高落差多分支管路结构对多联式空调系统能力影响的快速仿真

大型高层建筑所采用的多联式空调系统中,室外机与室内机之间存在高落差、管路结构中存在众多分支,导致室内机能力的衰减。为了提高大型高层建筑中多联式空调系统室内机的能力,需要开发可以快速评估管路分支与落差对于室内机能力影响的仿真软件。本文建立了管路分布参数模型和基于流体网络理论的系统流量分配模型,以准确反映管路内制冷剂的流动特性;建立了室内机换热器分相模型和电子膨胀阀脉冲数快速计算模型,以快速反映室内机的运行状态;开发了分层迭代的求解算法,以提高软件计算的速度。同时采用已有数据进行模型验证,结果表明:各模型的误差均在±12%范围内;常见的多联机结构形式下仿真的计算时间均在1 min范围内。利用仿真软件的算例分析得到:室内机与室外机间的落差每增加20 m,室内机能力衰减2.7%~11.9%;管路中经过的分支个数每增加1个,室内机能力衰减0.4%~9.7%。

多分支管道中气固两相流量控制系统的研究

将计算机技术、自动控制技术和通讯技术综合于一体,研制了多分支管道中气固两相流流量的DCS控制系统,在支管分流流量的控制过程中采用了专家控制和模糊控制的智能控制策略,具有反应速度快、稳定性好和控制精度高的特点,并且对于输送过程操作参数的变化具有较强的适应性,实现了流量的在线自动控制,为气力输送系统在具体生产工艺过程中的应用奠定了基础。

扁平多分支管内两相流流量分配的数值模拟

利用FLUENT软件,对一水平矩形扁平多分支管内,氮气和水为工质的气液两相流流量分配问题进行了数值模拟,并与实验数据进行了对比.数值模拟计算分析了相间曳力作用模型、气液进口条件、壁面粗糙度、离散相直径、结构参数对两相流流量分配的影响,指出为了提高模拟计算准确度,需要改进和完善现有模型.

多分支管道若干流动特性研究

通过数值计算对多分支管道的若干流动特性进行研究.在拼片式块结构化网格系统下,采用k-ε紊流模型对多分支管道中的流场进行二维计算,发现对于具有相同尺寸、相同几何型式的多分支管道而言,支管距主管入口端的位置越靠前,通过该支管的流量越小.结合计算结果与实验结果认为,流线弯曲程度对流动的影响是产生这种流量分布趋势的原因.在其他条件不变的情况下,支管流量与主管入口流量近似呈线性关系,支管间的流量差随主管入口流量的增大而增大,随支管间距的增大而减小.

考虑流固耦合的多分支管道系统振动研究

利用拉普拉斯变换,把时域14方程模型变换到频域,并化多元一阶常微分方程为一元高阶方程,对其求解,得到直管的频域解析解。然后把任一管段的初始坐标值和末端坐标值代入直管的频域解析解,得到单管的传递矩阵,结合分支点的平衡条件,便可以推导出任意N个分支管的传递矩阵。增加7(N+2)个分支管的边界条件,求解得出任意N分支管路的频域解。最后,进行仿真计算,利用英国Dundee大学Tijsseling教授的实验结果以及ANSYS仿真计算对结果进行验证,验证了文中方法的正确性;并例举了不同分支数目以及不同分支位置管路的仿真计算结果,同时对仿真结果进行了分析。

多分支管道若干流动现象和特性的探讨

在稳定的多分支管道流动中，对于相同的主管道流量，各分支管道中可以有不同的稳定流动状况与之对应．分支管道中的稳定流动状态，不仅取决于主管道中的流量，而且取决于主管道和分支管道中的流量调整变化过程．实验表明：对于具有相同尺寸，相同几何形状的多个分支管道而言，分支管道距主管道入口端的位置顺序越靠前，则通过该分支管道的流量越小．虽然实验中的多分支管道流动是属于非常复杂的湍流，但实验表明主管道的流量与各分支管道的流量之间存在一简单的线性关系．实验还表明，主管道入口的壁面静压与备分支管道出口的壁面静压之间存在抛物线关系．

