基于热网络模型的导弹贮存温度预计方法

目的提供一种预计空空导弹的外场贮存温度的方法,以确定空空导弹的环境适应性要求。方法基于热网络模型,预计不同环境条件下导弹的贮存温度与日高温极值。考虑各种环境因素对导弹热环境的综合影响,建立导弹内外各节点的能量守恒方程。将实测数据代入方程,利用最小二乘法拟合方程系数建立预计模型,将实测结果与模型的预计结果进行对比以验证模型的准确性。结果热网络模型预计的温度结果和实测结果较为吻合,95%置信度下实测数据与预计的日高温极值误差均值为0.3℃。结论该方法对舱内温度的预计结果较好,可用以确定空空导弹的环境适应性要求。     

型号研制中实验室环境试验条件剪裁方法浅析

目的分析某导弹环境条件的制定和试验流程,总结在型号中如何制定环境试验条件和方法。方法从环境工程的角度出发,对产品的特性及服役环境进行分析。结果根据项目自身的特点和需要制定相应的环境试验要求。结论将环境条件和试验方法在某型武器装备产品中得到了成功应用。     

海军导弹环境适应性试验条件建设方案研究

介绍了环境适应性和环境适应性试验的基本概念,分析了海军导弹环境适应性试验的现状,提出了海军导弹环境适应性试验条件的建设方案。     

对二氯苯释放及影响因素的环境测试舱模拟研究

利用自制环境测试舱模拟室内环境,研究了对二氯苯(p-DCB)释放过程,确定释放速率及其影响因素.模拟结果表明,在不同环境参数(温度、空气流量/流速和相对湿度)条件下,p-DCB释放速率不同:温度升高,p-DCB释放速率增大;空气流速增加,p-DCB释放速率加快;相对湿度增大,释放速率同样有增大趋势,但是与温度和空气流速对p-DCB释放速率的影响相比较小.环境参数和p-DCB表面积一定,则p-DCB释放速率恒定,因此,可根据防虫防霉片剂使用量预测室内p-DCB浓度.预测值与文献实测值对比结果表明,模拟值与文献实测值基本上在同一数量级.     

发光细菌活性控制的温度条件分析研究

以明亮发光杆菌和鳆鱼发光杆菌为研究对象,检测急性毒性和遗传毒性两种有毒物质的生物毒性,通过添加各种冷藏液,将发光细菌放置在液体培养基中,培养至对数生长期进行振荡离心,重新悬浮于脱脂牛奶溶液冷藏,对比脱脂牛奶悬液冷藏、冻干粉复苏后冷藏以及新鲜菌液直接冷藏3种方法的温度条件调控效果.结果表明,发光细菌采用脱脂牛奶菌悬液冷藏6 d后复苏相对发光率可达94.15%,说明采用此种冷藏方式有效提升了发光细菌活性的稳定性,在应对水质毒性快速检测评价中具有较好的应用前景.     

导弹产品基于阿伦尼乌斯方程的环境等效温度计算方法

目的基于阿伦尼乌斯方程,讨论弹上产品加速贮存试验计算加速因子过程中的正常应力水平,即环境等效温度的计算方法。方法根据导弹武器考察周期内的贮存使用环境温度数据,利用阿伦尼乌斯方程在加速应力水平下对应于贮存使用环境不同温度点的加速贮存试验时间之和,与在等效温度下的加速贮存试验时间相等建立方程,得出等效温度的计算公式,并用数据计算结果进行对比分析。结果理论分析和算例均表明,环境等效温度不仅与导弹武器在贮存使用过程中的环境温度及其分布有关,还与试验对象的活化能有关,对加速贮存试验时间的影响很大。结论在对弹上产品开展加速贮存试验计算加速因子过程中,应根据导弹武器贮存使用过程中的环境温度剖面和试验对象的活化能计算等效温度,作为正常应力水平值。     

基于时序的导弹武器系统环境适应性分析方法

目前导弹武器系统的环境适应性分析方法主要是基于剖面分析的定性分析,分析结果比较依赖个人经验,某些情况下可能无法全面识别风险,并且出现反复发作的环境适应性问题。基于此,文中开展了相关研究,全面、合理地分析导弹武器系统的环境适应性,提升装备质量特性水平。提出了基于时序的武器装备环境适应性分析方法,给出了基于时序的环境要素分析方法、产品要素分析方法和基于研制流程的工程实施方法。将该方法应用于某战术导弹,发现了63项环境适应性风险,其中有3项影响成败,通过采取针对性改进措施确保了首飞和后续多发飞行试验任务连续成功。该方法可以充分暴露武器系统环境适应性风险,并且可以作为一种风险识别方法应用到试验充分性分析和测试覆盖性分析中,具有重要的工程应用和推广价值。     

