【摘 要】
：
基于计算流体动力学（CFD）方法对冷却水套流场特性进行数值模拟，对各缸孔速度流线图及水套内部关键截面的流速分布进行分析，得出缸孔布局及冷却液流速分布规律。流向缸头上鼻梁区（或火花塞侧区）的缸孔面积应最大，流向缸头排气侧下鼻梁区的缸孔面积次之，流向缸头进气侧鼻梁区的缸孔面积最小，同时对于多缸机，各缸间衔接处可布置缸孔，改善缸间区域的冷却。缸头水套上鼻梁区冷却液流速应在1.5 m/s以上，下鼻梁区流速
【基金项目】
：
国家自然科学基金项目（51876109）；
论文部分内容阅读
基于计算流体动力学（CFD）方法对冷却水套流场特性进行数值模拟，对各缸孔速度流线图及水套内部关键截面的流速分布进行分析，得出缸孔布局及冷却液流速分布规律。流向缸头上鼻梁区（或火花塞侧区）的缸孔面积应最大，流向缸头排气侧下鼻梁区的缸孔面积次之，流向缸头进气侧鼻梁区的缸孔面积最小，同时对于多缸机，各缸间衔接处可布置缸孔，改善缸间区域的冷却。缸头水套上鼻梁区冷却液流速应在1.5 m/s以上，下鼻梁区流速需控制在1.0 m/s及以上；缸体水套整体区域冷却液流速应大于0.5 m/s。基于冷却液流动路径分析获得的缸孔布局及冷却液流速分布规律应用于单缸发动机和双缸发动机水套流场评估及结构改进中，通过缸孔调整，单缸发动机和双缸发动机冷却水套流场得到明显改善，缸头水套鼻梁区冷却液流速及缸体水套冷却液流速满足流速分布规律。水套改进后发动机火花塞垫片温度明显降低。
其他文献
预测页岩气藏的长期生产动态和估算EUR值一直是一个难题,所选择的评价方法决定了预测的准确性。为了降低EUR评价的不确定性,本文分析总结了EUR各计算方法的适用条件,提出了在定压生产条件下,YM-SEPD方法相对于SEPD方法有更好的适用性。在进行产量预测时,首先要进行数据诊断,要剔除掉异常数据点,避免预测的EUR值偏差较大,然后进行流态的识别,用经验法和适合的图版进行产量预测,最后用解析模型验证分
体系作战试验总体设计和评估是体系作战试验的关键环节,也是多用途战斗机作战试验实践中的重点和难点。本文建立了基于作战任务的试验设计理念和设计方法,提出了体系作战试验评估指标,并构建了相应的试验设计系统和评估系统,推进了体系作战试验探索和实践进程,可为多用途战斗机体系作战试验提供技术支撑。
目的 对健康体检科体检人员的采血风险因素进行分析，针对性地制定管理对策并探究其应用价值。方法 采用回顾性分析的方法对2019年2月—2020年1月在健康体检科接受采血的体检人员临床资料进行分析，并总结采血风险因素。针对性的制定护理管理对策，并以2020年2月—2021年2月在本健康体检科接受体检的4 500名体检人员作为研究对象，随机分成对照组和研究组，每组人数均为2 250名。对照组体检人员在采
为明确主要气象因子与向日葵开花期等DUS测试测量型数量性状的关系，本研究从2017年至2022年连续6年在内蒙古巴彦淖尔市定点调查了气象数据和4个向日葵品种DUS测试性状数据，利用方差分析的方法对各品种DUS测试测量型数据年度间变化规律进行研究，后通过相关性分析明确向日葵数量性状与气象因子间的关系，利用逐步回归和通径分析的方法筛选出主要影响气象因子。结果发现：对开花期、叶片大小、株高、花盘大小影响
DUS测试指南是植物品种特异性（Distinctness）、一致性（Uniformity）和稳定性（Stability）测试的重要标准，是植物品种保护、品种审定、品种登记的工作基础。菱是我国南方地区重要的水生蔬菜，其品种资源丰富，差异明显，但目前尚未制定出菱属品种DUS测试指南。本研究共收集了我国201份菱种质资源，参照农业行业标准筛选出24个菱属品种作为标准品种。在4个生长周期的种植试验中，对标
＜正＞星链推出直连手机业务,下一站星地融合?据新京报10月12日消息,当地时间10月11日,马斯克旗下的星链（starlink）官方网站推出了直连手机业务。根据官网信息,星链预计在2024年实现短信发送,2025年实现语音通话和上网,同年分阶段实现IOT（物联网）。星链并非第一家推出卫星手机直连业务的公司。
番茄褐色皱纹果病毒（tomato brown rugose fruit virus, ToBRFV）是烟草花叶病毒属的一个新种，在自然界中主要危害番茄、辣椒等茄科作物。自2014年首次在以色列发现以来，ToBRFV迅速蔓延至全球4个洲的35个国家，严重影响番茄和辣椒的产量和品质。本文综述了ToBRFV的发现与分布、基因组结构、传播方式、寄主范围和检测方法，并提出了相应的防控建议，以防范ToBRFV
发挥信息技术的数学教育价值，离不开信息技术与数学教学的深度融合.本文中以函数概念教学为例，通过创设丰富的信息化学习环境，改善学生的学习方式，促进学生对概念和数学问题的理解，提升学生的核心素养.
在监督信息有限的情况下,小样本学习已经被广泛提出来训练具有泛化能力的机器学习模型（例如,卷积神经网络（Convolutional Neural Network,CNN））,这已经在欧几里得数据上有了充分的研究。然而,近年来非欧几里得数据呈现出爆发式增长。因此,研究非欧几里得数据上的小样本学习模型也十分重要。最具代表性的非欧几里得数据是图数据（Graph）,当前已经有许多研究工作将小样本学习应用于图
语义分割作为计算机视觉研究中的关键任务,在自动驾驶、医学图像诊断等领域中具有非常重要的作用。然而域差异的存在,阻碍着语义分割能力在不同场景中的迁移。基于自训练的无监督域自适应（Unsupervised Domain Adaptation,UDA）是缓解域差异对模型训练的影响,提升跨域分割模型泛化能力的一种重要方法。然而,自训练常面临困难类别数据量稀缺的问题,UDA模型难以为困难类别产生较好的分割效