基于合流分流的多分支管路流量分配及压力损失数值研究

多分支管路合流分流结构能有效降低管路密度,提升空间利用率,但不合理的结构设计容易造成过大的压力损失、过大的流量分配差异。文中提出了一种多分支管路合流分流最优化设计的数值方法,利用参数化分析法研究了雷诺数、出入口面积比、公共腔室末端封闭腔长度、分支管间距以及分支管数量等参数对流量分配、压力损失的影响规律。结果表明:合流腔存在压力恢复区,其对各支路的流量分配及压力损失存在影响;雷诺数对流量分配存在影响,增大雷诺数会增加压力损失、增大流量分配差异;公共腔室末端封闭腔长度对流量分配、压力损失的影响可忽略;出入口面积比、分支管间距、分支管数量与流量分配、压力损失存在重要关联,管路结构的优化设计中需综合考虑这些因素。文中结果可用于指导多分支管路合流分流结构的最优化设计。

T形多分支管气液两相分流特性的数值模拟

T形多分支管分离器含有复杂多分支结构,广泛应用于两相及多相流研究中。借助流体模拟仿真工具Fluent,模拟了不同时刻T形管中油气两相流动情况,得到了各分支管内油气分离特性及进出口处的质量流量数据。结果表明,当油气两相混输液流经T形管时,重力的作用使管道中的油气两相分布不均匀;随着时间的增加,顶部汇气管的输出物大部分为气体,而下方汇油管的输出物大部分为液体,从而实现油气的初步分离。选取分支管高度不同的T形管进行仿真,分析其油气分离现象的特性;再选取不同的T形管主管入口流速,观察入口流速对油气分离现象的影响;最后,通过观察各管道的湍流旋涡结构和流场特性,研究湍流拟序结构在相同结构处的规律性和重复性的特点,以及分支管高度对流型和湍流旋涡的影响。

螺旋流多分支管流场的三维数值模拟

采用分块耦合的网格生成技术 ,利用TTM法生成螺旋流多分支管的三维贴体网格。用任意拉格朗日—欧拉 (ALE)法对螺旋流排气系统中的 2个三分支管模件内的稳态流场进行了数值模拟。揭示了螺旋流排气系统相邻缸排气之间的相互影响 ,为系统地分析螺旋流排气系统的工作机理奠定了基础。

多分支管路脉动有源控制误差传感器匹配设计

为解决多分支管路系统中驻波效应给管路脉动有源控制效果带来的影响,首先从理论上分析了随着分支管路之间切换管内驻波分布的变化规律,以及驻波变化给脉动有源控制效果带来的影响;然后,依据理论分析结果,设计了“单次级源+多误差传感器”的系统架构,并在控制算法中增加了误差传感器选择匹配的环节,以达到较好的脉动控制效果;最后,搭建了实验系统,进行了脉动有源控制的实验,并对比了系统改进前后脉动的控制效果。实验结果验证了该设计方法的有效性。

多分支废弃油井层温衰减规律及注入参数对注采性能的影响

利用废弃油井开发地热资源是降低地热开发成本、促进商业推广的有效措施,其中层温衰减规律对地热系统取热效果具有重要影响。为此,以废弃油井储层为研究对象,结合泰森多边形理论对储层裂缝进行了划分,建立了三维油水两相热流耦合数值模型,分析了不同储层条件与布井结构下的层温衰减规律,探究了注入参数等因素对地热注采性能的影响。研究结果表明:(1)低渗透储层抽采30年生产温度最大差值可达22.08 K,高渗透储层(1.0×10^(-13) m^(2))温度过度衰减,长年限采热效率低;(2)储层含油率与生产温度和发电功率呈正相关关系,生产30年后差值最大可达11.57 K与0.12 MW;(3)分支井沿垂直方向会形成低温波谷,层温衰减高于储层其余部分,数量增加对注采影响小;(4)注入速率与发电功率、生产温度分别呈正、负相关关系,但注入速率超过89 kg/s时不利于长年限开采。结论认为:(1)储层取热性能对初始渗透率最为敏感,注入速率与储层含油率次之,优先开发低渗透储层有利于长年限采热;(2)应利用油田地热降低稠油黏度,形成地热辅助采油模式,以实现经济效应最大化;(3)选取6支分支井与89 kg/s的注入速率可得到可观取热效果和较好的经济效益。

