简介:利用“神光”-Ⅲ原型装置所用氙灯(内径为Ф31mm,弧长为1430mm,壁厚为3.5mm,管材为掺铈石英玻璃)进行高负载(爆炸系数fx=0.6)实验。图1给出了氙灯放电时的电流电压波形。实验发现,氙灯运行不到10发时,氙灯灯管内壁出现白色花纹,而且白色花纹的出现是随机的,并且不是一直都会存在。随着运行发次的增加,氙灯内壁出现乳状积淀物,发白区域从两端向氙灯中间延伸,但并不是均匀分布,而是成块状遍及整支灯管。运行到约20发时,在灯管内壁会出现短的亮线(即极限负载条纹),随着运行发次的增加,亮线的长度会沿圆周发展成弧形或圆环形,亮线的数量也会由两端离电极30mm处向氙灯中间增加,呈一系列的圆环分布,但圆环的间距并不相同,而且当氙灯冷却到室温时,可以观察到灯管内壁和氙灯下端(竖直)附有白色颗粒物。
简介:基于4阶Runge-Kutta法,介绍了“强光一号”加速器长脉冲状态的电路模型。该模型不仅考虑了电爆炸丝导体断路开关(electronexplosiveopeningswitch,EEOS)金属丝的电阻率随比作用量变化的特性,而且考虑了油间隙和真空二极管间隙击穿过程中等效阻抗的变化特性。仿真结果表明,该模型能够更好地反映EEOS的初始参数对放电回路电流和电压的影响规律,能够为加速器的运行和性能提升提供有力的技术参考。通过仿真计算和理论分析,认为“强光一号”加速器的初级储能系统——直线型变压器(lineartransformerdriver,LTD)经过升级改造后,EEOS的工作电压能够提升大约20%,且获得了EEOS最佳工作状态的参数。
简介:将热分解法应用于费-托合成模型催化剂的设计合成,并对一系列制备条件进行了系统的研究.结果显示,前驱体与载体物质的量比、搅拌速率和升温速率都对催化剂的分散度和颗粒的均一性有很大的影响.前驱体与载体比过大会导致颗粒致密堆叠,过小会导致颗粒过于分散.搅拌速率过慢会导致部分颗粒不依附载体生长,导致团聚;而转速过快会导致部分小颗粒形成大团簇.另一方面,升温速率会明显影响颗粒在载体上的成核结晶,进而影响颗粒的粒径大小,颗粒粒径会随着升温速率的增加而增加.当前驱体与载体物质的量比为0.024,搅拌速率为1800r/min,升温速率为8℃/min时,催化剂分散良好,粒径为16.9nm,催化剂负载量为11%,将此催化剂进行费-托合成反应性能测试发现催化剂在210℃,1.0MPa时转化率达到28.5%,C5+选择性达到85.5%,反应后催化剂形貌与结构得到了保持.
简介:针对客户时间窗变动对原物流配送车辆调度方案造成干扰的问题,运用干扰管理思想,分析干扰事件对路径、成本和服务时间三个方面的影响,对其干扰程度加以度量;以该干扰事件对原方案造成的广义费用偏离最小为目标,建立客户时间窗变动的干扰管理模型,通过判断客户时间窗变动对原方案是否产生影响进行干扰辨识,并基于该干扰辨识结果,设计基于禁忌搜索新的调度算法;算例不仅验证了模型和算法的有效性,而且,敏感性分析也验证了其对各种不同价值货物的适用性。实验结果表明,本文提出的干扰管理模型可以全面地刻画干扰对原方案的影响,干扰处理方法优于全局重调度方法,且能够在更短时间内生成满意的物流配送车辆调度调整方案。
简介:为适应自主驾驶车辆的高精度、高频率与高可靠性的导航要求,提出了一种机器视觉/数字地图/CP-DGPS共同辅助SINS的智能车辆组合导航方法,建立了组合导航系统的滤波模型。该滤波模型的量测信息不仅包括GPS与SINS形成的位置与姿态观测信息,还包括机器视觉/数字地图/SINS形成的横向偏差观测信息。通过对SINS的多重冗余辅助,使得导航系统具备容错能力。仿真结果表明,该组合导航系统能为智能车辆提供其空间位置、速度、加速度与姿态角等众多导航信息,并具有100Hz的高频输出、厘米级的导航精度和容错性能,当GPS较长时间中断时,通过SINS/视觉/数字地图的组合仍能为智能车辆提供可靠的导航数据。
简介:Unscented卡尔曼滤波(UKF)是一种新的非线性滤波算法,将其引入到GPS/DR系统的滤波中,并针对系统模型的特点对原UKF算法进行了简化,建立了新的滤波方法.仿真结果表明,同EKF相比,UKF的滤波精度和稳定性都显著提高了,还可避免计算烦琐的Jacobi矩阵,真正实现了低成本、高精度的导航定位要求.
简介:带柔性时间窗的开放式车辆路径问题(OpeningVehicleRoutingProblemwithFlexibleTimewin—dows,OVRPFTW)对物流配送中的延迟或者提早具有一定程度的容忍.本文首先建立了OVRPFTW的数学模型,然后分别将Sine映射,Chebyshev映射和Logistic映射引入基本蚁群算法,构建了三种混沌蚁群算法,并将其用于求解OVRPFTW.算倒测试表明:Sine映射和Chebyshev映射能够明显地改进基本蚁群算法的优化性能,基于Sine映射和Chebyshev映射的混沌蚁群算法的求解性能优于基本蚁群算法和基于Logistic映射的混沌蚁群算法.
简介:目前,随着电动汽车的普及,物流企业逐渐重视电动汽车的应用。本文考虑到电动汽车在实际应用中的行驶里程、充电耗时以及配送时间等因素,研究含时间窗的电动汽车车辆路径问题,建立了相应的混合整数规划模型,然后改进分支定价算法以求得其最优解。改进的分支定价算法首先根据Dantzig-Wolfe分解原理将原问题分解为基于路径的主问题(MP)和求最短路径的子问题,然后用列生成和动态规划算法在主问题和子问题之间进行迭代以求得主问题线性松弛后的最优解,最后采用基于弧的分支策略求得其整数解。通过用改进的Solomon算例的实验数据,与CPLEX比较验证了模型和算法结果的准确性,并对该问题进行了灵敏度分析,证明了本文提出的算法具有一定的应用价值。