简介:对雷诺数Re=1200条件下的网柱在均匀来流中横向受迫振荡的尾流控制问题进行数值模拟分析.通过尾部加喷射气流对不同旋涡脱落模式进行尾流控制,通过对网柱在不同振幅和振荡频率下涡脱落情况进行观察研究,最终在无量纲振荡频率feD/V=0.21,振幅比A/D=0.5情况下发现了2S旋涡脱落模式并通过在柱体尾部施加不同速度的喷射气流对其进行控制;在feD/V=0.189,A/D=1.5情况下发现了P+S旋涡脱落模式并在柱体尾部施加不同速度的喷射气流对其进行控制.涡量图和功率频谱图结果表明,在2S模式下,喷射气流对旋涡脱落抑制效果明显,尤其当喷射速度Ve=5m/s时效果显著.而在P+S模式下,当喷射速度Ve=2.5m/s时旋涡脱落抑制效果较好,而当喷射速度Ⅵ分别为5m/s和7.5m/s时,抑制效果一般.
简介:为了深入研究扫描近场光学显微镜(Scanningnear-fieldopticalmicroscope,SNOM)光纤探针导光特性,我们利用VirtualLabFusion光学软件,仿真研究了光纤探针内部的光场分布.结果显示,光纤探针内部的光场分布呈固定的花样;中轴线光场具有峰值结构,其最大值位于探针出口前120nm处;这个最大峰值随着光纤外层铝层厚度的增加呈现先减小后增加,最后趋于稳定的变化,随着光源偏振态的变化呈现正弦的分布.
简介:域自适应算法是一种能有效解决训练集(源域)和测试集(目标域)样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机(DDM-ELM)用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标:1)最小化源域样本的分类误差;2)通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3)利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.