导读:本文包含了半经验方法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:经验,噪声,核素,方法,模型,霍尔,能量。
半经验方法论文文献综述
陶焰明,肖为,江立军[1]（2019）在《基于半经验耦合的贫熄边界预测方法》一文中研究指出提出了一种根据FV(flame volume)模型与燃烧室热态仿真相结合的贫油熄火边界耦合预测方法。利用两种不同构型五个不同方案燃烧室的贫熄试验数据对此方法进行验证,结果表明:对于直流型燃烧室与回流型燃烧室,FV模型中的经验常数K分别取1.35和0.55时,能够保证各方案燃烧室的贫油熄火边界预测精度均在±20%以内。相比于Lefebvre模型,此方法的计算精度更高、适用范围更广。(本文来源于《航空动力学报》期刊2019年05期）
吴楠,毛威,沈岩,胡鹏,扈延林[2]（2019）在《基于半经验模型的霍尔推力器壁面腐蚀形貌预测方法研究》一文中研究指出为了研究霍尔推力器通道壁面溅射腐蚀对于推力器寿命的影响,针对霍尔推力器通道壁面溅射腐蚀演化过程,建立了预测推力器腐蚀形貌的半经验模型。该模型根据试验测量形貌数据,反推离子源模型,结合腐蚀速率公式,对霍尔推力器的壁面形貌进行演化预测。分别以SPT-100,T-220及KM-45短时间的壁面形貌作为输入条件,对不同功率量级推力器的壁面腐蚀过程、预测误差和腐蚀速率进行了研究。数值模拟结果表明,对于10kW级T-220,1kW级SPT-100以及百瓦级KM-45推力器,壁面形貌的平均误差分别为2.65%,2.88%和3.64%。推力器壁面形貌的预测结果与实际测量值基本一致,该模型可用于霍尔推力器壁面形貌预测以及寿命预估。(本文来源于《推进技术》期刊2019年11期）
陈亮亮[3]（2019）在《基于半经验融合方法的锂离子电池剩余寿命预测》一文中研究指出针对锂离子电池剩余使用寿命预测中机理模型建立复杂、数值求解困难,而纯数据驱动方法通用性不强的问题,提出了一种基于高斯拟合模型和粒子滤波算法相结合的半经验融合预测方法。首先设计并实现锂离子电池寿命衰减实验采集多组数据,其次利用MATLAB工具进行数据预处理并利用高斯拟合方法建立寿命衰减规律描述公式,再基于此建立寿命衰减状态空间模型和观测模型,最后利用粒子滤波算法进行跟踪预测。结果表明此预测方法能达到小于5%的预测精度。(本文来源于《佳木斯大学学报(自然科学版)》期刊2019年01期）
邓雄志,刘涛,苏泽博[4]（2018）在《轿车底盘橡胶衬套半经验设计方法研究》一文中研究指出为改进橡胶衬套的设计方法,利用仿真模型研究了橡胶衬套结构尺寸与刚度的关系,用刚度相对变化率描述了结构尺寸对各向刚度的影响。基于研究结果提出了橡胶衬套的半经验设计方法,并采用该方法对某B级轿车下摆臂衬套进行了结构设计,通过叁步结构调整获取的四向刚度均满足设计目标要求。研究表明,橡胶衬套的半经验设计方法解决了衬套结构设计刚度匹配难的问题,具有较高的工程应用价值。(本文来源于《汽车技术》期刊2018年07期）
杨春蕾,朱仁传,莫中华,洪亮,陆明锋[5]（2018）在《改进的预报集装箱船波浪增阻的半经验方法》一文中研究指出波浪增阻的精确预报对船舶实际航行的性能分析具有重要意义。论文采用理论的和半经验方法,对集装箱船进行了规则波迎浪航行波浪增阻计算,与试验结果进行了比较,分析吃水和航速影响。理论方法基于水平线段移动脉动源的叁维面元法求解速度势问题,进而采用叁维船体辐射能量法得到船舶辐射增阻,基于二阶波浪力中绕射势得到绕射增阻;经验方法采用ISO15016-2015推荐的STAWAVE2方法。通过分析两种方法波浪增阻成分占比,得出了不同方法在不同频域段的适用范围。对半经验方法计算波浪增阻的关键参数进行了讨论,结合理论计算结果的趋势,针对集装箱船船型,提出了反映船型特征的预报波浪增阻的半经验方法。(本文来源于《中国造船》期刊2018年01期）
肖为,罗莲军,马柱,江立军[6]（2018）在《双油路离心喷嘴雾化特性的半经验预测方法》一文中研究指出为了掌握主、副油路相互干涉的机制,进而获得双油路离心喷嘴雾化特性的预测工具,开展了双油路离心喷嘴的理论和试验验证研究,研究中所涉及的供油压差范围为0.05~3MPa。理论推导了双油路离心喷嘴液膜破碎长度和索太尔平均直径(SMD)的半经验预测公式,并使用了3个不同结构的双油路离心喷嘴进行了试验验证。结果表明:双油路离心喷嘴破碎长度和SMD的预测精度达到±20%。这些半经验关系式可以作为双油路离心喷嘴设计阶段的预测工具和仿真边界条件。(本文来源于《航空动力学报》期刊2018年02期）
