期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
常温闭环脉动热管性能影响因素研究综述
1
作者 张宇航 吴思远 +2 位作者 孙瑜 赵日晶 黄东 《制冷学报》 CAS CSCD 北大核心 2024年第5期47-62,共16页
常温闭环脉动热管依靠工质在管内脉动和相变传热,具有传热效率高、结构简单、成本低等优点,广泛应用于电子元件散热。将影响脉动热管启动和传热性能的因素分为3类展开综述:结构参数、操作参数和工质物性参数。首先对结构参数中管径、截... 常温闭环脉动热管依靠工质在管内脉动和相变传热,具有传热效率高、结构简单、成本低等优点,广泛应用于电子元件散热。将影响脉动热管启动和传热性能的因素分为3类展开综述:结构参数、操作参数和工质物性参数。首先对结构参数中管径、截面形状、弯头数以及各段长度比等因素的研究进行总结,其次分析操作参数中加热功率、倾斜角度和充液率的影响,最后将工质物性参数分为影响流动和传热两方面进行归纳。为提升脉动热管启动和传热性能,未来需对临界弯头数开展深入研究;为适应小倾角和负角度工况,需要提升热管抗重力性能;为描述工质物性对热管性能的影响,需构建物性参数综合评价指标。 展开更多
关键词 闭环脉动热管 结构参数 操作参数 工质物性参数
在线阅读 下载PDF
Γ-分布类的条件概率封闭性 被引量:11
2
作者 申利民 田乃硕 《运筹与管理》 CSCD 2003年第4期26-30,共5页
X服从参数α和λ的Γ 分布,V与Y分别服从参数θ和λ的指数分布。我们证明了:在X<Y的条件下,X的条件分布是参数α和θ+λ的Γ 分布;在X<V<X+Y的条件下,V的条件分布是参数α+1和θ+λ的Γ 分布。称此类性质为Γ 分布类的条件概... X服从参数α和λ的Γ 分布,V与Y分别服从参数θ和λ的指数分布。我们证明了:在X<Y的条件下,X的条件分布是参数α和θ+λ的Γ 分布;在X<V<X+Y的条件下,V的条件分布是参数α+1和θ+λ的Γ 分布。称此类性质为Γ 分布类的条件概率封闭性。对离散的负二项分布也证明了类似的结果。 展开更多
关键词 概率论 数理统计 Г-分布 条件概率封闭性 指数分布 条件分布 ERLANG分布
在线阅读 下载PDF
闭式热虹吸管强化传热研究进展 被引量:11
3
作者 战洪仁 惠尧 吴众 《化工进展》 EI CAS CSCD 北大核心 2017年第8期2764-2775,共12页
介绍了闭式热虹吸管的工作原理和性能表征方式,从固有参数和操作条件两个方面对闭式热虹吸管强化传热研究进行了综述,阐述通过改变工质种类、充液率、结构参数、表面处理、加热功率、运行温度、倾角和冷却介质流量等因素对闭式热虹吸管... 介绍了闭式热虹吸管的工作原理和性能表征方式,从固有参数和操作条件两个方面对闭式热虹吸管强化传热研究进行了综述,阐述通过改变工质种类、充液率、结构参数、表面处理、加热功率、运行温度、倾角和冷却介质流量等因素对闭式热虹吸管性能影响的主要机理。归纳总结了上述因素对闭式热虹吸管传热性能影响的研究现状和变化规律,并指出目前闭式热虹吸管强化传热研究中的不足和局限性。建议研究中应确定各性能影响因素之间的协同关系,消除其他因素的影响,扩大所研究变量变化范围。此外建议将闭式热虹吸管强化传热研究与封闭空间内沸腾和冷凝等传热传质过程强化机理研究相结合,完善传热传质理论及计算公式。 展开更多
关键词 闭式热虹吸管 强化传热 性能表征 固有参数 操作条件
在线阅读 下载PDF
光腔中光子数态的形成
4
作者 白志明 王雅如 《河北轻化工学院学报》 1997年第4期30-34,共5页
以单光子跃迁J-C模型为基础研究了大量激发态原子逐个穿越光腔后,腔内光场统计分布的变化特性,给出了纯光子数态的形成条件及光场的挤压效应的一般规律。腔场稳定时。
关键词 光子数态 光腔 激发状态
在线阅读 下载PDF
基于GMM-PSO混合算法的电磁暂态模型参数校正方法 被引量:6
5
作者 郭艺潭 贾洪岩 +2 位作者 宋炎侃 寇建 沈沉 《电网技术》 EI CSCD 北大核心 2022年第8期3240-3247,共8页
提出了一种基于高斯混合模型(Gaussian mixture model,GMM)–粒子群优化(particle swarm optimization,PSO)混合算法的电力系统电磁暂态模型参数校正方法,旨在根据实测波形校准仿真模型参数,使模型产生的波形曲线最符合客观现实。参数... 提出了一种基于高斯混合模型(Gaussian mixture model,GMM)–粒子群优化(particle swarm optimization,PSO)混合算法的电力系统电磁暂态模型参数校正方法,旨在根据实测波形校准仿真模型参数,使模型产生的波形曲线最符合客观现实。参数校正问题可以建模为优化问题,即在符合约束条件的各个参数组合中找到估计误差最小的组合。首先,不同于广泛使用的最小二乘法、卡尔曼滤波等模型驱动的参数校正方法,基于贝叶斯分析中参数随机变量化的思想,通过随机指定关键参数并仿真生成大量曲线,将仿真曲线与实测曲线之间的误差定义为特征量。然后,以GMM为工具,将特征量与关键参数的关系建模为联合概率分布。接着基于GMM的条件概率不变性建立特征量到参数的反向映射,从而得到参数的后验分布,并通过其统计量确定对应特定特征量的参数取值。考虑到校正目标的模糊性,采用粒子群算法对特征量进行闭环校验。最后,使用CloudPSS平台搭建测试算例,验证了算法在高维参数校正问题中的有效性。 展开更多
关键词 高斯混合模型 参数校正 后验分布 条件概率 闭环校验 数据驱动
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部