【摘 要】
:
气固两相流在化学工业,农业生产,冶金,食品制造,医药,能源开发,环境保护,等多领域普遍存在,因此能够准确测量气固两相流的流动信息在工业生产中具有重要意义。静电传感器是近年来发展出的一种新型结构的传感器,静电传感器利用固相颗粒固有的静电荷与极板发生静电感应,通过测量极板上的感应电荷获取相关的气固两相流体流动信息。在静电传感器的研究中,由于缺乏对带电粒子的数值模拟以及对测速的相关研究,难以对固相颗粒进
其他文献
超声波以其成本低、无辐射、穿透力强、指向性高等独特的优势在工业探测中占据了重要的地位。不同介质的声阻抗不同,超声波遇到杂质或者分界面时会发生明显的反射和散射现象,然后根据其反射强度来构造影像从而分辨出不同缺陷或组织的位置。随着超声成像技术的深入研究,研究者发现超声成像技术仍然存在着许多问题,例如在工业检测中被检测材料的内部结构以及噪声等都会影响目标回波,并且随着深度的增加衰减的速度更快,当两个目标
近年来,为了解决物理层通信的安全问题,许多学者展开了新的技术研究,其中协作中继技术、协作干扰(Cooperative Jamming,CJ)技术和波束形成技术,是目前解决这一问题的有效方案。本文开展基于目的节点协作干扰(Destination Assisted Jamming,DAJ)的不可信中继网络安全速率提升技术研究,沿着“单天线→多天线→多中继”主线,重点研究的内容包括以下三个方面:(1)针
网纹草喜高温多湿和半阴环境,对温度特别敏感,冬季温度低于12℃时,网纹草植株叶片会脱落,在低于8℃环境下,网纹草将存在直接冻死的风险,冬季时,网纹草只能在温暖的南方种植或是在温室大棚里种植,不仅增加了网纹草的生产成本,而且限制了网纹草的种植生产范围。本文以‘火焰’网纹草、‘夏莲’网纹草、‘紫安妮’网纹草等3种爵床科网纹草属植物为试验材料,研究低温胁迫下网纹草生长形态、耐寒生理生化指标变化情况,以及
构建简单、灵敏的检测新方法一直是分析检测和传感领域研究的热点。信号扩增策略能够提高检测灵敏度,但扩增过程中通常涉及多种工具酶参与,造成成本增加、操作复杂、产生假阳性信号。级联核酸电路不依赖蛋白酶的功能,通过碱基互补配对规则自主启动信号放大反应,在发展高灵敏度的生物传感技术方法中具有潜在的应用。CRISPR/Cas系统全名为常间回文重复序列丛集/常间回文重复序列丛集关联蛋白系统(clustered
目的:基于近红外光谱定量分析牛奶中含氮掺假物质(氯化铵、三聚氰胺、植物水解蛋白),比较未经处理的掺假牛奶和三氯乙酸前处理后的掺假牛奶建立对应的定量分析模型并比较其差别,建立并优化含氮掺假物质牛奶近红外定量分析模型;同时探究基于近红外光谱技术定量分析花生牛奶成分的可行性。方法:配制不同浓度的含氮掺假物质(氯化铵、三聚氰胺、植物水解蛋白)的掺假牛奶,使用三氯乙酸前处理制备清液。优化不同掺假物质的近红外
H型钢是一种断面复杂的经济实用型钢材,在国计民生的众多领域运用越来越广泛。为了获得具备高强度、机械性能均匀以及良好综合性能的H型钢,如今主要通过超快速冷却改善H型钢的组织,提高力学性能。但由于H型钢的断面形状复杂,在线控冷较易产生腰部残留水和腹板、翼缘等不同部分的冷却不均现象,出现内并外扩变形及腹板浪、裂纹等缺陷,乃至无法进入矫直机进行矫正。针对以上问题,本文采用现场实验和ANSYS有限元模拟相结
单一热源热泵系统在严寒地区应用时存在一定的局限性,如空气源低温适应性差、地热源土壤热失衡、太阳能集热器占地面积大等等。为了使热泵系统在严寒地区更稳定、高效、经济的运行,课题组提出了一种能够综合互补利用太阳能、空气能和地热能三种热源的耦合热泵系统。该系统不仅综合了两种及两种以上能源的优势,还能有效弥补单一能源应用方面的局限性问题,通过初步研究发现该系统具有良好的经济性和节能性。其中多热源双级压缩中间
在高温下(100-200℃)运行质子交换膜燃料电池,可以简化燃料电池的水热管理系统、提高Pt电极对CO的耐受性以及加快电极反应速率等优点。作为高温质子交换膜燃料电池(HT-PEMFC)的核心组成部分,高温质子交换膜(HT-PEM)的研究备受关注。磷酸掺杂的聚苯并咪唑(PBI)膜在高于100℃无水条件下仍能具备良好的质子传导能力,被认为是最有潜力的HT-PEM。但是,高的磷酸掺杂量在给膜材料带来高的
榆林城,古称上郡城,始建于春秋战国,盛于明清,历史时期地处陕北农牧交错地带和历代长城沿线,自古就是兵家必争之地,被誉为二水环绕、三山拱翠。从明朝初年设置榆林卫,再到明代中后期因军事形势变化而改建榆林城,前后分别经过三次大规模扩建,即三拓榆阳,榆林城的整体空间结构和布局基本得到确立。清朝时期,地缘结构发生变化,陕北地区由明代北部边疆逐渐内地化,榆林城因而裁卫设府,城池建设只进行了一定的修缮和收缩,最
随着多种新型网络攻击方法层出不穷的涌现,传统的基于已有攻击类型建立检测模型的方法逐渐变得不太适用。深度学习具有强大的复杂函数拟合能力,近些年来,越来越多应用于异常流量检测领域。但同时,目前基于深度学习的异常流量检测方法还存在着一定的问题,如检测性能差、准确率低等。本文以提高异常流量检测的准确率为出发点,设计了基于LSTM(长短期记忆神经网络)的异常流量检测模型,并利用卷积神经网络对模型进行改进。主