[7]（2017）在《IEC 62957-1:2017 辐射防护仪器-探测性能评估和放射性核素识别的半经验方法-第一部分:仪器的性能评估,静态模式识别放射性核素》一文中研究指出(发布日期:2017年9月20日)本部分规定了使用半经验方法进行仪器探测性能评估和放射性核素识别的数据准备和数据输入要求。本部分对结果的解释和整合方法提出了建议,并建立了一种共享数据和分析结果的方法。本部分适用于静态模式下的放射性核素识别性能评估,即,测量几何学不变的情况(例如:在起止模式下处于同一测量几何条件的放射性核素识别装置)。(本文来源于《核标准计量与质量》期刊2017年04期）
赵雯,姜在秀,毛东兴[8]（2017）在《喷流混合噪声半经验预测方法的比较与分析》一文中研究指出0引言1目前对于湍流混合噪声的预测方法,通常是使用基于RANS计算的半经验预测模型,该方法具有计算快速和准确性高的特点。ManiGliebe-Balsa(MGB)~([1])方法是首次使用RANS湍流模型将喷流湍流的统计量和噪声特性结合起来,基于声类比理论,对喷流噪声进行预测的方法。Abbas Khavaran~([2])改进了MGB方法只能计算各向同性的问题,提出了预测轴对称喷流噪声的方法,即MGBK方法。Tam和Auriault~([3])则提出了一个完全不同于声(本文来源于《中国声学学会2017年全国声学学术会议论文集》期刊2017-09-22）
刘芹[9]（2017）在《应用神经网络方法优化密度泛函近似中的半经验参数》一文中研究指出机器学习现阶段受到了各个行业的学者的关注。随着机器学习的发展,其已经不仅仅应用于人工智能等信息科学,在物理、化学、材料等领域也存在着巨大的应用前景。在技术发展的过程中,信息的传播速度快并且体量多,研究数据的增多和技术的发展促进了机器学习在各个领域的应用。理论化学家们将机器学习的方法引入密度泛函理论(density functional theory, DFT)中,提高DFT在热化学数据计算方面的计算精度。在之前的研究中,陈冠华研究组、徐昕研究组等均已经将密度泛函理论与机器学习相结合,对密度泛函的计算结果进行后期校正,提高了生成热、异构化能、键解离能等能量的计算精度,这些方法取得了令人鼓舞的结果。在2004年,郑晓与合作者利用人工神经网络(neural network, NN)进行训练,使杂化泛函B3LYP交换相关项中的叁个参数具有体系依赖性,优化了 B3LYP泛函中的交换相关项,提高了 B3LYP方法在生成热、电离势、质子亲合能等热化学数据上的计算的准确性,为密度泛函理论方法计算精度的提高开辟了新的思路。本文将机器学习与长程校正(long-range correction,LC)密度泛函LC-BLYP相结合,优化LC-BLYP交换相关项中具有体系依赖性的确定长短程比例的参数μ。LC-BLYP中的参数μ与分子体系有关,我们训练得到的神经网络的权重是与体系无关的,神经网络是普适的。应用神经网络可以得到不同分子体系下不同的μ值,优化LC-BLYP中的交换相关项,提高LC-BLYP的计算精度。我们设计了简单的反向传播神经网络,基于G2/97,G3-99, HTBH38/04和NHTBH38/04中的362个分子(368个能量)组成的训练数据库来优化神经网络的权重,利用自动编码器进行分子描述算符(descriptor)的预训练作为神经网络的输入层,利用遗传算法得到训练数据库中每个分子最合适的μ值作为神经网络的输出层。在训练数据库中,应用神经网络优化LC-BLYP泛函参数后的LC-BLYP-NN方法与传统的LC-BLYP相比较,保持了传统的LC-BLYP在反应能垒计算中较高的精度,对原子化能和生成热的计算误差大幅度下降,对电离势和电子亲和能的计算精度与传统的LC-BLYP方法的计算精度相近。此外,我们利用额外的146个分子组成测试集,验证生成的神经网络的功能。测试的结果进一步表明,LC-BLYP-NN方法与传统的LC-BLYP相比对生成热的计算精度有显着提高,对电离势和电子亲和能的计算精度变化较小,对反应能垒的计算仍保持在较高的精度。结果表明我们的神经网络是可靠的,具有较高的实用性,提高了 LC-BLYP的计算精度,说明机器学习与密度泛函结合优化泛函中的参数是一个有前途的尝试,有利于密度泛函近似方法的发展。(本文来源于《中国科学技术大学》期刊2017-05-01）