更新世黄土高原强烈侵蚀期发生的环境条件

在更新世,黄土高原经历了若干堆积-侵蚀旋回。其中黄土堆积主要发生在冷干期,而强烈土壤侵蚀发生的环境条件至今尚无统一认识,其确定对了解黄土高原地貌的演化过程和更新世侵蚀期的求得均具有重要意义。通过对比黄土高原侵蚀模数分布图与新构造运动分区图,得出侵蚀模数高值区与构造抬升强烈区并不吻合,推断黄土高原侵蚀期发生的主要原因不是构造抬升。在野外考察中,寻找了多个侵蚀面,并与邻近较为完整的黄土-古土壤剖面进行比照,发现侵蚀面主要存在于黄土层上部,其上覆的古土壤层一般保存完整,说明土壤侵蚀主要发生在黄土层,即气候由冷干向暖湿的过渡时期。这一结论为求取黄土高原第四纪侵蚀期提供了理论依据。     

气候环境实验室的温度校准及不确定度评定

目的解决气候环境实验室超大空间温度性能的校准问题。方法通过对实验室结构及气流组织进行分析,确定实验室有效空间内温度不均匀性及波动度概率较大位置,设计实验室温度校准方案。通过数据采集系统,对实验室温度数据进行采集,并对温度校准的不确定来源进行分析,评定气候环境实验室温度性能及扩展不确定度。结果以低温工况-50℃及高温工况50℃数据分析为例,气候环境实验室在低温-50℃时,室内温度平均值处于-48.67^-50.27℃范围内的可信度是95%;在50℃时,室内温度平均值处于48.57~50.77℃范围内的可信度是95%。结论气候环境实验室温度性能校准方法可实现对超大空间实验室温度性能的校准,并验证了气候环境实验室温度的均匀性及波动度等技术指标满足其设计要求。     

BP神经网络组合预测在城市生活垃圾产量预测中应用

文章分析了组合预测理论,在建立由二次指数平滑预测模型、灰色预测模型、BP神经网络预测模型组成的组合预测模型库的基础上,利用以上三种单一预测模型的组合构成BP神经网络组合预测模型。分别应用单一预测模型和组合预测模型对湖南省城市生活垃圾产生量进行预测,通过分析和比较预测结果,验证了该组合预测方法的有效性。     

基于BP神经网络的城市生活垃圾产生量预测研究——以上海市为例

文章总结分析了影响城市生活垃圾产生量的因素,并根据相关性分析结果确定了主要影响因素,然后建立了上海市生活垃圾产生量的BP神经网络预测模型,并将预测值与实际值进行比较,表明该模型具有较好的适用性和准确性,最后对上海市未来几年的生活垃圾产量进行了预测.     

基于人工神经网络模型预测ABR反应器处理效率

ABR反应器的处理效率受多方面的因素影响，本文通过BP人工神经网络，利用ABR反应器进水CODcr浓度、容积负荷、温度、稳定运行时间四个参数对其反应器处理效率进行预测。结果表明，BP人工神经网络可较好的用于ABR反应器处理效率的预测，具有较高的精度，在实际生产中，可以运用人工神经网络，对ABR反应器的运行参数进行调整，使之达到最优化的运行状态。     

基于灰色神经网络的有机涂层寿命预测研究

暴露于大气腐蚀环境下的有机涂层使用寿命涉及因素繁多,难于精确预测.基于灰色理论和人工神经网络理论,建立了灰色神经网络模型对有机涂层腐蚀面积进行预测,进而预测其寿命.通过飞机结构模拟试验件加速腐蚀试验后的有机涂层寿命预测实例检验,发现灰色神经网络模型预测有机涂层寿命精度较高,结果理想.     

