Numerical and Experimental Investigation On The Prevention of Co Deflagration

The exhaust gases from industrial furnaces contain a huge amount of heat and chemical enthalpy. However, it is hard to recover this energy since exhaust gases invariably contain combustible components such as carbon monoxide (CC). If the CO is unexpectedly ignited during the heat recovery process, deflagration or even detonation could occur, with serious consequences such as complete destruction of the equipment. In order to safely utilize the heat energy contained in exhaust gas, danger of its explosion must be fully avoided. The mechanism of gas deflagration and its prevention must therefore be studied. In this paper, we describe a numerical and experimental investigation of the deflagration process in a semi-opened tube. The results show that, upon ignition, a low-pressure wave initially spreads within the tube and then deflagration begins. For the purpose of preventing deflagration, an appropriate amount of nitrogen was injected into the tube at a fixed position. Both simulation and experimental results have shown that the injection of inert gas can successfully interrupt the deflagration process. The peak value of the deflagration pressure can thereby be reduced by around 50%. (C) 2008 Elsevier Ltd. All rights reserved.

基于Internet工作流的复合Web服务框架

实现灵活方便的企业业务集成一直是信息领域的核心问题，也是B2B电子商务应用的关键。为此将Web服务和传统的工作流技术相结合，设计并实现了支持复合Web服务运行和管理的框架WSFlow。给出了WSFlow的总体结构，描述了其中的关键技术，包括Web服务与工作流活动的动态配置和绑定技术，复合Web服务流程的动态修改以及复合Web服务的运行监控等技术。

基于支持向量机的Internet流量分类研究

准确的网络流量分类是众多网络研究工作的基础,也一直是网络测量领域的研究热点.近年来,利用机器学习方法处理流量分类问题成为了该领域一个新兴的研究方向.在目前研究中应用较多的是朴素贝叶斯(nave Bayes,NB)及其改进算法.这些方法具有实现简单、分类高效的特点.但该方法过分依赖于样本空间的分布,具有内在的不稳定性.因此,提出一种基于支持向量机(support vector machine,SVM)的流量分类方法.该方法利用非线性变换和结构风险最小化(structural risk minimization,SRM)原则将流量分类问题转化为二次寻优问题,具有良好的分类准确率和稳定性.在理论分析的基础上,通过在实际网络流集合上与朴素贝叶斯算法的对比实验,可以看出使用支持向量机方法处理流量分类问题,具有以下3个优势:1)网络流属性不必满足条件独立假设,无须进行属性过滤;2)能够在先验知识相对不足的情况下,仍保持较高的分类准确率;3)不依赖于样本空间的分布,具有较好的分类稳定性.

落叶松毛虫防治咨询专家系统

落叶松毛虫是东北林区主要害虫之一，它对松林可以造成毁灭性的破坏，因此，采取及时且必要的综合防治措施，可以带来显著的经济和生态效益。本文依据害虫综合管理的指导思想，采用计算机人工智能程序模型，构建了落叶松毛虫防治咨询专家系统。 落叶松毛虫防治咨询专家系统主要由推理机、知识库、数据库、知识获取机制和用户界面等部分组成。其中知识库和推理机是系统的核心部分。在知识库设计中充分考虑了落叶松毛虫防治的复杂性，结合具体的限定条件，如危害特征、自然环境、地形地貌、害虫的生长阶段等，将知识存储在数据库中形成专家数据库；利用数据库查询语言SQL语句设计了系统的推理机，采用正向推理的方式，增强了知识库的可扩展性和可维护性；知识获取机制面向林业专家，实现知识的获取以及知识库的修改、扩充等任务；数据库用来存放落叶松毛虫的基本信息，用户可以通过数据库来获得落叶松毛虫相应的咨询信息。 落叶松毛虫防治咨询专家系统的目标为：（1）对落叶松毛虫的基本信息、行为特征、生理和生态学特征以及防治方法和施药方法等进行存储和查询。（2）正向推理方式保证专家系统在运行时能方便地选择问题，实现智能推理过程。（3）易用的知识维护。 该系统主要有以下几方面的功能和特点：（1）该系统本着害虫综合管理的指导思想，以落叶松毛虫的种群动态为理论基础，充分考虑不同林地环境条件下的自然控制因素，根据环境、气候和害虫本身的条件推出更加合理的结论，尽量采用生物防治，必要时采用化学防治；（2）系统可向用户提供多种可行的防治方案，经营者可以根据当时当地的实际情况作出决定；（3）系统使用方便；（4）系统具有显示、打印、通过Internet浏览获取信息、显示推理解释等功能。 另外，本文对落叶松毛虫专家系统又进行了有效的评估，评估对象分为三个组别：领域专家、森保人员以及学生。三组人员分别针对系统实用性、友好性、系统提问的简洁程度以及可学习性给出等级分数。通过评估结果，最终认定该系统是可以信赖的。 本系统以落叶松毛虫防治领域专家的经验和知识为基础，有效地将计算机技术和森保专家的知识结合在一起，集落叶松毛虫信息存储浏览、查询、专家系统于一体，对于缓解森林保护专家和人员的不足，提高落叶松毛虫虫害的防治能力，加快科技成果的转化具有重要的意义。