【摘 要】
：
气固两相流可应用于各行各业,例如化工、食品加工、制药、汽车、电力等行业。流动过程的精确测量和实时监控在现代工业时代引起许多关注。资源的日益减少和对资源的高效利用的需求,促使研究人员在过去的数十年中对气固两相流的监测和测量过程进行了研究,并努力发展到用于流型的可视化和质量流率量化的设计工具。通常,在非侵入测量技术的情况下,需要知道固体颗粒的体积浓度和速度曲线来推导出质量流量（MFR）。本文使用ANS
论文部分内容阅读
气固两相流可应用于各行各业,例如化工、食品加工、制药、汽车、电力等行业。流动过程的精确测量和实时监控在现代工业时代引起许多关注。资源的日益减少和对资源的高效利用的需求,促使研究人员在过去的数十年中对气固两相流的监测和测量过程进行了研究,并努力发展到用于流型的可视化和质量流率量化的设计工具。通常,在非侵入测量技术的情况下,需要知道固体颗粒的体积浓度和速度曲线来推导出质量流量（MFR）。本文使用ANSYS R16.0 FLUENT研究了固体颗粒的流动,对重力作用下倾斜通道中内固体颗粒流动的可视化进行了深入研究。在许多工业过程中,由于固体颗粒的粘性而导致的流动管道阻塞是一个大问题。可视化的诠释对于解决这些问题很重要。本次研究的目标之一是表征气固两相流,既在倾斜通道中利用沙子作为流动工质的气固流动行为。基于固体颗粒通过倾斜通道的流动模式,本论文提出了一种新颖的非侵入式的固体颗粒质量流量测量系统的结构设计,该系统同时使用电学和力学传感器,对二者各有的优劣进行互补。固体颗粒在重力作用下沿着绝缘的倾斜通道滑动的状态下,速度分布和体积流量由电学传感器进行计量。此外,称重传感器作为第二传感器以计量质量流量。同时,对两个传感器的实验结果进行比较,研究在不同条件下两个传感器的测量精度和相对误差。
其他文献
新型冠状病毒肺炎（COVID-19）是一种急性呼吸道传染病,由严重急性呼吸综合征冠状病毒2（SARS-CoV-2）感染所引发。其传播迅速、致病性强,以发热、乏力、干咳为主要表现。临床上以中医理论为指导,发挥中医药整体调节的优势,联合现代医学先进诊疗手段,对新冠肺炎治疗起到了积极的作用。肠道微生态平衡是机体内环境稳定的重要保障因素,有研究表明,新冠肺炎的发生发展与肠道微生态紊乱及机体免疫功能下降息息
为了满足测量与仪器领域的重大发展的需求,本文研究的主题受到了广大科学家和研究人员的高度重视。现代系统的设计必须紧随发展的步伐,并找到新的算法,具有低成本的设计,低成本的材料和高性能以适应不同的应用,这是一个重要和热点问题。本文着重于调整激光在通用系统以及作为特例的燃烧系统的光路。在这样的系统,我们需要纠正光路的角度偏差。本文的技术是基于高性能控制的设计模型与可接受的误差。这类系统是非线性系统,所以
批次过程在现代智能制造工业中占据重要地位,用于生产具有高附加值的精细化产品,其产品质量在很大程度上取决于控制系统跟踪参考轨迹的精度。批次过程在有限时间区间内重复运行,而迭代学习控制能够通过学习历史运行数据修正当前控制输入,达到沿批次不断提高跟踪精度的目的,因而成为当今批次过程控制的主流方法。迭代学习控制是典型的一维控制算法,控制律只沿迭代轴更新,在时域上采用开环控制结构。因此,迭代学习控制不具备实
自抗扰控制（Active disturbance rejection control,ADRC）因其对系统“总扰动”的自发估计和抑制能力使其逐渐受到越来越多研究者的关注,同时由于其在工业领域的成功应用展现了其广泛的应用前景,但其理论研究还有待进一步加强。本文从线性自抗扰控制（Linear ADRC,LADRC）设计、分析及参数整定这一课题出发,主要对二阶自抗扰控制参数整定、针对延迟系统改进自抗扰控
软件度量数据库的复杂性使得缺陷数据集和无缺陷数据集模块难以区分,而从数据模型的发展过程来看,软件度量数据集对于度量数据的预处理至关重要,旨在提高机器预测模型数据集精度和性能。在计算领域,研究人员的关注主要集中在软件数据集模型中存在的缺陷数量,由于易变形数据集与准确性有着密不可分的关系,研究人员的主要目的是快速识别和纠正软件中存在的易变形缺陷。目前,世界上最大的科技公司也有自己的一致性注册方案,解决
梯级水库作为开发与利用水能资源这一清洁可再生能源的重要工程措施,通过对一段时期内入库径流实施有计划调蓄,梯级水库可实现洪旱灾害的防范抵御、水电企业的效益增长、电网的安全稳定运行、生态环境的保护修复等多方面重大任务。并且近年来我国出台了一系列清洁能源消纳的鼓励政策,水能资源支持的水电行业已成为我国能源结构转变的关键。目前随着乌江、雅砻江、金沙江等十三大水电基地建设的逐步完成,我国各个流域内梯级水库系
布里渊光时域反射（BOTDR）分布式光纤传感系统具有结构简单和单端测量等优点,能够实现温度和应变的大范围、同时测量,在大型建筑和设备的健康状态监测和故障诊断领域展现出独特的优势并得到了越来越多的关注和研究。然而,由于BOTDR传感系统性能指标相互制约,使其仍无法满足很多应用场合中对测量精度和测量时间的要求。针对BOTDR传感系统的性能优化问题,本文在深入研究BOTDR传感系统特性的基础上,分析系统
目标检测是计算机视觉领域的一个基本且重要的研究方向。其主要目的是识别图像中的所有物体并定位它们的位置。作为图像理解和计算机视觉的基石,目标检测成为解决高级复杂视觉任务的基础解决方案。近年来,随着深度学习的飞速发展,目标检测技术已经取得了巨大的突破。目前,目标检测已广泛应用于许多领域,例如:图像分割、场景理解、目标跟踪、图像描述、事件检测、自动驾驶、智能监控和医学图像分析等。然而,尽管目标检测领域的
随着人工智能的深入发展和科技的飞速进步,传统监督学习已经无法满足日益复杂的学习问题和数据形式。在现实生活场景中,常需要基于同一组输入变量训练并预测多个输出变量。为应对上述学习任务,时下备受关注的多标记分类学习应运而生。由于多标记数据含多个标记变量,输出空间的急剧膨胀导致了如下挑战:一方面,受限于存储空间和时间开销等因素,为每个可能的标记变量子集训练一个学习器显然是不现实的;另一方面,标记的激增造成
为应对5G/B5G网络新型通信技术场景给网络资源管理带来的挑战,本文重点围绕网络能耗问题和低时延需求,开展5G/B5G网络高效协同资源管理研究。针对5G/B5G网络能耗问题,研究基于用户体验的高能效网络资源管理模型、大规模MIMO场景下高能效的资源管理模型、供电侧能量感知的低时延网络资源管理模型。针对低时延需求,研究边缘计算场景下低时延网络资源管理模型、基于联邦学习的分布式资源管理方法等关键理论方