基于Elman神经网络的流体管道泄漏点检测定位

目的通过Elman神经网络预测对泄漏点进行过检测定位。方法基于流体压力波的负压波法及反馈型Elman神经网络方法,开展水力输运管道的泄漏定位研究。利用Flowmaster仿真软件中的水力输运模型建立长度为1100 m的一维管路系统,针对此系统开展不同管路状态参数下的数值仿真计算。结果通过小波变换技术实现了数据降噪与奇异点捕捉,完成了泄漏点位置的估算。同时,借助反馈型Elman神经网络,开展了不同泄漏工况下的网络训练和预测,利用经过训练的神经网络对所选取的5组泄漏点完成了定位预测,最大测试误差为1.83%。结论通过Elman神经网络预测得到的结果与实际泄漏位置进行对比,验证了反馈型神经网络方法在管路泄漏智能定位问题中的准确性与有效性。     

基于人工神经网络的Ni-ZrO2纳米镀层耐腐蚀性能预测

目的 对Ni-ZrO2纳米镀层的耐腐蚀性能进行预测,优化电镀工艺参数.方法 采用磁力搅拌辅助电沉积法,在钴镍基模型合金试样表面制备Ni-ZrO2纳米镀层,针对电镀工艺条件,设置正交实验,对每组实验镀层进行电化学测试,分析不同工艺条件下镀层的耐蚀性能.将ZrO2粒子浓度、电镀液温度和电镀电流密度作为神经网络的输入层,将自腐蚀电流密度作为输出层,运用GRNN神经网络和BP神经网络模型,对Ni-ZrO2纳米镀层进行耐腐蚀性能的预测研究.结果 当ZrO2粒子质量浓度为6 g/L、电镀液温度为60℃、电镀电流密度为5 A/dm2时,Ni-ZrO2纳米镀层的性能良好,表现出较小的自腐蚀电流密度.影响Ni-ZrO2镀层自腐蚀电流密度的因素满足ZrO2粒子浓度>电镀液温度>电镀电流密度.运用GRNN神经网络和BP神经网络对4组非正交实验预测的平均相对误差分别为5.30％与10.74％.结论 运用神经模型可以有效地预测不同工艺参数下镀层的耐腐蚀性能,从而优化工艺参数,提高实验效率.在训练样本较少的情况下,GRNN神经网络的预测性能更加精确.     

基于灰色理论与BP神经网络预测成都市生活垃圾产生量

根据成都市中心城区垃圾产生量的历年数据,先用以时间为单变量的灰色GM(1,1)预测模型得到历年数据的拟合值,再分析垃圾产生量与其影响因素之间的灰色关联度,选出关联度最大的4个因素建立多变量的灰色GM(1,5)预测模型与BP神经网络模型,并对垃圾产生量的预测精确度进行了对比,用预测精度最高的BP神经网络模型对未来年份的垃圾产生量进行了预测,为成都市垃圾处理处置规划提供了理论依据。     

基于BP神经网络预测北京市加油站周边土壤多环芳烃含量

随着我国城市化进程的迅速发展,城市中加油站数量越来越多,加油站油品的成分含量复杂多样,在石油逸散过程中会生成一系列污染物.加油站产生的多环芳烃(PAHs)会污染其附近土壤,同时对人体健康产生影响.收集了北京市117个加油站附近的土壤样品(0～20 cm),分析了7种PAHs的含量,基于BP神经网络模型,预测了2025年和2030年北京市加油站土壤PAHs含量.结果表明,7种ω(PAHs)范围在0.01～3.53 mg·kg^-1之间,与《土壤环境质量建设用地土壤污染风险管控标准(试行)》(GB 36600-2018)中土壤污染风险筛选值比较,PAHs含量低于该指标,同时上述7种PAHs的毒性当量(TEQ)均低于世界卫生组织(WHO)的标准值(1 mg·kg^-1),表明它们对人体健康有较低风险.预测结果显示,快速发展的城市化与土壤PAHs含量的增加具有正相关的关系,至2030年,北京市加油站土壤PAHs的含量将持续增长.2025年和2030年北京市加油站土壤中ω(PAHs)的范围分别为0.085～4.077 mg·kg^-1和...     

基于BP神经网络的导弹环境适应性评估及对策

论述了转型期海军战术导弹开展环境适应性研究的必要性和紧迫性,分析了环境因素的影响。选取典型型号的海军战术导弹为研究对象,给出了8种严重影响导弹的环境适应性因子。结合BP神经网络算法建立了环境适应性模型,并对环境适应性水平进行了仿真评估分析。仿真结果表明,该模型具有良好的评估效用。根据仿真结果,针对不同时期的导弹提出了相应的环境适应性对策。