少井筒径向传热损失;常规隔热油管使用一段时间后,热损失明显增加,如何改进隔热油管结构,降低注汽过程热损失,需要进一步研究。基于常规隔热油管,提出了2种改进隔热油管结构:接箍处含隔热衬套油管和直连式隔热油管;在对3种隔热油管物理结构分析基础上,建立了热损分析模型,根据所建模型,利用COMSOL软件进行了模拟计算分析,给出了3种隔热油管结构的温度分布和热损失变化特性,并进行了对比分析。结果表明:接箍处含隔热衬套油管热损失最小,直连式隔热油管热损失适中,建议对普通隔热油管接箍采取保温措施。本研究为注蒸汽热采过程减少热损失、提高稠油采收效果提供一定支撑。

黄土丘陵沟壑区坡面水沙尺度传递效应及其影响因素分析

[目的]探究坡面水沙运动过程中的尺度效应,阐明黄土高原丘陵沟壑区水沙运动尺度效应影响机制,进而为水沙传递机理研究及黄河流域水沙综合治理提供科学支撑。[方法]基于黄河子洲径流试验站4个径流场径流泥沙资料,通过对比分析次降雨事件下不同坡长产流产沙过程,揭示了坡面产流产沙的尺度传递效应。提出尺度传递效率概念,用来表征上下层级间水沙传递关系,进而探究了径流泥沙传递效率的影响因素。[结果](1)不同降雨类型特征因素对坡面产流产沙的影响不同,降雨历时主要影响坡面产流产沙能力,平均雨强主要影响坡面产流产沙起始时间;(2)次降雨事件下,不同坡长的径流传递是较为理想的平衡传递机制,且随坡长增加,径流的传递能力呈减小趋势。而在40~60 m坡长条件下,泥沙的传递表现为非平衡传递过程,随坡长增加,泥沙的传递能力呈先增大后减小的变化趋势;(3)不同尺度坡面水沙传递效率的影响因素不同,径流深、平均雨强及雨后表层土壤含水率是影响水沙尺度效率传递的主要因素。[结论]黄土丘陵沟壑区坡面产流产沙能力受降雨特性及坡长的影响,水沙沿程传递存在明显的折损或增益的尺度效应,水沙传递效率受雨强、径流及土壤湿度等多重因素的调控。

基于声电类比的低频消音结构优化设计

基于声电类比,设计了与电滤波器性能相似的低频消音结构,并结合传递矩阵法和模拟退火法,构造了声学结构的优化设计策略。首先,采用归一化方法,以四阶切比雪夫高通电滤波器为基准,设计了电学带阻滤波器;然后,基于声电类比,将电路中的电感电容转换为声学结构中的细管和圆柱腔,构造了消音结构原型,并利用传递矩阵法,建立其数学模型,推导声波传递损失表达式;最后,结合声学结构的数学模型和模拟退火法,以有效衰减带宽最大为目标,以消音结构的尺寸参数为变量,对原型结构进行优化设计。结果表明:基于声电类比,能获得合理的消音结构原型,克服了仅依靠经典消音结构进行设计的局限;结合推导的传递损失数学模型和模拟退火法,对消音结构原型进行参数优化,能显著提高其消音效果,表现在传递损失超过20 dB的带宽拓宽至410~2 165 Hz,是优化前带宽的202%,特别是优化后的结构克服了原型结构在466~537 Hz频率内不能实现有效消音的缺陷,获得了连续的大跨度有效带宽,且传递损失曲线平均增幅达22.8%。

压缩机级间管壳式换热器设计与软件开发

管壳式换热器在各工业领域应用广泛,但其壳侧结构较为复杂,其传热与流动状态难以预测,且设计过程涉及大量的计算、图表及标准规范,导致设计周期长、费时费力。研究针对压缩机级间管壳式换热器进行了详细合理的设计与热工计算,确定了管壳式换热器热负荷、换热面积、传热系数等结构与热力参数;并基于MATLAB技术开发了压缩机级间冷却器的设计与校核软件,提高了设计人员的工作效率与换热器设计精度;最后针对一种工程案例,完成了对压缩机级间冷却器的设计计算。

基于㶲概念的转油站用能分析与节能研究

为实现转油站用能单元的详细分析及能耗优化,将转油站分为站内系统和站外系统两部分,依据㶲概念计算了不同系统的㶲损、㶲效率及各设备的㶲损系数,对薄弱设备的㶲损来源进行了深入分析;建立了以㶲损最小为目标函数的用能优化模型,在温度、压力等为约束条件前提下,利用非线性交叉因子和变异因子改进的遗传算法实现了优化求解。结果表明,转油站的站内系统具有较大的㶲损和较低的㶲效率;加热炉的㶲损系数最大,内部㶲损中冷却过程和传热过程的㶲损系数变化较大,外部㶲损中排烟过程和散热过程的㶲损系数较大;改进遗传算法在迭代至47次时,可达到收敛状态,优化后掺水温度和掺水流量均有不同程度的下降,预计全年可节约运行费用157.56万元。研究结果可为同类转油站的用能优化提供实际参考。

结合改进VGGNet和Focal Loss的人脸表情识别

针对目前表情识别准确率偏低,表情数据集中类别样本类间差异小、类内差异大以及误标注样本产生的误分类等问题,提出了一种结合改进VGGNet和Focal Loss的人脸表情识别算法。在迁移学习的基础上,通过设计新的输出模块对VGGNet模型进行改进,提升了模型的特征提取能力,能够较好地避免过拟合现象;通过设置概率阈值对Focal Loss进行改进,避免误标注样本对模型分类性能产生影响。实验结果表明,该模型在CK+、JAFFE以及FER2013数据集上的识别准确率分别达到了99.68%、97.61%和72.49%,在实际应用中泛化能力突出。