排序方式: 共有3条查询结果,搜索用时 62 毫秒
1
1.
2.
涡轮叶片表面的颗粒沉积会影响其气动性能和冷却效率,因此很有必要开展颗粒在流道内的运动、温度及其在涡轮叶片表面的撞击特性研究。基于离散相模型,采用CFD数值模拟了涡轮流道内的燃气流动以及不同粒径颗粒在涡轮流道内的运动轨迹与沿程温度变化,并获得了颗粒与涡轮叶片的撞击特性。模拟结果表明,随着颗粒粒径由1μm增加至200μm,颗粒在涡轮流道内的随流性变差,颗粒在流道内的撞击、反弹现象加剧,这促使颗粒在流道内的运动路程整体呈上升趋势;颗粒粒径的增大还会导致颗粒散热能力下降,促使颗粒的沿程温降逐渐降低;同时,颗粒粒径的增大会导致颗粒在导叶片表面的撞击系数上升,而动叶则与之相反。 相似文献
3.
针对面部表情识别中,传统机器学习方法特征提取较为复杂,浅层卷积神经网络识别率不高,以及深度卷积神经网络易带来梯度爆炸或弥散的问题,构建了残差网络嵌入注意力机制的多尺度深度可分离表情识别网络。通过多层多尺度深度可分离残差单元的叠加进行不同尺度的表情特征提取,使用CBAM注意力机制进行表情特征的筛选,提升有效表情特征权重的表达,削弱训练数据的噪声影响。所提网络模型在Fer-2103和CK+表情数据集分别取得了73.89%和97.47%的准确度,表明所提网络具有较强的泛化性。 相似文献
1