【摘 要】
：
气相爆轰波在周期性非均匀介质中的起爆, 稳态传播和失效机制都极为复杂, 很多物理机制尚不明确,是当前爆轰物理领域研究的热点和难点. 本文使用反应欧拉方程和两步化学反应模型对爆轰波在非均匀介质中的传播机理进行了数值模拟研究, 非均匀性由横向周期性分布的温度扰动体现, 重点分析不同波长、不同幅度的温度扰动对波阵面波系结构的影响. 计算结果表明, ZND爆轰波在温度扰动下向胞格爆轰波的转变主要受制于两种竞争性因素: 一是爆轰波内在的不稳定性; 二是温度扰动的波长和幅度, 前者是内因, 后者是外因. 温度扰动的存
【机 构】
：
北京理工大学爆炸科学与技术国家重点实验室, 北京 100081
论文部分内容阅读
气相爆轰波在周期性非均匀介质中的起爆, 稳态传播和失效机制都极为复杂, 很多物理机制尚不明确,是当前爆轰物理领域研究的热点和难点. 本文使用反应欧拉方程和两步化学反应模型对爆轰波在非均匀介质中的传播机理进行了数值模拟研究, 非均匀性由横向周期性分布的温度扰动体现, 重点分析不同波长、不同幅度的温度扰动对波阵面波系结构的影响. 计算结果表明, ZND爆轰波在温度扰动下向胞格爆轰波的转变主要受制于两种竞争性因素: 一是爆轰波内在的不稳定性; 二是温度扰动的波长和幅度, 前者是内因, 后者是外因. 温度扰动的存在抑制横波的发展, 延迟了ZND爆轰波向胞格爆轰波的演化, 并且内在不稳定性的增加可以减慢这种延迟现象. 这说明, 温度扰动可以在一定的范围内抑制胞格不稳定性的发展, 但是不能够终止这一过程. 温度的不连续性使得爆轰波阵面更为扭曲, 并在横波附近存在较弱的三波点结构, 即温度扰动可增加爆轰波固有的不稳定性, 改变爆轰波阵面的传播机理. 幅值较大的人工温度扰动可抑制爆轰波的传播和爆轰波自身的不稳定性. 爆轰波阵面胞格结构的形成取决于温度扰动与其自身的不稳定性.
其他文献
针对滚动轴承故障诊断方法存在的局限性及缺陷,在利用小波分析提取滚动轴承故障信号特征向量基础上,提出基于粒子群-蛙跳算法优化的BP神经网络滚动轴承故障诊断方法.该方法采用粒子群-蛙跳算法优化BP神经网络结构参数,利用改进BP算法和样本数据训练BP神经网络,实现滚动轴承运行正常和4种不同故障状态的诊断.实验验证结果表明,基于粒子群-蛙跳算法的BP神经网络方法诊断误差最大值仅为0.05,为未优化的神经网络诊断误差的1/16;与其他算法相比,基于粒子群-蛙跳算法优化的BP神经网络方法的训练时间、训练误差和诊断精度
从厦门市某印染厂活性污泥中筛选分离出一株高效脱色偶氮染料的菌株YL16,对YL16进行16S rDNA测序分析,鉴定为肺炎克雷伯氏菌(Klebsiella pneumoniae).在此基础上进一步探究菌株YL16在不同初始pH值、碳氮源条件下对不同浓度、结构的偶氮染料脱色性能的影响.结果表明,最佳条件为pH=7、葡萄糖为碳源、谷氨酸为氮源,培养42 h后,其脱色率为100％;菌株YL16具有较强的耐受性,对高质量浓度(1 g·L-1)的偶氮染料54 h脱色率达100％;菌株YL6具备脱色广谱性,对刚果红、
亚格子(SGS)应力建模在湍流大涡模拟(LES)中有着极为重要的作用. 传统亚格子应力模型存在相对误差较大、耗散过强等问题. 近年来, 计算机技术的发展使得人工神经网络(ANN)等机器学习方法逐渐成为亚格子应力建模型的新研究范式. 本文着重考虑滤波宽度及雷诺数影响, 在不可压缩槽道湍流中建立了亚格子应力的ANN模型. 该模型以滤波后的直接数值模拟(fDNS)流场物理量及滤波尺度为输入信息, 相应滤波尺度下的亚格子应力为输出量. 通过对不同滤波尺度及不同雷诺数数据的训练, ANN模型能够给出与直接数值模拟(
近几年来, 随着高性能计算机和大数据科学的快速发展, 机器学习方法在各个领域得到了越来越多的应用.力学学科在过去几十年积累了大量的数值模拟数据、实验测量数据和现场监测数据, 这些大规模、高维度的数据蕴含了丰富的物理特征, 但传统方法无法有效地处理这些庞大的数据群. 机器学习方法可以从巨量的数据海洋中挖掘有用的信息, 并能为总结新的物理规律提供有效的指导. 另一方面, 机器学习方法存在着可解释性差、泛化能力弱、容易过拟合等问题. 针对基于第一性原理的力学问题开展机器学习研究, 并和已知的物理规律相对照, 有
在对继电器电磁机构磁吸力理论分析基础上,采用ANSYS软件建立电磁机构有限元模型,仿真分析继电器电磁机构衔铁面积、线圈匝数及气隙厚度结构参数变化对电磁机构磁吸力的影响.仿真结果表明:衔铁面积大小变化与磁吸力呈线性关系变化;安匝数、气隙厚度与磁吸力呈非线性关系变化.理论值和仿真值的相对误差为0.20％～7.14％,验证了仿真结果的正确性.