联合归一化模块和多分支特征的行人重识别

针对行人重识别技术中存在特征挖掘不充分的问题,提出一种联合归一化模块和多分支特征的行人重识别模型。在主干网络中嵌入注意力机制引导的实例归一化模块,减轻背景等杂波信息的影响。在双级特征融合模块对局部特征进行加权后再聚合形成对行人特征的更细节表达。联合平滑交叉熵损失、三元组损失以及跨分支特征蒸馏损失对网络进行优化。所提模型在Market-1501和DukeMTMC-ReID数据集上首位准确率分别达到了95.7%和89.2%。实验结果表明,该模型增强了对图像特征的提取。

基于多分支空谱特征增强的高光谱图像分类

为了解决高光谱图像自身及分类过程中噪声干扰大、空间-光谱特征信息提取不足以及有限样本下分类性能不佳等问题,提出一种基于多分支空谱特征增强的高光谱图像分类模型SSFE-MBACNN。首先,利用多分支特征提取模块分别提取浅层空谱特征和深层空间特征信息,并引入注意力机制抑制噪声干扰。其次,设计一种改进多尺度空谱特征提取融合模块及结合双池化和空洞卷积的空间特征增强模块实现空谱特征增强,减少模型参数量和提高分类性能。最后,用全局平均池化层代替全连接层,进一步降低参数量,缓解模型过拟合问题。实验结果表明,在Indian Pines(10%训练样本)、Pavia University (5%训练样本)和Salinas(1%训练样本)数据集分别取得了0.990 7、0.997 5和0.994 7的总体分类精度。SSFE-MBACNN不仅能充分利用空谱特征信息,而且在有限样本下也取得了优秀的分类性能,明显高于其他对比方法。

基于动态定位和特征融合的多分支细粒度识别方法

为了解决细粒度分类类间差异小、类内差异大的分类难点,在Swin Transformer基础上,提出了一种改进的端到端的细粒度分类模型(TBformer)。针对复杂背景对网络识别产生的干扰,使用ECA、Resnet50、SCDA相结合的动态定位模块(DLModule)捕获关键物体,并设计了基于DLModule的三分支特征提取模块,提高对目标判别性特征的提取能力。为了充分挖掘三分支特征蕴含的丰富细粒度信息,提出了基于ECA的特征融合方法,增强特征的全面性、精确性,提高网络对细粒度分类的鲁棒性。实验结果表明:相比基础方法,TBformer在CUB-200-2011上的准确率提升了3.19%,在Stanford Dogs上的准确率提升了3.47%,在NABirds上的准确率提升了1.09%。

基于加权KNN与代价敏感多分支深度神经网络的审计数据异常检测

面对日益提高的审计客观性和不断增长的审计任务,提升审计的效率和质量正成为一种势在必行的趋势。选取电力行业某企业的财务凭证数据为研究对象,针对财务凭证数量多、数据类型多样和数据正负样本比例严重失衡的问题,提出一种基于加权KNN与代价敏感多分支深度神经网络算法。该算法能够有效地缩小核查范围,且得到的支出存在审计疑点的财务凭证中涵盖尽可能多的审计问题,从而更有助于帮助审计人员提高工作效率。通过对比实验,验证了该算法能够有效发现审计疑点及涵盖审计问题,结果优于现有其他方法。

基于多分支架构的目标三维位姿实时估计方法

针对车路协同应用场景中目标尺度与位置值域跨度大导致的位姿实时估计精度低、回归求解模型收敛慢的问题,提出了一种基于多分支架构的目标三维位姿实时估计方法。在目标二维检测算法模型架构基础上,设计位姿估计分支结构,用于输出目标姿态四元数、目标相对相机的三维空间位置及目标长宽高。在训练阶段,为位姿估计分支设计了相应的损失函数,采用向量单位化算子回归姿态四元数、对数重映射算法回归目标尺寸与目标到相机距离;在推理阶段,根据模型输出的四元数和目标到相机距离解算出目标三维位姿,实现精确的位姿估计。在OVRC数据集的位姿精度验证中,位置坐标误差的均方差最大为1.94 m,姿态角误差的均方差最大为3.98°;在Kitti数据集的相对精度测试实验中,相比PVNet方法,检测精度提升了3.22%,相比3DBB方法,推理效率提升一倍。

