【摘 要】
：
乌东德水电站具有河谷狭窄、岸坡陡峻、泄洪流量大、水头高、河床覆盖层深厚等特点,坝址处上下游冲沟发育,泄洪建筑物布置受较大局限,其工程设计和施工过程中的水力学问题突
【机 构】
：
长江科学院水力学研究所,长江科学院水利部长江中下游江湖治理与防洪重点实验室
【基金项目】
：
国家自然科学基金项目(51879013),国家重点研发计划课题(2016YFC0401904)。
论文部分内容阅读
乌东德水电站具有河谷狭窄、岸坡陡峻、泄洪流量大、水头高、河床覆盖层深厚等特点,坝址处上下游冲沟发育,泄洪建筑物布置受较大局限,其工程设计和施工过程中的水力学问题突出且技术难度大。通过系列比尺的水力学模型试验及数值分析计算等,对工程枢纽布置及泄洪消能、泄洪雾化、施工导截流、电站分层取水等几个主要方面的水力学问题进行了系统研究和攻关,解决了其存在的多个重大技术难题,为工程设计提供了重要的科技支撑。阐述的主要研究成果可供类似工程设计参考借鉴。
其他文献
为了实时监测谷物水分变化,设计了一种基于STM32的谷物水分在线监测系统。系统使用STM32单片机作为主控芯片,电容式传感器采集水分数据,经过信号处理电路与STM32单片机处理后,通过RS—485电路传输至上位机实时显示,并可通过上位机校正,可以实时精确地监测谷物水分变化。实地测试表明:该系统性能可靠,在线检测精度可以达到0.5%,完全满足谷物水分测量要求。
为实现塑料垃圾的高质量回收利用,提出了一种基于Fisher向量(FV)与深度卷积神经网络(CNN)相结合的塑料垃圾精细分类方法。以塑料垃圾近红外光谱图为原数据,将深度CNN与FV编码相结合建立了塑料垃圾精细分类模型。针对几种典型塑料材料设计了验证实验,实验结果表明:该模型分类精度达到了91.25%,使塑料垃圾精细分类成为可能。
为探究北江流域的水资源状况及其在不同程度干旱下的变化特征,利用SWAT模型模拟北江流域径流过程,并在此基础上评估北江流域的蓝绿水资源时空变化及其对干旱的响应特征。研究
为了有效地识别旋转机械的早期故障,采用一种多通道输入连续卷积神经网络支持向量机(CNN-SVM)早期故障诊断模型。模型将来自多个传感器采集不同方向、位置的原始数据直接输入到改进的CNN模型中进行训练。利用改进的CNN从新的原始故障数据中提取特征,将提取的稀疏代表特征向量输入到SVM中进行故障分类。将所提方法应用于齿轮箱多通道振动信号监测数据的诊断。与改进CNN和主成分分析—支持向量机(PCA-SVM)方法对比分析,所提方法的准确率为99.94%。结果表明:多通道输入CNN-SVM模型诊断精度更高,检测速度
为顺利开展城市河道污染整治工程,有效控制河道底泥引发的二次污染,研究河道底泥污染特征并分析其生态风险具有重要意义。基于台州安溶泾河道底泥检测结果,采用单项污染指数
针对去除高密度遥感图像条带时残留较多且易产生块效应的问题,通过分析条带和干净图像的特征,提出一种新的条带分离方法。条带的稀疏性既存在于在空间域又存在于梯度域,因此,对条带在空间域和梯度域进行非凸L0范数约束,同时采用L1范数约束干净图像的空间域连续性特征。该非凸模型可以通过均衡约束数学规划(MPEC)将其转化为凸优化问题并进行快速求解。实验结果表明:所提算法可以去除高浓度条带噪声的同时,较好地保留
为求解模糊作业车间调度问题(FJSSP),提出了一种改进的混沌乌鸦搜索算法(CCSA)。算法采用基于工序的编码,并设计了一种修补方式以使CCSA有效求解FJSSP;为增强算法的邻域搜索能力引入了变异算子;为提高算法的进化能力,提出了基于余弦相似度的多样最优个体集来引导进化,使在增强进化效率的同时保证种群多样性;为进一步提高算法在求解FJSSP时的搜索效率,提出了一种基于机器空闲缩小的搜索方法。最后选取了5个典型实例进行了测试,实验结果验证了所提算法的有效性。
由于气候变化以及人类活动的影响,鄱阳湖水文情势发生了一定程度的变化,需定量评估不同驱动因子对鄱阳湖水情演变的影响。采用一系列水文指标表征鄱阳湖水文情势,构建BP神经
针对三维空间下山地中无线传感器网络(WSNs)的栅栏覆盖问题,提出了一种基于等位区域的环状栅栏构建算法。仿真结果表明:当网络中部署的无线传感器节点个数越多,构成环状栅栏的节点数量越多,但实际长度越短;反之,构成环状栅栏的节点数量较少,但实际长度却越长。所提算法能够在山体的等位区域中形成环状栅栏,但当部署的无线节点密度较低时无法跨区域进行栅栏构建,这将是下一步的研究工作。
针对准确估算电池荷电状态(SOC)值存在着很多难点,且目前无迹卡尔曼滤波法(UKF)存在稳定性差,精度不高的问题,提出改进的UKF算法。加入球型选点规则,降低噪声对仿真的影响,实现非线性条件下锂电池SOC的准确估算。仿真结果表明:改进的UKF估算锂电池SOC时误差控制在1%以内,而扩展卡尔曼滤波法(EKF)和标准UKF的估算误差分别为4%和2%。在以Thevinin电池模型的基础上对锂电池SOC进行估算,改进的UKF算法的估算精度明显高于EKF算法和标准UKF算法。