页岩气开采往复式压缩机管路系统气流脉动优化与结构振动安全评价

页岩气开采往复式压缩机管路系统长期受到气缸排出的高压脉动气体冲击载荷，引发受迫振动，严重影响开采效率与人员安全。针对脉动最为剧烈的二级排气管路，运用有限元仿真方法，分析气流脉动超标情况，掌握气流脉动变化规律，采用正交试验方法，开展气流脉动优化研究，掌握了不同孔板孔径比对管路系统气流脉动的影响规律。结果表明，缓冲罐出入口管道孔板孔径比分别为0.4与0.45时，管路系统气流脉动抑制效果最优。据此，结合气流脉动周期性激励特点，建立了管路系统结构动态振动仿真模型，采用双向流固耦合方法，评价管路系统振动安全性能。优化后管路系统气流脉动幅值仅为API 618标准的18.50%,相比原模型减小了87.98%,且优化后管路系统振动安全，数值模拟与现场试验最大误差为振动位移误差12.14%,符合工程误差要求。     

考虑群组行为的楼梯瓶颈处行人流模拟

为探究楼梯瓶颈处群组行为对行人流通行效率的影响,基于校园内的观测试验获取群组运动参数,采用Anylogic仿真平台建立考虑群组行为特征的楼梯瓶颈处人员运动模型,根据不同的群组运动参数、楼梯几何参数和障碍物布置方式对行人流通行时间与密度分布的影响开展数值模拟。结果表明:较大的群组比例和群组规模均会延长行人流通行时间,增加通行过程中的拥堵持续时间;在链状构型下,群组通行效率较高,而并排构型对人员通行造成的负面影响最大;在有群组和无群组情况下,楼梯位置变化会产生相反的通行效果;平行放置障碍物可以有效降低人群密度,提高群组行人流的通行效率。     

侧风影响下的飞机尾流危险区域估算方法

为更好地评估侧风影响下尾流的演化与危险，对经典的D2P(Wake Two-Stage Decay Model)模型进行改进，并构建侧风影响下尾流危险区域评估方法。首先，基于数值模拟试验数据和激光雷达探测数据，创建侧风对尾涡强度衰减和涡核运动的影响模型。其次，建立后机遭遇尾涡后的诱导滚转力矩系数模型和尾涡危险区域估算模型。最后，对不同侧风条件下的尾涡危险区域长度及尾涡侵入侧向相邻跑道的所需时间进行计算分析。结果显示：尾涡危险区域长度在静风时最大；随侧风强度增强，上风涡和下风涡侵入相邻跑道的持续时间都不断减少，但在超过6 m/s后，下风涡侧又开始增加。改进后的模型能更好地考虑侧风对尾涡危险区域的影响，有利于估算侧风影响下的单跑道或近距平行跑道着陆时所需的尾流间隔。     

垂直支管位置对等径三通管内爆炸气流及流场的影响分析

三通管支管位置变化影响管内爆炸气流分布及爆炸后果，为研究其影响规律，构建等径垂直支管三通管道模型，通过数值模拟和试验测试，计算和分析爆炸气流传播、流场变化、速度峰值及压力峰值规律。结果表明：在垂直支管B与水平支管C长度相同的工况下，C内的速度峰值整体大于B,两支管内的最大气流速度峰值均出现在分岔处，为228 m/s,比A管小26.7%;初次点火正向气流传播和末端反射的正向传播气流均会导致三通处流场气流旋涡、强湍流动能区域和速度峰值；支管位置不同工况下，三通管内气流速度峰值最大值均出现在水平管内；垂直支管内气流速度峰值随监测点距离增加均呈下降趋势，垂直支管内速度峰值与压力峰值呈现明显的反比关系。     

面向视频火灾火焰识别的轻量化卷积神经网络模型

深度学习在基于视频的火灾火焰识别技术中得到了广泛应用。为解决当前常用的卷积神经网络模型由于层数和训练参数过多，导致存储和速度问题突出，很大程度上限制了其在一些硬件平台上使用的问题，基于轻量级卷积神经网络模型SqueezeNet,通过适当修改模型结构，构建了一种适用于火灾火焰识别的新网络模型。将获取的各类火灾火焰图像数据，采用数据增强的方法来增加数据量，制作火灾火焰图像数据集，形成学习样本，并使用运动探测算法提取图像的火焰区域进行模型训练和识别前预处理。试验结果表明：该模型所需存储空间仅为0.28 MB,为VGG16的1/200;火灾火焰识别预测准确率达98%,比SqueezeNet提高了近4个百分点，且具有良好的抗干扰能力，有效缓解了当前卷积神经网络中存在的存储和速度问题。