叶轮机械的性能预测对叶轮机械运行的经济、安全性有着非常重要的影响,本项目在早期的神经网络预测通风机及压缩机性能和流场计算、实验数据的基础上,用改进的BP神经网络和小波网络来预测通风机及压缩机的性能;根据现有实际运行的通风机及压缩机的数据,建立了通风机及压缩机的样本库来保证预测的可靠性;对某些通风机进行实验研究与流场计算;基于所提出的通风机性能预测的小波网络模型,对传统的设计方法进行了改进,提出了一种通风机设计的新方法。所设计的通风机运行将近一年,安全可靠,流量、压头、性能均达到预先要求,性能优于进口机组。具有很强的理论价值及应用前景。圆满地完成了本项目的预期计划与目标。
{{i.achievement_title}}
数据更新时间:2023-05-31
Ordinal space projection learning via neighbor classes representation
基于纳米铝颗粒改性合成稳定的JP-10基纳米流体燃料
Image super-resolution based on sparse coding with multi-class dictionaries
Phosphorus-Induced Lipid Class Alteration Revealed by Lipidomic and Transcriptomic Profiling in Oleaginous Microalga Nannochloropsis sp. PJ12
Numerical investigation on aerodynamic performance of a bionics flapping wing
求解线性规划的快速实用算法与标准化软件
非线性规划约束变尺度算法的新研究及其在均衡约束优化中的应用
线性与非线性规划中的投影收缩算法及其应用
线性规划对偶投影最钝角松弛算法的研究