-
一种用于废热回收的创新热强化板翅式换热器的介绍、设计与热工水力分析
- 混合板片使热回收效率提高16.9%。
- 扭曲通道使努塞尔数提高最多48.4%。
- 新型设计在低压降代价下改善了流体混合效果。
- 抗污垢换热器适用于废热气回收系统。
引言
近几十年来,工业化增长、城市化以及暖通空调(HVAC)系统的广泛应用导致能源需求不断攀升,加
来源:International Communications in Heat and Mass Transfer
时间:2026-10-13
-
基于 FPGA-HLS 的定点与浮点矩阵求逆方法在压缩感知最小二乘计算中的实现与对比分析
•矩阵求逆是一种计算复杂的操作,广泛应用于众多科学与工程领域,包括信号重建和控制系统。其中一个应用即为正交匹配追踪(OMP)中的最小二乘(LS)问题,这是一种压缩感知(CS)重建算法。•矩阵求逆可以通过QR分解或高斯消元(GE)法来实现。本研究探讨了不同分解算法的性能,并通过
来源:Integration
时间:2026-10-13
-
基于MLS-NMM方法的饱和土壤中浆液渗流的数值模拟
摘要:本文在MLS-NMM框架内实现了一个现有的浆体渗透模型,该模型考虑了浆体颗粒传输与水力特性的耦合。首先,基于控制方程和边界条件构建问题的弱形式。然后,利用移动最小二乘法(MLS)中节点的影响域作为数学贴片,来构建数值流形方法(NMM)的数学覆盖。接着,采用两步向后有限差分方
来源:Computers & Mathematics with Applications
时间:2026-10-13
-
微极纳维耶-斯托克斯方程的修正特征线投影有限元方法
**摘要**
本文提出了一种修正特征投影有限元方法(MCPFEM)用于求解非定常微极Navier-Stokes方程(MNSE)。所提出的方法集成了两项关键计算技术:修正特征有限元方法,用于线性化非线性项;以及压力修正投影法,用于解耦速度和压力。这种创新性的集成产生了一种高效
来源:Computers & Mathematics with Applications
时间:2026-10-13
-
面向效用与对抗鲁棒性的本地差分隐私后处理方法基准测试
局部差分隐私(LDP)最近作为从用户设备收集和分析敏感数据的强大范式而备受关注。然而,LDP 协议固有的扰动降低了收集数据的效用。为缓解这一问题,开发了多种后处理(PP)方法。然而,不同效用和对抗设置下 PP 方法的 comparative 性能研究尚不充分。在本文中,我们提
来源:Computers & Security
时间:2026-10-13
-
在不确定性条件下的适应性调度:一种基于深度强化学习的实时设备调度方法,应用于露天采矿作业
• 综合MDP建模。将涉及卡车分配、铲车装载和破碎机进料协调的完整调度问题形式化为一个单一代理的MDP,其状态表示和动作空间基于作业采矿指标,建立了精确的问题建模,而之前的领域特定工作仅部分处理了这些问题。
• 多组分奖励设计。引入了一种奖励信号,该信号在单一标量目标中同时考虑了
来源:Computers & Industrial Engineering
时间:2026-10-13
-
一种用于模拟聚合物驱油藏流动的无网格流线方法
摘要
作为提高石油采收率的关键技术,聚合物驱面临储层几何形状适应性复杂和数值耗散显著等挑战。现有基于网格的模拟方法在复杂场景中表现出局限性,而新兴的无网格方法虽然灵活,但尚未整合流线模拟技术来解决聚合物驱中的数值耗散问题。为克服这些挑战,本研究首次提出了一种用于聚合物驱的无
来源:Computers & Mathematics with Applications
时间:2026-10-13
-
SoK:用于威胁建模方法和工具的质量模型
摘要威胁建模是指在软件架构和设计层面主动、系统地评估威胁和风险的实践,被视为安全软件工程的重要组成部分。近期的自动化努力,尤其是涉及大型语言模型(llm)的研究,在提升这些活动的整体成本效益、效率,进而提高其实用可行性方面显示出巨大潜力。部分原因在于这些发展,部分原因在于威胁
来源:Computers & Security
时间:2026-10-13
-
技术风险下研发项目联合调度与验收的结构引导型强化学习框架
摘要
研发(R&D)项目不可避免会面临技术风险,因为持续的研发支出可能无法改善技术性能或确保项目的盈利能力。这为项目管理带来了根本性挑战:在技术性能逐步显现的过程中,何时接受当前结果以及如何安排后续开发。我们在随机技术性能演变和有限产能的约束下,研究了研发项目的联合任务调度
来源:Computers & Operations Research
时间:2026-10-13
-
动态柔性作业车间调度中深度强化学习的广义分数阶动量方法
**摘要**
动态柔性作业车间调度(DFJSS)在随机到达、异构机器能力和交货期约束下耦合了路由与排序决策。本研究开发了一种分解式深度强化学习框架,其路由策略与排序策略独立训练,并通过广义分数阶导数随机经典动量(GFD–SCM)进行优化。该更新规则以迭代次数为自变量调制动量
来源:Computers & Operations Research
时间:2026-10-13