炉渣滤床技术处理亚麻生产废水

为了确定处理包头亚麻厂亚麻生产废水的设计方案，设计之前在现场进行了生产试验。在包头亚麻厂污水处理站，模拟炉渣滤床制造了3米高的炉渣滤层，滤渣从工厂锅炉房取用，将实际排放的亚麻煮漂车间、细纱车间、粗纱车间的生产废水混合后，通过炉渣滤层过滤处理，处理后出水由厂化验室和包头环保局化验。试验结果表明，处理后的排水各项指标完全达到国家排放标准。该工艺处理费用低，运行效果稳定，管理简便，具有明显的经济效益、环境效益和社会效益。     

基于CORBA的固体火箭发动机多Agent系统

采用CORBA开发固体火箭发动机虚拟样机时，由于CORBA技术还存在一些缺陷，我们结合了Agent技术来弥补不足。采用Agent技术将各应用模块包装成为自包容的自治问题求解Agent，使其能对环境变化自主地做出响应。并基于目的采取行动。将多个A-gent按照组织学原理建立组织模型。即多Agent系统MAS(Multi Agent System)。各Agent通过CORBA的协作机制实现系统层次上的复杂功能。同时介绍了分布对象技术、Agent技术及多Agent环境。     

参数曲线的自适应插补算法

参数曲线插补是高性能ＣＮＣ系统实现复杂轨迹控制功能的重要技术基础。文中提出了一种ＣＮＣ系统参数曲线的实时插补算法,基于参数预估、误差控制及参数校正的策略,实现了参数曲线的高精度快速插补。理论分析与仿真表明,该算法与现有的插补算法相比,不仅速度误差小、实时性好,而且插补速度能随曲线曲率的变化自适应调整,确保加工精度达到给定要求。此外,本算法具有良好的实现通用性,可以适用于样条等各种参数曲线。     

颗粒无序分布的堆积床内部流动与传热分析

为了详细分析单组元发动机催化床内部的流动与传热,针对颗粒无序分布的堆积床,提出了一种网格生成途径,适合于对大量颗粒自然堆积的管道流动进行数值模拟。根据该方法,对不同颗粒直径、不同进口速度的管道堆积床进行了液体介质的流动与非定常传热模拟,并与实验结果和Ergun方程计算进行了对比。结果表明,本文提出的方法可以有效模拟颗粒无序分布的堆积床内部流动与传热,适合于大量颗粒的堆积床仿真;网格尺度小于1/20颗粒直径时,模拟结果与实验结果符合很好;在相同雷诺数下,摩擦系数随颗粒直径增大而减小,Ergun方程在高雷诺数下计算的流阻偏大;非定常传热时,壁面效应会使壁面附近温度先接近流体温度。     

点阵结构空气舵及内部流体热流固耦合研究

开展了钛合金TC4材料激光粉末床熔融(LPBF)工艺研究,在此基础上设计了多孔轻质空气舵模型,并基于有限差分法(FDM),采用三维流固耦合共轭传热数值计算方法,利用流体体积法(VOF)追踪流体自由液面,研究了典型的点阵夹层结构的空气舵内部冷却液动态换热过程的相互影响过程,考虑了冷却液与钛合金材料蒙皮间的耦合传热及湍流换热。结果表明,空气舵的内部流体压强随速度的增加而增加,从而导致流体出口的速度增加。当压强增加到一定程度时,流体的出口以水柱形式喷出。虽然较大的流体速度可以带走较多的热量,但是影响远小于对压强的影响。综合考虑空气舵的服役要求,获得了合适的冷却水入口速度。     

高速摄像技术在循环床锅炉出口区域颗粒运动测量中的应用

为了说明高速摄像技术的一些特点，及其在多相流场颗粒运动规律研究方面的潜力，以循环床锅炉出口区域颗粒运动测量中的应用为例，采用高速摄像系统捕获可视化流场的图像，再进行图像分析和处理。通过对颗粒的运动速度、运动轨迹和密度分布等信息进行测量的结果表明，利用高速摄像技术能够成功地研究复杂流场的颗粒运动规律。     

二维不可压流程序在PVM环境下的并行计算

本文在PVM环境下进行了二维不可压流的并行数值模拟,应用并行虚拟机模型对机器环境和并行程序的特性进行了分析,研究了并行程序和并行机器的匹配问题.在MPP环境下的测试表明,改进后的并行程序并行效率高.     

运载火箭测发控系统服务器集群虚拟化的设计与实现

利用虚拟化技术构建运载火箭测发控系统,通过对测发控系统计算机资源需求进行分析,使用服务器集群将系统所有计算机资源池化,按照测发控业务需求对计算机资源进行了划分。设置系统业务虚拟机（VM）,利用虚拟桌面管理软件Fusion Access进行管理控制,实时监测服务器集群运行情况,故障自动报警。利用系统服务器集群高可用性（HA）和容错技术（FT）功能,消除了运载火箭测发过程的单点故障。通过实验验证,该系统提高了测发控系统计算机资源利用率,摆脱系统对计算机硬件资源的依赖。计算机状态迁移、负载动态均衡及故障隔离等功能,减少了计算机系统宕机的频率,降低设备维修成本,提高了系统高可靠性。     

粉末床激光成形熔池辐射强度信号的机器学习

粉末床熔融成形（PBF）的过程监测和质量识别是保障其制造质量的关键技术。在监测信号中,熔池辐射强度信号蕴含了丰富的熔池特征信息,但监测信号与材料科学现象的直接联系尚不明确,适合利用机器学习算法开展深入研究。首先,通过设置不同的工艺参数（部分偏离工艺窗口）实施316L不锈钢成形实验,成形过程中采集熔池辐射强度信号。然后,通过数据分割、特征提取和特征选择对信号数据进行预处理,构建了用于机器学习的数据集。最后,使用21种不同的机器学习算法,一是将熔池辐射强度数据按照工艺参数（如激光功率高、中、低）进行分类,经过训练的算法可在实际生产中识别异常（辐射强度异常、代表激光功率和扫描速度偏离最佳状态）;二是将熔池辐射强度数据按最终成形块体的质量（密度、表面粗糙度）进行分类,经过训练的算法可在实际生产中识别质量。结果表明：对于熔池辐射强度的异常识别,二次支持向量机算法的分类效果最好,准确度达到96.4%以上;对于密度和表面粗糙度预测,由于样件质量与数据样本之间的复杂关系,预测结果呈现不同的分布情况,但预测准确度均达96.0%以上。