基于可缩放hinge损失的支持向量数据描述

支持向量数据描述(SVDD)极易受到异常值的影响,导致其鲁棒性不佳.利用可缩放的hinge损失函数,提出一种新的支持向量数据描述方法(RH-SVDD).将有界可缩放的hinge损失作为松弛变量构建超球模型;通过共轭函数理论将超球模型转化为凸优化问题;利用半二次优化技术迭代求解凸优化问题,并在迭代过程中实现权重更新,从而削弱异常值的影响,提升鲁棒性.实验结果表明,提出的RH-SVDD在分类任务中具有更好的性能优势.

交叉缩放椭圆强化换热管内流动和传热性能的数值研究

以交叉缩放椭圆强化换热管为几何模型,对管内的传热和流动进行数值模拟,计算结果表明,过渡段流场不同于直管段,纵向涡流较大,湍流强度和湍动能都较大,过渡段强化传热效果明显好于直管段,但阻力也增加了;并且发现随着椭圆长轴与短轴之比的增加,换热增强,为交叉缩放椭圆强化换热管在换热领域的实际应用提供了理论依据.

缩放管及改型缩放管内的自然对流换热研究

对普通缩放管、改型缩放管和光滑管进行了自然对流换热的实验研究 ,得到了这三种传热管的自然对流换热系数与热流密度的关系 ,并估算了自然对流段中的阻力损失。实验结果表明 ,改型缩放管和普通缩放管的自然对流换热系数分别比光滑管提高 1 8.3 %和 8.9% ,但管内阻力损失相差不大 ,说明改型缩放管适用于自然对流强化换热的场合。

扩压叶栅缩放模化中表面粗糙度的影响及其修正方法

从扩压叶栅实验研究时的模化问题出发,研究表面粗糙度和基于弦长的雷诺数对叶型损失系数的影响并总结其影响规律。基于零压力梯度流动表面粗糙度影响的边界层理论及水力光滑条件下雷诺数改变对压气机性能的影响规律,综合考虑表面粗糙度k_(s)和雷诺数Re对叶型损失的影响,建立了扩压叶栅的叶型损失修正方法,初步解决了模化设计与母型之间性能换算的问题。

表面粗糙的轴流透平缩放模化时性能差异及换算方法

缩放模型是轴流透平研发与实验研究中的常用方法。由于缩放后相对表面粗糙度以及基于弦长的来流雷诺数存在差异,模型机实验数据不能完全还原原型机性能。本文基于E3第一级高压透平级,数值分析了相对表面粗糙度对两倍率缩尺模型流动性能的影响,基于雷诺数对流动影响的机制以及平板边界层理论,建立了透平级等熵效率关于Re和ks/C的性能换算方法。可依据某一相对表面粗糙度下模型机的实验数据,修正后得到任意相对表面粗糙度下原型机的性能,误差在5%以内。

阀门流道结构对流体特性影响的分析与研究

分析了阀门流道结构对系统流体流态及其流阻系数的影响,论述了阀门流道和节流内件的优化设计、试验检测和实际应用,介绍了典型阀门的流阻系数和压力损失计算。

基于深度学习的热负荷预测研究

针对目前热负荷预测存在数据复杂程度高、预测精度低的缺陷,提出了一种混合式短期热负荷预测模型。首先,考虑到原始数据的属性具有不同的比例和分布,提出了一种局部重缩放策略。其次,提出了双层长短期记忆(LSTM)基础模型,并基于修正损失函数提高模型预测精度,从而有效学习历史天气预报和热负荷数据特征。在试验阶段,以某省电力公司提供的历史热负荷数据为例,对所提模型进行验证。验证结果表明,模型的测试集平均绝对百分比误差(MAPE)为3.08%,性能较基础网络提升约1.72%。仿真结果进一步验证了所提模型对热负荷预测具有较高的准确性。该模型为电力热负荷智能化服务发展提供了借鉴。