排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
为获得攒尖四坡屋面的风致雪漂移规律,基于欧拉-欧拉方法和风雪单向耦合假定,运用计算流体动力学软件,选取Mixture模型分别对立方体周边和高低屋面上的风致雪漂移运动进行数值模拟,将模拟结果与两者的实地观测数据对比,探讨分析数值风洞的关键技术和参数设置,验证数值模拟方法的合理性与可靠性。依据攒尖四坡房屋的使用功能要求,设计分析模型与分析工况,在试算的基础上对屋面进行分区。以风速5 m/s,7 m/s,9 m/s,11 m/s,13 m/s和15 m/s,风向角0°,15°,30°和45°以及屋面坡度25°,30°,34°,40°和45°为分析参数,对攒尖四坡房屋的120种工况进行数值模拟,得到屋面各分区侵蚀沉积的基本规律,提出可用于抗雪设计的屋面积雪分布系数。研究表明,风向角的改变会使屋面积雪分布状态发生较大程度的变化,风速和屋面坡度的变化对屋面整体积雪量有较大影响。 相似文献
2.
3.
针对目前地下停车场的自动化监控和管理方式单一,缺乏智能化的停车位引导以及停车场内照明、通风、泵站设施管理方式落后等问题,提出一种基于KNX的地下停车场智能监控及车位引导系统;通过将各个KNX节点设备挂载到KNX总线上,构建KNX系统,通过挂接在KNX总线上的智能终端实现对整个地下停车场的监控与管理,即实现对停车场照明、通风设备的管理和监控,以及车辆检测、车位检测以及车辆进入车位的智能引导功能;经实践验证,系统运行稳定可靠,实时性好,抗干扰能力强。 相似文献
4.
目前的节能照明控制算法仍有陷入局部最优的问题。为了寻求全局最优解,提高室内照明的节能效果,设计一种遗传模拟退火算法对照明系统的控制参数进行优化求解。该算法通过在遗传操作后对优秀个体进行模拟退火处理,增强了算法的局部搜索能力。根据迭代的次数和种群的适应度对遗传概率进行自适应调节,使得算法在前期丰富种群多样性,避免算法“早熟”。提出基于人工神经网络的照度模型来计算室内照度分布,对照明舒适度进行评估,为构造优化算法的适应函数提供了依据。通过仿真实验,在本文介绍的照明场景应用遗传模拟退火算法,并与传统粒子群算法和遗传算法进行比较,其照明节能性能分别高出5.30%和13.61%。 相似文献
5.
6.
通过乙醇还原方法制备了不同比例的碳纳米管负载钌铂核壳结构的纳米粒子(Ru@Pt/CNTs),并用作直接乙醇燃料电池的阳极催化剂。利用透射电镜(TEM)、X射线衍射(XRD)和X射线光电子能谱(XPS)等手段表征该催化剂的结构。结果表明Ru@Pt/CNTs纳米颗粒具有核壳结构(以钌为核),Ru@Pt/CNTs在乙醇电氧化反应(EOR)中表现出优良的电化学催化活性,其中,当铂∶钌摩尔比为0.75时,催化性能达到最优,电流密度值达到1 767.77 mA/mg Pt,是商业Pt/C的3.25倍。另外,耐久性的实验发现当铂∶钌摩尔比为1.00时, CV测试循环了250圈后衰减了19.7%。因此,具有核壳结构的Ru@Pt/CNTs纳米粒子对乙醇氧化反应有优良的催化活性。 相似文献
7.
傅立叶近红外光谱法用于鹿茸的定性分析 总被引:3,自引:0,他引:3
利用近红外光谱(NIRS)和OPUS/Ident软件,通过计算采集到的样品的近红外光谱图之间的欧氏距离来反映不同鹿茸样品间的差异,对不同产地、不同种类的鹿茸进行了分类鉴别(Identification)。结果表明,与传统方法繁琐复杂,主观性大相比,近红外光谱法能实现鹿茸的快速、无损和可靠的分析鉴别,为鹿茸的质量鉴别提供了一个客观有效的方法。 相似文献
8.
评课是教学研究活动的一个重要方面,也是提高教师综合素质和整体水平的有效途径之一。但目前在评课上还存在许多问题。所有的教师必须端正态度,敞开心扉,明确评课的原则,把握评课的内容,寻求更好的评课策略,促进三维目标的达成,促进听课教师与授课教师的共同发展。 相似文献
9.
先进控制算法在实际应用过程中,往往伴随着算法难以实现、调试繁琐等问题。为将先进控制算法高效地部署到DCS上,提出了一种方便快捷的实现方法。首先,在MATLAB自身集成的先进控制算法与实际工业对象之间建立OPC通讯,反复调试后得到与被控对象特性相匹配的控制算法;其次,通过MATLAB RTW将该MATLAB/Simulink先进控制算法生成C++代码;最后,使用软PLC高级语言编程技术,将算法的C++代码无缝集成到DCS当中。实践中设计了一种基于双容水箱液位控制的模糊控制算法。实验结果表明,以该方式设计的控制算法具有良好的控制特性和较高的实际应用价值。该方式缩短了以往控制算法的部署周期,为先进控制算法在DCS中的实际应用提供了强有力地解决方案。 相似文献
10.
为了提取拉丝模具内孔的衍射图像的边缘信息,以往的检测方法都有各自的局限性,因此采用contourlet HMT变换结合LS-SVM的方法。首先利用contourlet HMT变换将图像分成粗糙系数和精细系数,通过LS-SVM训练粗糙系数找出边缘系数和噪声系数;利用BayesShrink 方法去除噪声系数,采用梯度边缘系数和去噪后的系数,用加权平均值的方法进行图像的融合,最后使用contourlet HMT的逆变换对图像进行重构。对不同情况下的图像进行了测试,结果证明Contourlet HMT的边缘检测方法有明显优于其它的方法。 相似文献