网格自动化生成和自适应是制约计算流体力学发展的瓶颈问题之一, 网格生成质量、效率、灵活性、自动化程度和鲁棒性是非结构网格生成的关键问题. 在非结构网格生成中, 网格空间尺度分布控制至关重要,直接影响网格生成质量、效率和求解精度. 采用传统的背景网格法进行空间尺度分布控制需要在背景网格上求解微分方程得到背景网格上的尺度分布, 再将网格尺度从背景网格插值到真实空间点, 过程十分繁琐且耗时.本文从效率和自动化角度提出两种网格尺度控制方法, 首先发展了基于径向基函数(RBF)插值的网格尺度控制方法, 通过贪婪算法
流体运动理论上可用Navier?Stokes方程描述, 但由于对流项带来的非线性, 仅在少数情况可求得方程解析解. 对于复杂工程流动问题, 数值模拟难以高效精准计算高雷诺数流场, 实验或现场测量难以获得流场丰富细节. 近年来, 人工智能技术快速发展, 深度学习等数据驱动技术可利用灵活网络结构, 借助高效优化算法, 获得对高维、非线性问题的强大逼近能力, 为研究流体力学计算方法带来新机遇. 有别于传统图像识别、自然语言处理等典型人工智能任务, 深度学习模型预测的流场需满足流体物理规律, 如Navier?St
10 月15 日,由我校与盈趣科技股份有限公司共建的“盈趣科技电子信息产业学院”在我校集美校区揭牌成立.新成立的盈趣科技电子信息产业学院作为学校首批现代产业学院之一,致力于打造成为融人才培养、科学研究、技术创新、企业服务、学生创业等功能于一体的示范性人才培养实体.
智能颗粒定义为可以根据环境的变化而主动调整自身在流场中运动的颗粒, 一般用于描述微小的游动物体, 如微生物、浮游生物和微纳机器人. 由于颗粒运动学特性和流场环境的复杂性, 探索智能颗粒的运动策略是一项具有现实意义与挑战性的研究. 近期强化学习算法被应用于智能颗粒的运动策略研究, 并取得一定进展. 本文将讨论强化学习在智能颗粒研究中的应用, 并介绍浮游生物运动策略的相关研究进展, 包括适用于海洋浮游生物的游动颗粒模型, 以及强化学习的基本原理和此类问题的研究框架. 海洋浮游生物的昼夜垂直迁移对其生存和繁衍至
煤炭开采必然产生大量的矿井涌水,我国目前的矿井水整体上表现出水质相对较差、水处理成本较高等问题.首先明确了我国典型矿区矿井水水质的主体特征:常规离子是造成矿井水水质差的主要化学组分;矿井水中有毒有害物质占比小,且基本优于地下水Ⅲ类水质量标准.其次,详细探讨了我国矿井水水质形成、演化的几个科学问题,包括不同水文地质结构下物理-化学作用所起的主导作用,时间效应对水质演化的影响,微生物群落结构特征及其与环境因素的相关关系,水动力场-化学场-微生物场-温度场的多场耦合问题等.接着重点介绍矿井水污染防控的技术方法,