共查询到20条相似文献,搜索用时 250 毫秒
1.
2.
本文对泵喷射推进器外流场建立了变域变分原理并用有限元求离散解。文中考虑了不可压缩理想流体的轴对称有旋流动,它同泵内部流场的衔接,其间的交界面(自由尾涡面)的确定以及轴心尾部分离区边界,通过变域变分工具和自动变形有限元解决。提出了应用系外壳后缘Kutta条件来合理而准确地决定泵流量的原则和方法。 相似文献
3.
王威 《江苏科技大学学报(社会科学版)》2013,(4):396-398
文中主要对拓扑动力系统中关于非紧空间上的熵的理论和紧致空间局部熵的理论进行了分析和研究。结合这两种熵的变分原理,文中得到了关于在特定映射下局部拓扑熵的性质和非紧空间上局部熵的变分原理:hμ( T, U )=htop(T,U)。 相似文献
4.
5.
Westfalia分油机工作原理及故障分析 总被引:1,自引:0,他引:1
首先介绍了Westfalia分油机的基本结构及工作原理,在此基础上对分油机的PLC控制进行了详尽论述.最后对Westfalia分油机常见的故障进行了分析,并提出了一些处理措施. 相似文献
6.
船型优化的变分伴随方法 总被引:1,自引:0,他引:1
提出了1种船型优化的思想方法,力图把CFD计算与最优化理论和方法进行有机结合,进而组成1个自动循环搜索最优船型的数值计算系统。对船型优化过程进行了理论探讨,提出用伴随方法进行最优船型确定的数值计算程序,对船舶流体力学和变分最佳控制理论结合而产生的应用前景进行了展望。 相似文献
7.
8.
9.
三相异步鼠笼式电机具有构造简单,工作可靠性高的优点,因而在船舶电力拖动系统中应用很广泛,其调速主要采用变极调速法。本文通过介绍常用变极调速应用原理及分析,得出各变极调速的性能特点,从而为我们根据实际工作情况和电动机的运行特点选择合适的变极调速法提供了依据。 相似文献
10.
11.
介绍了某轮ALFA-LAVAL SA821分油机的结构和工作原理,针对重油分油机运行过程中出现的"排渣反馈错误"这一故障现象,依据原理分析了故障可能原因,并逐一排除,使故障得以解决,并提出了日常管理中应注意的问题。 相似文献
12.
13.
14.
文章研究了积分变结构控制在自主水下机器人(AUV)航向控制系统中的应用,建立了AUV水平面的非线性模型,并在特定的工作点对模型进行了线性化处理,得到了AUV的控制设计线性模型.根据变结构控制理论设计了积分变结构控制器,并给出了消除抖振的方法.仿真试验验证了该设计方法的有效性. 相似文献
15.
本文主要介绍基于船舶破损假设理论之上的船舶分舱方面的研究,以及国际分舱规则中的有关概念,结合笔者对规范的学生和实际工作中的观察与总结,提出了对规范不做坑沉性要求的中小型船舶面分舱方面应注意的问题。 相似文献
16.
17.
变分差分法基于能量原理,常用于板壳分析。文章引入该法扩展应用于分离式船坞、船闸及船台底板等弹性基础板的分析。通过计算案例,将其结果与常用的有限差分法及有限元法的计算结果进行了比较。 相似文献
18.
19.
《舰船科学技术》2021,(13)
在声呐、雷达等设备的目标探测中,声源方位估计是需要解决的关键问题之一。针对水下传感器阵列接收信号的波达方向角(DOA)估计算法中,传统的BP神经网络算法会因网络参数不合理和层数过多导致过拟合的问题,以往通过粒子群算法(PSO)进行优化后,网络仍容易过早结束训练而导致性能不佳。为此,本文提出一种基于变分模态分解结合粒子群算法优化后的BP神经网络算法。首先对目标回波信号进行可变模态分解,对分解得到的各分量进行时频分析后叠加的谱图特征作为经粒子群算法优化后的BP神经网络算法的输入进行训练测试,以此来提高阵元接收目标回波的DOA估计精度。仿真实验结果表明,结合变分模态分解及粒子群算法优化的BP神经网络具有更好的识别效果和泛化能力,提高了DOA的估计精度。 相似文献
20.
常增益α-β-γ(或α-β)滤波可以简化滤波过程中的运算量,缩短滤波运算时间,但其缺点是估值方差不是渐近的,而是波动的,要较长过程后才接近稳态方差,对目标速度较低,采样周期较长,而跟踪时间往往不长的ARPA中,使用这种滤波方法,就尤其显得不足。本文根据ARPA的特点,提出了一种新的变增益α-β-γ滤波的原理与设计方法。同时根据这一原理,本文还介绍了有限记忆α-β-γ(或α-β)滤波的优缺点及设计方法,并给出一个计算实例。作者认为在ARPA中采用这种滤波原理是可行的,而且能明显地改善APRA的性能。在线性量测时,若没有估计的验前知识,最小方差估计就退化为带权最小二乘估计。因此,对匀速直线运动的量测数据的处理,常采的滤波方法是α-β滤波。α-β滤波是以带权最小二乘为估计准则,用逆推的方法,求得匀速直线运动的两参数(位置、速度或单位位移增量)的最佳估计值。具体方法与公式见文献[1]。ARPA中,常假设量测误差的方差δ_k~2=const,(即权W_k≡1),所以,目前ARPA中的α-β滤波多数是以最小二乘为估计准则的。ARPA中,当目标船(或本船)机动(改向/改速)时,采用α-β滤波,是以匀速直线运动线段去代替实际的机动轨迹的,这样,在机动较大时,这种方法就容易丢失目标,难以实现有效的自动跟踪。显然,若能采用考虑到机动因素(加速度)的α-β-γ滤波,就可以提高ARPA自动跟踪的性能。文献[1]中给出了一种常增益的α-β-γ滤波方法。常增益α-β-γ滤波方法的好处是可以简化滤波过程中的运算量,缩短滤波运算时间;但是其估值方差不是渐近的、而是波动的,而且要较长的过程后才接近稳定的估值方差。在ARPA中,采样周期较长(一般为3秒)、跟踪时间往往并不长;若使用这种滤波方法,就尤其显得不足。为此,本文介绍一种变增益的α-β-γ滤波方法的原理及一些设计方法。这种新的滤波方法有较好的滤波效果,适合ARPA中使用。ARPA中若使用这一滤波方法,可以明显地改善其跟踪器的性能。当前微处理机的容量、速度及功能的飞速提高,为这种滤波方法的实现提供了可能。 相似文献