崔岩松[10]（2017）在《风电机组半经验尾流模型改进方法研究》一文中研究指出风电机组尾流效应引起尾流区风速降低、湍流度增加,导致下游风电机组功率损失、疲劳载荷增加,影响风电场经济效益。工程应用中常用半经验尾流模型来定量描述尾流效应的影响,目前常用半经验尾流模型的计算精度和适用性仍然有待提高。围绕该问题,提出了基于高精度尾流数值模拟结果的半经验尾流模型改进方法,该方法有充足的尾流区信息作为数据支撑,又节省了风洞试验的高昂成本。首先,以NREL Phase VI风电机组为研究对象,建立了叁维整机全流场结构化网格数值模型,开展了单台机组尾流定常与非定常雷诺时均数值模拟,研究了尾流区风速、湍流强度分布规律。在此基础上,以Jensen模型为例对半经验尾流模型进行了改进,提高了计算精度,并对改进模型进行了验证。主要内容和结论:(1)开展了风电机组尾流数值模拟,得到了详尽的风电机组尾流区流动信息。建立了叁维整机全流场结构化网格数值模型,开展了非定常雷诺时均(URANS)与定常雷诺时均(RANS)模拟,通过与文献中大涡模拟(LES)结果进行对比,验证了模拟方法的可靠性。基于叁维整机全流场结构化网格数值模型的URANS模拟结果较准确地反映了尾流区风速分布,可为半经验尾流模型改进工作提供数据依据。(2)以风电机组尾流数值模拟结果为依据,改进了半经验尾流模型。基于叁维整机尾流URANS模拟结果中的风速、湍流强度等数据,开展了Jensen半经验尾流模型的改进工作。基于质量守恒方程,采用抛物线函数描述风速沿径向的变化规律,并进一步考虑环境湍流强度和风轮旋转附加湍流强度对尾流恢复速率的综合影响,对尾流衰减系数进行了修正,得到了改进后的Improved Parabolic Jensen尾流模型,提高了尾流模型的计算精度。(3)开展了单台机组尾流激光雷达测风实验,验证了改进半经验尾流模型的准确性与适用性。基于风电场激光雷达测风试验获取的尾流区风速数据和文献中公开的ECN风洞试验数据、Sexbierum风电场测风塔尾流测风数据,对改进半经验尾流模型进行了验证,并与Larsen尾流模型计算结果进行了对比,验证了Improved Parabolic Jensen模型的准确性与适用性,证明了基于高精度数值模拟结果的半经验尾流模型改进方法的可行性。(本文来源于《华北电力大学(北京)》期刊2017-03-01）
半经验方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了研究霍尔推力器通道壁面溅射腐蚀对于推力器寿命的影响,针对霍尔推力器通道壁面溅射腐蚀演化过程,建立了预测推力器腐蚀形貌的半经验模型。该模型根据试验测量形貌数据,反推离子源模型,结合腐蚀速率公式,对霍尔推力器的壁面形貌进行演化预测。分别以SPT-100,T-220及KM-45短时间的壁面形貌作为输入条件,对不同功率量级推力器的壁面腐蚀过程、预测误差和腐蚀速率进行了研究。数值模拟结果表明,对于10kW级T-220,1kW级SPT-100以及百瓦级KM-45推力器,壁面形貌的平均误差分别为2.65%,2.88%和3.64%。推力器壁面形貌的预测结果与实际测量值基本一致,该模型可用于霍尔推力器壁面形貌预测以及寿命预估。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
半经验方法论文参考文献
[1].陶焰明,肖为,江立军.基于半经验耦合的贫熄边界预测方法[J].航空动力学报.2019
[2].吴楠,毛威,沈岩,胡鹏,扈延林.基于半经验模型的霍尔推力器壁面腐蚀形貌预测方法研究[J].推进技术.2019
[3].陈亮亮.基于半经验融合方法的锂离子电池剩余寿命预测[J].佳木斯大学学报(自然科学版).2019
[4].邓雄志,刘涛,苏泽博.轿车底盘橡胶衬套半经验设计方法研究[J].汽车技术.2018
[5].杨春蕾,朱仁传,莫中华,洪亮,陆明锋.改进的预报集装箱船波浪增阻的半经验方法[J].中国造船.2018
[6].肖为,罗莲军,马柱,江立军.双油路离心喷嘴雾化特性的半经验预测方法[J].航空动力学报.2018
[7]..IEC62957-1:2017辐射防护仪器-探测性能评估和放射性核素识别的半经验方法-第一部分:仪器的性能评估,静态模式识别放射性核素[J].核标准计量与质量.2017
[8].赵雯,姜在秀,毛东兴.喷流混合噪声半经验预测方法的比较与分析[C].中国声学学会2017年全国声学学术会议论文集.2017
[9].刘芹.应用神经网络方法优化密度泛函近似中的半经验参数[D].中国科学技术大学.2017
[10].崔岩松.风电机组半经验尾流模型改进方法研究[D].华北电力大学(北京).2017
论文知识图
