【摘 要】
：
为了探究流注放电过程中初始电离区域形状对流注发展的影响,使用COMSOL Multiphysics软件对板-板间隙为10 mm的流注放电过程进行二维模拟。仿真结果表明,在标准大气压下,初始电离区域形状的改变会对流注的时空发展特性产生影响。流注的发展速率随着分布位置间隔的增大而降低,流注通道出现明显的分叉现象。根据初始电离区域形状不规则性提出一种包络面轮廓指示法,通过识别与特定电子密度相关的指示轮廓
【机 构】
：
上海电力大学电子与信息工程学院,上海电力大学自动化工程学院
论文部分内容阅读
为了探究流注放电过程中初始电离区域形状对流注发展的影响,使用COMSOL Multiphysics软件对板-板间隙为10 mm的流注放电过程进行二维模拟。仿真结果表明,在标准大气压下,初始电离区域形状的改变会对流注的时空发展特性产生影响。流注的发展速率随着分布位置间隔的增大而降低,流注通道出现明显的分叉现象。根据初始电离区域形状不规则性提出一种包络面轮廓指示法,通过识别与特定电子密度相关的指示轮廓线,对流注放电的头部分叉情况做出预测。
其他文献
提高取水监测数据质量是水资源管理中的紧迫问题。以工业取水监测数据为样本,梳理其异常类别,按照"粗筛选-精识别-再重构"思路,提出基于分段式3σ准则与小波变换、Fourier函数相结合的多尺度工业取水监测异常数据识别方法。采用自适应惯性函数与粒子群优化的最小二乘支持向量机模型重构恢复异常数据。结果表明,分段式3σ准则对数据的粗处理效果较好,采用Fourier函数可有效降低数据小波变换中的信息损失,提
随着经济和信息化的快速发展,电网规模的不断扩大,电网用户的故障报修数量呈逐年上升的趋势。针对目前电网用户故障报修工单难以自动化分析和处理的问题,提出一种基于AT_CNN算法与Attention-BiGRU的融合网络,该网络可将以上两种互补模型提取的局部特征和整体特征进行拼接融合。其中的AT_CNN算法利用Attention池化与Top k池化结合的方法对池化层进行改进,能更好提取上下文的文本特征。
摘 要 幼儿园教育指导纲要指出：家庭是幼儿园的重要伙伴。家访是幼儿园和家长之间的联系。要努力争取家长的理解和积极参与，按照尊重和平等合作的原则，积极支持和帮助家长提高教育能力。多年来，我们把家访作为父母工作的起点，在周密规划、组织健全、沟通到位、工作细致、对父母的正确引导、方法得当、形式多样、实效性强、制度完善、规范化等方面进行了初步探索和尝试。 关键词 幼儿园;教师;家访 中图分类号：G61
为了充分利用变压器油中溶解气体含量的特征信息,提高故障诊断准确率,提出基于深度收缩自编码器(DCAE)与支持向量机(SVM)相结合的故障诊断方法。使用无标签样本数据对收缩自编码器进行逐层训练学习,获取到高层特征表示并确定网络结构参数;通过用有标签样本数据对DCAE-SVM网络进行微调,确定最优网络参数并完成故障诊断。实验结果表明,该混合模型故障诊断精度较高、鲁棒性强。
本文报道了电化学催化条件下,以2-氨基苯酚为原料,在室温和无氧化剂存在的条件下,经氧化环化反应以中等产率得到了酚恶嗪酮类化合物。目标产物经核磁和高分辨质谱进行了表征,
摘 要 在幼儿歌唱教学中，教师必须要根据幼儿的发展规律、兴趣爱好进而设计合理的教学环节，选择行之有效的教学方法来调动幼儿的学习动力，实现师幼互动、幼幼互动，加强幼儿的音乐感受，培养幼儿的歌唱能力。但现如今的歌唱活动中，有些教师自己歌唱时声音与情感的表达就不准确，给幼儿提供了错误的示范，对歌曲作品的分析不到位，影响了幼儿对歌曲的感受体验与表现。 关键词 影视资源;幼儿园;歌唱教学;有效性 中图分
对电动出租汽车行驶状态预测是交通状况和负荷预测方面的重要研究内容。通过模拟电动出租汽车行驶状态,匹配电动出租汽车特殊的行驶特征,提出一种基于隐马尔可夫模型(HMM)的行驶状态预测改进模型。利用出租汽车GPS行驶数据,通过载客情况和停留识别算法进行行程划分。在求解电动出租汽车的行驶状态时,使用滑动窗口模型改进状态转移概率求解,通过Baum-Welch算法求解观察概率与初始概率分布。测试结果表明HMM
针对烹调步骤繁复、调料添加顺序及用量难以把控的问题,设计了本款智能厨房管家。该装置通过固液体给料、撒料、出料模块和倒菜翻炒模块的协调运作,实现调料与食材的精准添加
综述基于神经网络的异常心电图诊断的应用,目的是提供神经网络在该方面的详细研究。概述常见的神经网络算法以及心电信号检测分类的过程。通过回顾近三年的相关文献,重点关注不同网络架构的性能表现,诸如准确度、特异性和敏感性等性能指标。讨论当前研究存在的问题,并进行研究展望。
朱俊贤,一个67岁两袖清风、退了休的老法官,和他那部形影相随的坐骑,完成了累计近五万公里的骑行计划。北京、青藏高原、拉萨、缅甸、云南……都曾留下过他的足迹。虽然风尘