基于深度学习的水声信道联合多分支合并与均衡算法

为了更好地解决水声信道中的衰落及严重码间干扰问题,该文提出一种基于深度学习的联合多分支合并与均衡算法。该算法借助深度学习网络的非线性拟合能力,联合实现了多分支合并和均衡。在算法实现中,合并与均衡并非相互独立,而是基于深度学习网络的总输出计算出总误差,以总误差对网络参数实现联合调整,数据集则基于统计水声信道模型进行构建。仿真结果表明,相较于已有算法,所提算法能获得更快的收敛速度和更好的误码率性能,使得其能更好地适应水声信道。

多分支水平井岩屑运移模型与实验研究

随着多分支水平井及复杂结构井钻井技术的不断发展,井眼清洁技术面临着新的困难和挑战。如何解决复杂地质条件与复杂井型条件下的岩屑床问题,对于判断与处理井下复杂情况是当前钻井工程面临的重要科学问题之一。通过岩屑颗粒受力分析建立了岩屑运移环空临界流速模型;基于室内可视化岩屑运移实验,探究了岩屑运移影响规律。结果表明:井斜角为36°时岩屑临界启动速度最大,携岩最为困难;模型预测结果与实验结果吻合度较好,且基于实例井的预测结果与现场作业情况一致,验证了所建模型的可靠性。该研究可为大位移大井斜井及水平井井眼清洁提供理论依据和技术支持。

基于DTW K-medoids与VMD-多分支神经网络的多用户短期负荷预测

多用户电力负荷预测是指根据历史负荷数据对多个用户或区域的电力负荷进行预测,可使电网企业掌握不同用户或区域的电力需求,以便更好地开展规划和实施调度优化等。然而由于各用户呈现出复杂多样的用电行为,采用传统方法难以进行统一建模并实现快速准确预测。为此,构建了一种基于DTW Kmedoids与VMD-多分支神经网络的多用户短期负荷预测模型。首先,采用DTW K-medoids法进行用户负荷数据聚类,利用动态时间弯曲(dynamic time warping,DTW)计算数据间的距离,取代K-medoids算法中传统的欧氏距离度量方式,以改善多用户负荷聚类的效果;在此基础上,为充分表征负荷历史数据的长短期时序依赖特征,建立了一种基于变分模态分解(variational mode decomposition,VMD)-多分支神经网络模型的并行预测方法,用于多用户短期负荷预测;最后,使用某地区20个用户365天的负荷数据进行聚类、训练和测试实验,结果显示该模型结果的平均绝对误差和均方根误差等指标均较对比模型有较大幅度降低,表明该方法可有效表征多类用户的用电行为,提升多用户负荷预测效率和精度。

基于度量学习的多分支舌象识别网络

为提升舌象识别效率与精准度,通过度量学习研究辅助医生识别舌象表征的方法。首先,收集舌诊图像111例,数据按照7:3的比例随机分为训练集和测试集。然后,设计一种基于度量学习的多分支舌象识别网络。深度学习网络被分为两个部分,前半部分为共享权重层,采用基于度量学习的舌象特征编码损失函数,以获得精准的特征;后半部分针对中医舌象的分类分为4个舌象识别辅助分支,降低舌象识别难度,提升准确率。此外,构建多标签残差映射,增加类间距,减小类内距,提升最终识别的准确度。本文方法在舌象数据集的测试集上进行测试时获得84.8%的识别精度,表明多分支网络架构可以很好地降低舌象识别难度,特别是特征类别较多的舌形和苔质。同时,舌象特征编码损失函数可以有效地提取舌象特征;舌象多标签残差映射可以减少各类别之间的干扰,从而提升识别准确度。