基于双端口声源特性测试方法的离心泵

流体驱动机械不仅由其机壳振动而产生空气噪声,同时由于内部叶轮与流体介质和蜗壳的相互作用产生沿流体介质传递的水动力噪声.泵的水动力噪声是相连管路系统振动噪声的激励源之一,在管内安装水听器直接测试获得的水泵噪声会受到相连管系的影响.为表征水泵的水动力噪声属性,在前期研究中建立了水泵作为双端口声源的理论模型和源特性测试与参数提取分析方法,并应用于泵和阀门的双端口源特性测试.文章简要地回顾了相关研究结果,并针对离心泵测试结果进行了分析和总结.     

船舶双层底局部通风有害气体分布数值模拟研究

采用流体分析软件Fluent,对典型船舶密闭舱室双层底进行二氧化碳气体保护焊接作业时的局部通风风流流场、有害气体CO2及CO浓度场分布进行数值模拟分析,确定有害气体扩散的数学模型。通过设置组分源项的方法利用组分输运方程得出在一定通风量的情况下CO2及CO气体的浓度分布规律,并与实测数据作对比,结果基本一致,由此可根据不同通风条件下确定焊接作业危险区域,为防止CO2集聚和CO中毒采取有效措施提供理论依据。     

复杂平台下相控阵天线近场快速求解算法研究实现

提出基于高频算法的求解相控阵天线近场的快速求解方案。建立相控阵天线子阵列模型,成功应用有源单元法获取单个阵元在考虑耦合情况下的方向图特性数据。给出镜像源法在多三角面片上的射线寻径的实现方法,并成功获取了射线路径。提出基于面片的实时空间区域二分算法的射线寻径加速方法,加速射线寻径过程,提升了程序计算效能,能够快速获取较精确的相控阵天线近场。     

葛根素降低细胞内Ca2+浓度并上调BDNF保护血管性痴呆大鼠海马神经细胞

目的 观察葛根素对血管性痴呆(VD)大鼠海马神经细胞内Ca²⁺浓度及脑源性神经生长因子(BDNF)的影响,探讨葛根素保护神经细胞的可能机制。方法 雄性SD大鼠随机分为假手术组、模型组和葛根素干预组,采用间隔3 d结扎双侧颈总动脉法建立VD模型;术后2周用Morris水迷宫评估大鼠学习记忆能力,免疫组化和Western blotting检测大鼠海马组织BDNF的表达情况,流式细胞仪检测平均荧光强度来表示细胞内游离Ca²⁺浓度。结果 葛根素干预组Morris水迷宫逃避潜伏期显著缩短,海马BDNF表达量显著增加,海马神经细胞内Ca²⁺浓度减低;与模型组相比,差异有统计学意义(P<0.05)。结论 葛根素对VD大鼠具有神经保护作用,其作用机制可能与葛根素降低海马神经细胞内Ca²⁺浓度及上调BDNF的表达有关。     

城市道路交通移动源碳排放核算方法

道路交通碳排放研究存在核算技术方法不成熟、排放因子本地化路径不明确等问题,影响道路交通移动源碳排放核算精度。对此,基于现有研究界定城市道路交通移动源碳排放的核算概念、核算边界及核算对象,归纳介绍因素分解法、排放系数法、全生命周期评价法三种道路交通移动源碳排放核算方法的核算原理及计算模型。针对排放因子标定研究的不足,以深圳市实践为例,阐述本地化排放因子标定校验的技术方法。通过采集深圳市本地化车辆运行工况,与欧洲HBEFA库的典型工况进行匹配识别;同时基于OPCAS车载移动平台校核排放因子的标定精度。最终确定不同车型、道路条件、排放标准情况下的4 500个排放因子,建成深圳市本地化排放因子库。     

SPAR平台在波浪中运动的时域预报方法

在船舶与波浪相互作用时的三维预报方法的基础上,发展了SPAR平台与规则波相互作用的时域数值预报方法,该方法计入了SPAR平台垂荡和纵摇阻尼效应。使用该方法对一经典SPAR平台进行了规则波中的时域数值模拟。通过计算分析可以看出,该方法能捕捉SPAR平台在临界波浪周期下的耦合运动,验证了该方法的可靠性。     

什么是国际航运中心？

国际航运中心这个概念并无唯一的、固定的或为所有人接受的定义。一方面,对航运中心的理解因地点的不同而有所区别,如伦敦、鹿特丹、新加坡对国际航运中心有不同的定义;另一一方面,即便针对同一个城市,国际航运中心的定义也会因时间不同而有变化。如上海国际航运中心在1995年时被定义为以“上海深水港为主体,浙江、江苏的江海港口为两翼”的中心,在这个基础上,2009年国务院第19号文件又将定义扩展为“航运资源高度集聚、航运服务功能健全、     

复杂干扰环境下水声通信抗干扰技术研究

重点对盲源分离干扰抑制方法进行了原理论述,建立了卷积混合和分离模型,提出了盲解卷积混合准则,并针对复杂干扰环境下水声通信场景进行了信号干扰抑制的仿真分析,得到了较为满意的结果。     

F(z)域上RLCM有源网络的拓扑分析

对多元有理函数域上电网络的结构性能分析中首先需要考虑电网络的拓扑性质,以及RLCM有源网络的结构性能分析需要考虑的置换源网络的情况进行论述,认为置换源网络的拓扑性质更为复杂,给出RLCM有源网络的基本割集矩阵。