导管螺旋桨水动力学性能的影响因素

为了获取导管螺旋桨水动力性能的主要影响因素，指导导管螺旋桨的优化设计，采用计算流体力学CFD对Ka4-7010+19A导管螺旋桨进行水动力性能研究，分析不同导管长度、导管攻角、螺旋桨纵倾角及多导管组对其水动力特性的影响。结果表明：减少导管长度将使推力系数及扭矩系数同时增大，而敞水效率下降；适当增加导管长度可以略微提高其敞水性能；减小导管攻角在一定进速范围内使推力系数和扭矩系数同时大幅度增加，增加导管攻角将导致推力系数和扭矩系数同时下降；当螺旋桨纵倾角保持在10°以内时，不会对敞水性能产生太大影响。对于多导管螺旋桨而言，前置、后置及不同附属导管直径大小都对敞水性能有很大影响，其中后置大导管组螺旋桨能明显降低螺旋桨扭矩系数，并且能在低进速范围内提升敞水效率。研究成果可支撑导管螺旋桨的优化设计。     

水面油膜及漂浮物回收分离装置的研制

针对水面油膜及漂浮物扩散面积大、浮层薄的特点,利用油及漂浮物与水的密度不同这一物理特性,设计一套具有良好水动力性能的水面油膜及漂浮物回收分离装置。载体平台在水面上能够抵御一定的风浪影响,快速、高效地吸收水面表层油膜及漂浮物。完成载体平台、控制系统、油膜及漂浮物回收分离系统的设计及建造,开展系统集成、调试、样机试验等工作,并验证了装置的性能。研究成果可为水面油膜及漂浮物的回收分离设备的研制和应用提供借鉴。     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

风电运维船与风机塔基耦合水动力响应分析研究

海上风电运维船通常采用船首顶靠海上风机塔基靠船桩的方式来保证风机维护人员的安全登塔,因此对其在相应海况条件下的纵摇、升沉等水动力响应进行分析研究很有必要.本文采用Fine/Marine和AQWA软件,对某运维船在实际海况条件下的耦合水动力响应进行分析研究,从而为风电维护人员的安全登离以及辅助登离设备的研发提供参考.     

75000t散货船阻力预报方法研究

在75000t散货船的设计建造过程中，主机的选型和功率的确定至关重要，这都取决于船舶在静水中以一定航速航行时的阻力值。本文对船舶阻力研究的三种方法，经验公式估算、船模试验和CFD数值计算进行介绍，并以75000t散货船为例讨论三种方法的预报阻力的可行性，以供设计者参考。     

超大型自航抓斗挖泥船作业流程载荷分析

以大型自航抓斗挖泥船为研究对象,建立相应的水动力计算模型。主要研究抓斗挖泥作业不同阶段下船舶运动、锚泊线受力情况以及其随不同环境载荷的变化规律,为船舶安全作业提供依据。研究结果表明,船舶在抓斗旋转和卸料时最为危险,船舶横荡、横摇及各锚泊线张力受其影响很大,实际作业时应尽量保持迎浪状态,进而确保船舶作业安全。     

海流能轮机叶片翼型的水动力学特性模拟

基于卧式海流能发电装置,采用雷诺平均N-S方程,对来流攻角从0°~26°情形下的叶片翼型进行数值模拟,分析比较不同攻角下水动力学特性的变化规律。结果表明:一定范围内增加攻角可有效提高升阻比,但升力系数最大时,升阻比、水翼捕能效率不一定最高,失速角也不一定是最佳攻角,验证了水翼失速的根本原因是边界层的分离;水翼吸力面与压力面的压差较大,此压差为水翼提供较高的升力系数,主要来自于水翼的前半部。此外,还分析了水翼周围流场的速度分布、压力分布等水动力特性与攻角的关系,为设计高效的海流能转换叶片提供了理论参考。     

“s”型覆岩空间结构的冲击地压危险区预测

基于微地震监测和覆岩空间结构理论，以山东华丰矿1410工作面为例，分析了“s”型覆岩空间结构的形成，利用理论方法和微地震监测预测并圈定了华丰矿1410工作面发生冲击地压的危险区域，研究了“s”型覆岩空间结构的冲击地压危险区分布规律，为现场预测和控制冲击地压灾害提供了理论基础。     

大型油船进出钦州港拖船功率探讨

为了确定大型油轮进出港口所需拖轮功率,通过对目前最常用的两种确定功率的方法进行对比分析,得出各自的优点和不足,结合钦州港实际情况,运用这两种方法确定在不同条件下,大型油轮进出钦州港所需拖轮功率。     

Interactive travel choices and traffic forecast in a doubly dynamical system with user inertia and information provision

This study models the joint evolution (over calendar time) of travelers’ departure time and mode choices, and the resulting traffic dynamics in a bi-modal transportation system. Specifically, we consider that, when adjusting their departure time and mode choices, travelers can learn from their past travel experiences as well as the traffic forecasts offered by the smart transport information provider/agency. At the same time, the transport agency can learn from historical data in updating traffic forecast from day to day. In other words, this study explicitly models and analyzes the dynamic interactions between transport users and traffic information provider. Besides, the impact of user inertia is taken into account in modeling the traffic dynamics. When exploring the convergence of the proposed model to the dynamic bi-modal commuting equilibrium, we find that appropriate traffic forecast can help the system converge to the user equilibrium. It is also found that user inertia might slow down the convergence speed of the day-to-day evolution model. Extensive sensitivity analysis is conducted to account for the impacts of inaccurate parameters adopted by the transport agency.