BP神经网络反演核事故源项中重要参数的研究

核事故发生时,可靠、准确的源项信息能为应急防护行动措施决策提供数据支持。采用Matlab软件神经网络工具箱可以实现基于BP神经网络的核事故源项反演,为提高核事故源项反演计算的准确度,针对反演时的几个重要参数进行研究,包括隐含层节点数、训练函数、学习率和隐含层数。研究结果表明,在单隐含层神经网络结构情况下,存在着最优隐含层节点数,综合考虑训练时间和误差,本文选取隐含层节点数为50来对其他参数影响进行进一步研究;在相同参数设置条件下,训练函数Trainlm比Traingdm更适合数据量较小时的核事故源项反演,反演计算准确度更高,在节点数为50时训练时间缩短了近35%;高学习率以及双隐含层能有效地提高核事故源项反演的精度,但训练时间相对增加。     

超高压冷气推进系统压力调节模块性能仿真研究

以超高压冷气推进系统为研究背景,针对压力调节模块进行数值模拟研究。通过建立调压模块的流固耦合动力学数学模型,将其工作过程定义为填充、开机和关机三个阶段,得到了不同阶段的调压特性,以及节流孔直径和入口压力对压力调节模块不同阶段的影响规律。仿真结果表明:在不同的工作阶段,节流孔直径和入口压力的增加都使得稳压腔内压力升高,只是达到稳定的时间不同,同时阀芯位移变化也表现出一定的规律性,这都为压力调节模块的设计提供一定参考。     

霍尔推力器在轨羽流图像诊断方法

为便于霍尔推力器羽流在轨诊断测量,文章提出了一种基于光谱诊断衍生出来的图像诊断方法。首先对推力器羽流进行光学图像采集,然后提取出能够反映羽流不同谱段光强信息的红绿蓝三通道数据;同时结合相机成像原理分析,得到不同通道的像素点灰度值与羽流光谱强度的对应关系;并且基于光谱碰撞辐射模型,建立了羽流图像计算模型。研究结果表明,利用图像诊断方法计算得到的羽流区电子温度和离子密度分布规律均与探针试验结果相吻合,计算的相对不确定度分别约为20%和15%,说明了该诊断方法精度适中,具有较高的可靠性,适用于在轨诊断霍尔推力器羽流等离子体参数。     

翼型湍流尾缘噪声半经验预测公式改进

改进了传统的翼型湍流边界层尾缘噪声BPM半经验预测公式。传统的BPM半经验湍流边界层尾缘噪声预测公式对高攻角和厚翼型在高频范围的预测结果大于实验结果,通过分析比较传统BPM半经验预测公式和Howe翼型尾缘噪声理论模型发现:这主要是由于传统BPM半经验预测公式对压力面声源噪声辐射高估引起的。因此将压力面声源噪声辐射与吸力面声源噪声辐射的幅值比由原来的边界层位移厚度一次方比值改进为二次方比值,进而得到了改进后的BPM半经验预测公式;使用改进后的BPM半经验预测公式对NACA0012翼型在不同来流不同攻角下的噪声辐射进行了预测比较,发现对于NACA0012翼型,改进后的BPM半经验预测公式具有较高精度;另外也预测了较厚的风力机翼型DU-96-W-180,预测结果明显改善。     

火焰辐射光场成像光线采样特性

为了研究全光相机对火焰等半透明介质的光场采样并优化全光相机的参数,基于近轴光学,建立了全光相机的逆向光线追迹模型。在此基础上,针对弥散介质沿采集方向的半透明特性,提出了像素采样锥形角以及物方采样角度等评价光线角度采样的性能指标,据此分析了全光相机像素和微透镜的位置对光场采样特性的影响,以及全光相机光学参数变化对光线方向采样性能的影响。结果表明:采集火焰辐射光场时,较小的微透镜直径有利于提高光场采样的单方向性,并减小主镜头入瞳直径,而较小的主镜头焦距有利于增大物方采样角度。     

涡轮叶冠间隙流动特性实验

针对叶冠腔内有冷却气流的转子叶片叶冠,通过改变主流雷诺数、前后孔岀流比、叶尖间隙等参数得到静止状态下叶冠间隙流动的总压损失系数.实验结果表明:增大主流雷诺数与前孔岀流比,叶冠总压损失系数增大;减小叶尖间隙,总压损失系数也增大,小叶尖间隙下,总压损失系数随主流雷诺数与前孔岀流比增长更快,而后孔岀流比对叶冠总压损失系数影响不大.      

叶型上局部凸起对扩压器性能影响的数值研究

借助CFD数值模拟技术,对四种常规叶片扩压器（不同凸起位置）内部流场进行了数值模拟,研究了不同凸起位置对扩压器性能的影响,讨论了改变叶片凸起位置对扩压器静压恢复系数、总压损失系数等性能参数的影响,以为小型/微型发动机的叶片扩压器的优化设计提供一定的参考价值。结果表明,当叶片扩压器产生局部凸起时,在流动进入叶片扩压器凸起截面后面产生了低速流动,导致了明显的总压损失,使得叶片扩压器的效率降低。叶片中间产生凸起对于叶片扩压器的总压损失最高。在工程实际中叶片扩压器如果产生局部凸起,尽量选择在叶片前端。     

太阳10.7cm射电流量中期预报模型研究(Ⅰ)

采用时间序列模型中的自回归方法开展了F_(10.7)中期预报研究.预报试验和误差分析结果表明,在太阳活动水平较低、F_(10.7)的27天周期性明显时自回归预报方法的预报精度高,具有较为理想的预报效果,但在日面有大活动区产生和消亡时预报效果不理想.这说明时间序列模型中的自回归方法能够较好地反映太阳F_(10.7)的27天周期性特征,对F_(10.7)中期预报模型的建立有一定适用性.通过对2005年9月21日至2007年6月7日期间预报结果的比较可以看出,自回归分析方法预报的精度与美国空军预报的相当。     

Charging of dust grains by anisotropic solar wind multi-component plasma

In this paper we study the charging process of small grain particles by anisotropic multi-component solar wind plasmas (electrons, protons and heavy ions), versus two-component (electron/proton) plasmas. We are focusing attention on the important characteristics of the charging process, namely the charging time, floating potential and current content as functions of plasma parameters such as He⁺⁺/H⁺ (α/p) number density and T_α/T_p temperature ratios of alpha particles to protons, as well as plasma streaming velocity v₀. Measured statistical properties of solar wind plasma parameters at 1 AU show considerable variations in α/p-temperature ratios from 1 to 10, in α/p-number density ratio from 0.01 to 0.35, as well as in values of streaming velocity v₀ from 200 km/s to 1000 km/s and more. Periods of these variations could last for several days each, leading to significant variability in the charging process, according to newly derived general analytical expressions. Numerical calculations performed for protons/alphas plasmas showed large disparity in the charging characteristics. For example, in anisotropic plasma, grain charging time varies up to 90% depending on α/p-particles temperature and number density ratios, whereas changes in floating potential are up to 40%. In contrast, in isotropic plasma, charging characteristic for grains do not change very much for the same plasma parameters variations, with charging time varying about 12% and floating potential only varying about 4%. It is also shown that in highly anisotropic plasma, with all ballistic electrons and ions, dust grains could not hold their charges, and characteristic discharged time is calculated. We note that the analysis is equally applicable to any sized body immersed in solar wind plasma.