粉尘点污染扩散模型的可视化研究

在分析和总结了瞬时点尘源在静止流体、均匀紊流和湍流条件下扩散模型的数学表达式和浓度分布方程的基础上,运用Matlab软件进行可视化处理,生成一系列的三维图形,可从不同的角度进行观察和分析,使之能够直观、形象的了解粉尘扩散过程,并从中了解到粉尘扩散的一些特点,该项研究对粉尘防治工作与危害预测都有重要的理论与实践意义。     

电除尘器内部粒子运动及分布数学模型仿真研究

对电除尘器除尘过程中粉尘粒子运动及其分布规律进行研究，用数学的方法构建了一个比较完整的数学模型。通过设定合适的边界条件，采用差分法对所建立的数学模型进行求解，并借助功能强大的数值计算和绘图工具软件Matlab将电除尘器中复杂的粉尘粒子运动进行数值仿真，力求清晰地描述除尘过程中粒子的运动状态和分布规律。研究表明，电除尘器中粉尘粒子在横断面上的浓度分布大致符合指数函数的分布规律，靠近收尘极板的浓度值高于电晕线附近的浓度值，这说明数学模型能够真实地反映电除尘中粉尘粒子的运动规律。     

三相电力有源滤波器（APF）控制策略的研究

介绍了有源电力滤波器控制策略,提出了PWM控制技术在电网电压畸变情况下对电网中滤波电流进行连续动态补偿。建立了PWM控制的逆变系统模型并进行仿真研究,结果验证了该控制策略能有效补偿谐波电流。     

基于Matlab的灰色系统工具箱wll的构建

灰色预测对波动性较强的序列预测效果较差,但能给出发展趋势.为了科技工作者方便地进行灰色系统的应用研究,采用层次化思想编制了基于Matlab的灰色系统工具箱wll,包含算子集合、矩阵分析、聚类分析、灰色微分方程、灰色预测模型等板块,实际使用非常方便.     

神经网络方法在地表高程预测中的应用研究

从地表高程预测的研究现状出发,基于Matlab神经网络工具箱构建了广义回归神经网络(GRNN),建立了能够预测地表高程的神经网络预测模型,并与反距离加权法(IDW)的预测结果进行了比较分析。结果表明,GRNN方法计算简单,在相同的样本数据条件下,GRNN的预测精度较高,表明神经网络方法在地表高程预测中的应用是可行的。     

2008年江苏持续性降雪中的水汽和动力抬升机制分析

2008年1月下旬江苏省出现了历史罕见的持续性暴雪过程,研究发现,降雪量的大小与低空急流的日变化相对应,暴雪过程中700 hPa西南急流对水汽的输送起着重要的作用,作为大尺度天气系统,700 hPa急流的加速发生在降雪量增大之前,其值阈大小与6 h降雪量之间没有对应关系,急流减弱在暴雪结束以后;降雪的发生和发展与南北风的增大和冷暖平流有关,低层偏北风作为冷垫对暖湿气流的抬升和水汽的凝结起到了一定的作用;江苏降雪过程中水汽主要来源于700～500 hPa,低层东风气流对黄海南部的水汽输送非常有限;强降雪的发生与700 hPa水汽通量散度相对应,水汽通量散度辐合增大,降雪量增大;在降雪过程中垂直运动对降雪量的大小有很好的指示意义。     

基于Matlab分析的台阶式场地平整方案优化设计

在某市餐厨垃圾处理厂场地平整设计中,利用Matlab软件对台阶式场地平整方案进行优化设计,即在Auto CAD环境下用等高线法计算各级台阶的土方量,用Matlab软件拟合出台阶设计高程和土方量的函数关系式,在约束条件下求解,得到了最优设计高程和基于土方挖填平衡条件下场地平整的最小土方工程量,为工程总平面布置提供优化方案。其分析设计方法可为工业企业台阶式场地的总平面布置设计提供借鉴。     

基于Matlab/Simulink的导弹运输振动载荷分析

目的分析导弹在车辆运输中的振动载荷情况,为开展导弹结构可靠性分析和寿命预估提供输入条件。方法根据导弹运输车的动力学模型,利用Matlab/Simulink对不同路况条件下导弹运输车振动响应情况进行仿真计算,获得不同路况和运输车速时的振动响应情况。结果随着路面等级下降和车辆速度的增加,导弹运输车振动的幅值也相应增加。结论滤波白噪声方法模拟得到的时域路面功率谱与标准等级功率谱一致性较好,可以作为振动响应分析的输入激励。     

基于Matlab的火灾探测报警系统可靠度Monte Carlo仿真

介绍了火灾探测报警系统的结构,指出了火灾探测报警系统失效原因,针对火灾探测报警系统的特点,确定了蒙特卡洛可靠度分析法.给出了系统的概率模型,确定了在Matlab下应用Monte Carlo方法对火灾探测报警系统的可靠度进行仿真的具体步骤,得到火灾探测报警系统可靠度仿真曲线.将仿真结果与试验结果相比较,基本一致,验证了该仿真方法能正确描述火灾探测报警系统的可靠度随使用寿命的变化规律,为进一步应用该方法来分析火灾探测报警系统的的各可靠性指标提供了理论基础.     

基于Matlab的BP神经网络在大气污染物浓度预测中的应用

为了寻求有效控制和改善环境质量的相应措施,选用了英国伦敦Bloomsbury监测站的PM10小时平均浓度监测资料,采用“提前终止法”泛化改进的BP神经网络模型,预测PM1024 h内的小时平均浓度。结果表明：采用BP神经网络法对大气污染物浓度进行预测,预测相对误差在2%-48%之间,且绝大部分在2%-17%之间,预测精度较高,泛化能力较好,为大气污染物浓度预测提供了一种全新的思路和方法。