受限于计算机的计算能力与计算的成本,实际的计算过程中,往往要对流体做出一些物理假设,如无粘流体、不可压缩流体等,但是这将给计算带来不同程度的误差.为解决此问题,提出了一种对弱可压缩粘性流动问题进行求解的数值方法.该方法不仅...受限于计算机的计算能力与计算的成本,实际的计算过程中,往往要对流体做出一些物理假设,如无粘流体、不可压缩流体等,但是这将给计算带来不同程度的误差.为解决此问题,提出了一种对弱可压缩粘性流动问题进行求解的数值方法.该方法不仅可以对计算域内包含静止固体的流场进行计算,也适用于包含运动固体的弱可压缩粘性流场的求解.该方法从水的状态方程开始,对弱可压缩粘性流体运动的速度与压力方程进行了严格推导.考虑到流场中固体的影响,使用边界数据浸入法(Boundary Data Immersion Method, BDIM)将流体子域与固体子域之间耦合,而所使用的BDIM可将流体及水下声学计算中的运动物体准确地表示出来.因此,本文首次将弱可压缩粘性流动计算与BDIM结合起来,并解决了考虑流体的弱可压缩性与粘性的流场求解问题.为验证所提方法的有效性及准确性,计算了3个二维经典算例,并将计算结果与采用其他方法所得数据结果进行比较.对比结果表明,在考虑流体的弱可压缩性与粘性的前提下,本文所提出的新算法可对运动流体中存在静止或运动固体的流场进行准确有效的计算.展开更多
现有的多模态间歇过程软测量未考虑过程数据的批次差异及过渡模态的复杂时变特性,影响了间歇过程模态识别的合理性及质量变量在线软测量的准确性。提出了一种基于双边界支持向量数据描述-相关向量回归(double boundary support vector d...现有的多模态间歇过程软测量未考虑过程数据的批次差异及过渡模态的复杂时变特性,影响了间歇过程模态识别的合理性及质量变量在线软测量的准确性。提出了一种基于双边界支持向量数据描述-相关向量回归(double boundary support vector data description-relevance vector regression,DBSVDD-RVR)的间歇过程质量变量在线软测量方法。依据间歇过程离线模态划分获得的各稳定及过渡模态历史数据,建立DBSVDD在线模态识别模型,并引入滑动窗,构建间歇过程在线模态识别策略,利用DBSVDD模型实现在线测量数据的模态识别;在此基础上,构建了基于超球体距离的数据相似度计算方法,选择过渡模态在线数据的相似建模数据集,建立过渡模态的即时学习RVR软测量模型,并依据历史数据建立各稳定模态的RVR软测量模型,实现间歇过程质量变量的在线软测量。青霉素发酵过程的实验结果表明,所提方法有效地提高了间歇过程模态识别的合理性和质量变量在线软测量的准确性。展开更多
文摘受限于计算机的计算能力与计算的成本,实际的计算过程中,往往要对流体做出一些物理假设,如无粘流体、不可压缩流体等,但是这将给计算带来不同程度的误差.为解决此问题,提出了一种对弱可压缩粘性流动问题进行求解的数值方法.该方法不仅可以对计算域内包含静止固体的流场进行计算,也适用于包含运动固体的弱可压缩粘性流场的求解.该方法从水的状态方程开始,对弱可压缩粘性流体运动的速度与压力方程进行了严格推导.考虑到流场中固体的影响,使用边界数据浸入法(Boundary Data Immersion Method, BDIM)将流体子域与固体子域之间耦合,而所使用的BDIM可将流体及水下声学计算中的运动物体准确地表示出来.因此,本文首次将弱可压缩粘性流动计算与BDIM结合起来,并解决了考虑流体的弱可压缩性与粘性的流场求解问题.为验证所提方法的有效性及准确性,计算了3个二维经典算例,并将计算结果与采用其他方法所得数据结果进行比较.对比结果表明,在考虑流体的弱可压缩性与粘性的前提下,本文所提出的新算法可对运动流体中存在静止或运动固体的流场进行准确有效的计算.
文摘现有的多模态间歇过程软测量未考虑过程数据的批次差异及过渡模态的复杂时变特性,影响了间歇过程模态识别的合理性及质量变量在线软测量的准确性。提出了一种基于双边界支持向量数据描述-相关向量回归(double boundary support vector data description-relevance vector regression,DBSVDD-RVR)的间歇过程质量变量在线软测量方法。依据间歇过程离线模态划分获得的各稳定及过渡模态历史数据,建立DBSVDD在线模态识别模型,并引入滑动窗,构建间歇过程在线模态识别策略,利用DBSVDD模型实现在线测量数据的模态识别;在此基础上,构建了基于超球体距离的数据相似度计算方法,选择过渡模态在线数据的相似建模数据集,建立过渡模态的即时学习RVR软测量模型,并依据历史数据建立各稳定模态的RVR软测量模型,实现间歇过程质量变量的在线软测量。青霉素发酵过程的实验结果表明,所提方法有效地提高了间歇过程模态识别的合理性和质量变量在线软测量的准确性。
