加工误差对压气机叶栅气动性能的影响

目的 研究不同区域加工误差对叶片气动性能的影响。方法 选用轴流压气机出口级静叶叶中截面,以叶型厚度变化和中弧线变化为特征,分别在叶型前缘、最大厚度和尾缘区域添加加工误差,采用数值模拟方法,对比设计叶型气动性能,研究叶型各区域几何偏差对性能的影响。结果 叶型前缘几何偏差对气动性能的影响最大,偏差造成的中弧线偏移对性能变化起主导作用。尾缘区域几何偏差对性能的影响趋势与前缘区域完全相反。考虑叶型整体偏差时,轮廓度正偏差造成的性能恶化更加显著。结论 所得的几何偏差影响规律可为实际叶片加工过程中工艺的制定和超差审理提供数据支持。     

下击暴流作用下单层球面网壳倒塌破坏研究

针对大跨空间结构在下击暴流作用下破坏规律尚不明确的问题,本研究分析了下击暴流作用下 K8 型单层球面网壳结构的破坏模式与失效规律。基于确定性?随机性混合模型模拟了下击暴流风场,其中平均风的模拟采用 Wood 竖向风剖面模型和 Holmes 经验模型,脉动风的模拟则采用自回归模型。基于向量式有限元分析方法,考虑结构的几何非线性、材料非线性及构件断裂准则,对下击暴流作用下不同矢跨比的网壳结构进行弹塑性时程分析及连续倒塌过程模拟。通过研究矢跨比分别为 1/3、1/5 与 1/7 时,结构节点位移幅值的变化及下击暴流平均风荷载与总风荷载对结构破坏模式的影响,探究单层球面网壳结构在下击暴流作用下的失效规律。研究结果表明：下击暴流作用下单层球面网壳结构的失效主要是由结构杆件屈曲所致,且平均风的影响占主导地位,决定着结构的破坏模式,而脉动风则使得结构响应加剧,破坏时间提前。此外,随着结构矢跨比的增大,结构的体型系数与受风面积随之变化,进而影响结构的破坏模式,使其由局部杆件渐进式屈曲失效的模式向结构整体瞬时失效的模式转变。研究成果可为大跨空间结构的抗下击暴流设计提供参考。     

土石混合体地基系数支持向量机模型与应用∗

针对缺乏土石混合体地基系数评价模型这一现状,构建了基于支持向量机的土石混合体地基系数评价模型.该模型以土体弹性模量、泊松比以及块石含石率作为输入参数,地基系数作为输出参数.为建立训练数据,基于土石混合体弹性模量与泊松比计算模型,建立了FLAC3D平板载荷模型开展数值实验.基于数值实验数据,训练支持向量机模型并进行初步验证.将该支持向量机模型用于预测现场试验获得的土石混合体地基系数,进一步验证了该模型的合理性与准确性.通过敏感性分析发现,土体弹性模量对土石混合体地基系数的影响最大,其次为含石率.基于支持向量机模型,讨论了5种已有地基系数计算模型应用于土石混合体地基系数计算的可行性,确认了可用于评估土石混合体地基系数的显式模型.     

换流阀冷却水系统在线化学仪表误差分析

针对±660 kV 换流站换流阀在线化学仪表误差问题,对在线 pH 表、电导率表、溶解氧表的测量原理进行分析,找出影响在线化学仪表准确性的主要误差来源,提出消除或减小误差的改进措施。应用结果表明:改进措施提高了在线化学仪表的准确性,保证了冷却水水质的真实值控制在合格的范围内。     

起重机检测检验的误差：钢盘尺悬空测量的精度分析

分析钢盘尺悬空间在起重机检测检验中的精度对评价起重机的安全性和使用性具有十分重要的意义。本文通过计算法和图表法给出应用此法的准确测量值。     

浅析水质自动监测站水样的比对误差来源

厦门市环境监测站进行了水质自动监测仪与实验室分析间的实际水样比对实验,目的是保证两者间的分析结果具有一致性,使水质自动监测仪能提供准确、可靠的监测结果。     

基于PS-InSAR技术的晋城矿区地表形变监测及地质灾害风险预警

地表形变是一种严重的地质灾害现象,不仅严重影响灾害区居民的日常生活,而且会造成巨大的社会经济危害,尤其在采煤区。针对传统地表沉陷监测方法费时费力、无法获取地表沉降面状信息、难以进行地表沉陷灾害评估的不足,基于高分辨率SAR卫星影像,利用永久散射体合成孔径雷达干涉测量(PS-InSAR)技术对山西省晋城市晋城矿区2018年1月至2018年12月期间地表沉陷进行监测,分析获取了该地区地表连续形变情况,并利用该技术获取的海量PS点建立支持向量机(SVM)地质灾害风险评估预警模型,对晋城矿区周边居民点地质灾害风险进行了识别和预测。结果表明：晋城矿区10个煤矿及其周边区域存在较大的地表形变;晋城矿区平均LOS向年平均地表形变速率范围为-37～30.3 mm/a; PS-InSAR技术在晋城矿区地表形变监测中具有可行性,且可以实现矿区地质灾害风险综合识别和预警。     

突发性背景噪声的修正计算分析

噪声测量过程中蝗受背景噪声的影响,而对于突发性背景噪声因其重现性差,实际操作上的“非同时性”给背景噪声的测量结果及修正均带来一些失准问题。为此对突发性背景噪声的校正问题提出初步建议。     

基于文本挖掘的空中危险接近事件致因研究

空中危险接近事件是两机相撞事故的前兆事件,传统的依赖于分析人员知识和简单统计的致因分析模型无法适用于大量空中危险接近事件,因此提出了基于文本挖掘的空中危险接近事件致因研究框架,利用潜在狄利克雷分配模型(Latent Dirichlet Allocation, LDA)提取空中危险接近事件致因主题和关键词,基于全局词向量模型(Global Vectors for Word Representation, GloVe)和关键词共现网络分析各个主题及其关键词之间的潜在关系,充分利用全局统计信息以准确挖掘大量事件报告。结果表明：利用LDA挖掘得到组织因素、现场运行管理和应急管理等6个主题,其中人的因素主题重要度最大;基于GloVe词向量模型分析得到现场运行管理主题与应急管理主题、陆空沟通及配合主题与人的因素主题2组主题存在较强关联;“意识”是空中危险接近事件发生的关键细节。提出的致因研究框架可以帮助安全管理人员准确认识和高效利用空中危险接近事件报告等文本数据,同时基于数据分析有效减少了人为分析的主观性,提高了致因分析的效率,为精准防控空中危险接近事件提供基于数据的科学决策支持。     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE＿SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE＿SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明：MICE＿SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE＿SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。