可能最大降水量的一种估算方法

近年来,在我国某些地区往往出现打破历史纪录的特大暴雨和洪水,“758”河南大暴雨即是罕见的一例。为了适应无产阶级文化大革命后工农业跃进的大好形势,保障人民生命财产安全以及满足水工建筑物设计等方面的需要,估算我国各地区可能最大降水量是刻不容缓的事。本文是在估算青藏高原东部可能最大降水实践过程中针对高原水文气象特点提出的一种天气学估算方法。我们把它称之为“水汽辐合上升指标放大法”。此法物理意义明确,比较简便可行。但任何事物总是一分为二的,此法也有它的局限性和不足之处,今后当在实践中进一步检验与改进。     

微穿孔空间吸声体的实验研究

作为无纤维化材料的微穿孔吸声板在建筑声学中应用日广,但过去大多是按贴墙(顶)后留空腔装置的构造形式来考虑的。本文根据混响室实验结果讨论了两种不同形式(平板式和圆筒式)的微穿孔空间吸声体的声学特性。文中有关价格性能比的分析,对设计应用也极具参考价值。由于它们的造型可有多种变化,亦为室内装饰提供了更多选择。与金属板相比,塑料膜片制成的微穿孔空间吸声体,则有质轻价廉,加工和吊装方便等优点。有关平板式空间吸声体的理论分析将另文介绍。     

硬质覆层材料覆层厚度收缩规律试验研究

三元硼化物金属陶瓷硬质覆层材料是利用液相烧结技术在铜基体上涂覆金属陶瓷而制得的新型层状复合材料,在烧结过程中,覆层的厚度会发生收缩。对该材料在烧结过程中覆层厚度的收缩规律进行了试验研究;根据试验结果,对烧结前后覆层厚度之间的关系进行拟合分析;分析结果表明,最高烧结温度分别为1235℃、1240℃、1250℃时,二者之间的关系均很好地符合指数关系,进而得到了在合理烧结温度控制范围内烧结后覆层厚度随烧结前坯体厚度变化的经验公式。本文的研究结果对于三元硼化物金属陶瓷硬质覆层零件的制造具有实际意义。     

基于CNN-GRU的冷水机组传感器偏差故障诊断方法

针对冷水机组传感器偏差故障识别率低的问题,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)和门控递归单元(Gated Recurrent Unit,GRU)融合网络模型(CNN-GRU)的冷水机组传感器偏差故障诊断方法.该方法利用GRU记忆冷水机组因每个传感器动态响应特性不同造成的其每个传感器不同的时间相关性,克服了CNN在冷水机组传感器偏差故障诊断中仅能提取时间序列实时特征的缺点.首先采用CNN自动提取传感器时间序列的实时特征,然后利用具有长短期记忆能力的GRU实现对冷水机组传感器不同时间相关性的记忆,从而充分利用时间序列中的特征信息对数据进行表征建模,进而有效提升了冷水机组传感器偏差故障识别率.将该方法与CNN、主成分分析和自动编码器方法进行比较,实验结果表明:温度类和压力类传感器的偏差故障识别率分别在85％以上和90％以上;验证样本得到了83％以上的偏差故障识别率,验证了该方法的泛化能力良好;该方法对于同一传感器、故障大小互为相反数的偏差故障的故障识别率均具有良好的对称性;该方法的偏差故障识别率高于其他方法,尤其对于很小的偏差故障的识别率具有更明显的优势.