简介：建立了一个具有蛇形通道,采用Nafion117膜单体质子交换膜燃料电池的三维数学模型,该模型同时考虑了流动、传热、传质、电化学动力学和多组分传输现象.通过求解传输方程组,并耦合电化学动力学方程,获得了电池的极化性能曲线和电池内部的反应物浓度、温度、速度分布.计算结果表明,增加电极孔隙率、提高电池运行温度和压力有助于改善电池性能.估算的极化性能与文献中的实验数据基本符合.分析了运行条件对电池性能的影响.

简介：在半透明均匀折射率介质内矢量辐射传输过程中辐射熵传递方程及其数值模拟方法的基础上,研究了偏振度对矢量辐射传输过程中辐射熵产的影响。均匀折射率介质内辐射光束的起偏和改偏通过相距阵实现。计算结果表明：由介质内吸收发射过程的不可逆性产生的光谱辐射熵产数随着偏振度增加而减小,而由介质散射过程的不可逆性产生的光谱辐射熵产数随着偏振度增加而增加;偏振度对介质内的光谱辐射熵强度的影响很大,若不考虑偏振,光谱辐射熵强度的相对误差最大可达到18.04%;在整个系统中,光谱辐射熵产数满足热力学第二定律。

简介：燃煤锅炉是复杂的多变量系统，其飞灰的含碳量形成机理复杂，不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大，测试工况有限等缺点；燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量，其相互耦合，导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱，应用该方法可以良好的描述其输入输出之间的黑箱特性，因此，人工神经网络应用广泛。利用燃煤锅炉试验数据，采用3层BP（backpropagation）神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证，该BP神经网络对飞灰含碳量相对预测误差在0．19％～0．50％，预测效果良好。测试结果表明，建立的神经网络预测模型可以准确逼近验证样本数据，也能够较好的逼近非验证样本数据，具有良好的泛化能力。

简介：针对柴油机缸盖振动信号的非平稳时变特点，提出应用小波包能量法提取故障特征向量，并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的，对其他设备的故障诊断也具有借鉴意义。

简介：本文在阐述了发动机气门漏气声学特性及其振动诊断机理的基础上，针对发动机缸盖振动信号的特点，运用小波包对采集的振动信号进行3层分解、重构、提取特征向量。然后将特征向量作为概率神经网络的输入，构建网络模型。再用测试数据验证诊断模型的正确性。诊断结果表明该方法是可行的，并取得了较好的效果。

简介：对应用于温度场分析的热网络方法及基于热网络法的软件SINDA/FLUINT进行了介绍。利用热网络法和流体网络法对某发动机舱进行热仿真与热分析。建立了飞行器发动机舱各部件与其内外流体之间的网络关系及仿真模型,并进行耦合求解,得到此发动机舱各部件不同位置的温度分布,并对优化方案进行了仿真。其结果为发动机舱热分析及布局设计提供了参考。