应用广义拟余能原理研究流固耦合问题(英文)

水动力学与固体力学交叉的流固耦合理论是船舶与海洋工程结构响应分析与直接设计的重要工具.本文应用卷变积方法,按照广义力和广义位移之间的对应关系,将弹性动力学的基本方程卷乘上相应的虚量,然后积分,代数相加,并考虑到体积力和面积力均为伴生力,建立了非保守系统初值问题的两类变量的广义拟余能原理.应用广义拟余能原理研究流固耦合问题,分析了结构的动力响应,给出同时求解力类量和位移类量两类变量的计算方法.     

从ITTC看国际船舶水动力学研究重点方向的演进

简要介绍了ITTC发展的历史和现状,对2008年召开的第25届ITTC大会主要技术信息进行了解读,并分析了ITTC所反映的国际船舶水动力学研究重点方向,同时阐述了对于加强国内船舶水动力学科技创新工作的几点思考.     

超声降解废水机理及空化气泡运动过程数值模拟

阐述了超声降解废水的机理,并根据以体积作为动力学参数的气泡动力学模型进行数值模拟,结果表明,低频下的空化强度更大,更有利于降解过程,而驱动声压和初始气泡大小则存在一个最佳值,同时与传统的R-P方程作了比较,两个模型模拟结果基本一致,表明本文所用模型也适用于对气泡运动过程的模拟.     

机械端面密封的动力学特性分析

对机械端面密封的动力学过程进行分解,建立了机械密封的运动模型,分析了机械密封环在外界干扰作用下密封环的振动特性,并利用Matlab编程对运动微分方程进行求解,得出了密封环振动过程中任意时刻的密封端面的液膜厚度分布、液膜压力分布、接触压力分布以及机械密封的泄漏量,并对密封环的稳定性和影响密封环振动的因素进行了分析.     

基于公共直流母线的轻型电动轮胎式集装箱门式起重机控制系统设计

对公共直流母线系统进行了分析,提出了基于公共直流母线技术的轻型电动轮胎式集装箱门式起重机（ERTG）控制系统设计方案。这套系统提高了ERTG的能量利用率,取得了良好的节能降耗和控制效果。     

基于Matlab／Simulink和VB的直流调速系统仿真研究

在某改造项目中,需要模拟电机、励磁调节器、电压调节器等设备的运行。在PC环境下,通过VB和Matlab／Simulink混合编程模拟设备功能,通过数据采集卡和CAN通讯卡从外围设备采集数据并与控制分系统通讯。该仿真系统充分发挥了Matlab／Simulink的建模优势,以及VB编程能力强和人机界面友好的特点,实现了对设备的很好模拟,在项目中得到成功应用。     

快速测定铝／氧化银电池电解液中碱浓度的方法

用传统化学分析方法测量铝／氧化银电池电解质溶液组分浓度耗时长。针对这一弊端,本文提出通过测量电解质溶液密度、温度,然后结合计算出的铝酸盐浓度,再对照在不同温度下电解质溶液密度与铝酸盐浓度关系曲线图,快速确定电解质溶液中碱的浓度的方法。在电池实际放电过程中证明该方法行之有效。     

直线电机轮轨交通系统牵引坡度及启/制动距离计算研究

直线电机轮轨交通是一种采用直线感应电机LIM牵引的新型城市轨道交通形式.在分析直线电机轮轨系统列车牵引和制动特性的基础上,从列车受力分析的角度,建立直线电机线路参数分析的模型;利用该模型,计算得到直线电机轮轨线路的安全牵引坡度及启/制动距离.     

DETA/NO降低大鼠蛛网膜下腔出血后微血管痉挛及早期脑损伤作用

目的通过二乙烯三胺/一氧化氮聚合物(DETA/NO)对雄性SD大鼠线穿法建造的蛛网膜下腔出血(SAH)模型的干预,观察其对微血管痉挛的防治及降低早期脑损伤作用。方法将69只雄性SD大鼠随机分为假手术组(sham组)、对照组(SAH组)和治疗组(DETA/NO组)。通过线穿建立SAH模型,观察大体动物Garcia神经功能评分,免疫荧光染色检测微血管肌动蛋白αSMA及PDGFRβ的表达,一氧化氮(NO)试剂盒检测脑组织NO浓度变化,观察血红蛋白刺激离体脑片微血管变化情况。结果手术后3d,DETA/NO组较SAH组神经功能评分明显改善(P<0.05);免疫荧光结果显示,SAH后大脑皮层微血管周围αSMA、PDGFRβ表达上调(P<0.05),DETA/NO能在一定程度上逆转此过程(P<0.05);术后SAH 3h左右NO浓度显著降低(P<0.05),此后逐渐回升,DETA/NO能在早期维持NO浓度(P<0.05);观察到脑片皮层微血管受血红蛋白刺激收缩,DETA/NO能缓解微血管痉挛。结论 DETA/NO能降低大鼠蛛网膜下腔出血后微血管痉挛及早期脑损伤。     

基于场景动力学和强化学习的自动驾驶边缘测试场景生成方法

为解决小概率高风险边缘测试场景的问题,本文提出一种基于场景动力学和强化学习的边缘场景生成方法,实现边缘场景的自动生成,能模拟真实世界中车辆间的对抗与博弈行为的特征。首先将随时间动态变化的场景模型由一组微分方程描述为场景动力学系统;然后利用神经网络作为通用函数逼近器来构造场景黑盒控制器,并基于强化学习实现边缘场景控制器的优化求解;最后以超车切入场景为例,在Matlab/Simulink软件进行仿真验证,结果表明,边缘场景强化生成模型在场景交互博弈、覆盖率和可重复测试等方面具有良好的性能。