“十二五”：打造核能发展的核心竞争力——访中国核动力研究设计院院长罗琦

记者：作为我国新型核科技工业体系中的骨干力量,核动力院在＂十一五＂期间强化功能再造,以实力成为行业翘楚。进入＂十二五＂开局之年,罗院长能否介绍一下本院＂十二五＂的整体发展思路？罗琦：刚刚过去的五年是核动力院发展史上至关重要的五年,我们变机遇为发展的实践,化挑战为变革的动力．在军工、核电     

资讯

我国首座乏燃料后处理中试厂热试成功2010年12月21日,我国第一座动力堆乏燃料后处理中间试验工厂——中核集团公司四○四所中试工程热调试取得圆满成功。热调试的成功,实现了核燃料闭式循环的目标,有力地推动了核燃料产业及核电的快速发展,为我国先进后处     

给我力量的生命音符

参军前,我最大的爱好就是钻进学校的图书馆里,找到自己喜欢的书籍,坐在挨着窗户的桌子上,一读就是半天,常常忘记了回家,忘记了吃饭。这其中,又以《平凡的世界》这本书为我的最爱。小说作者路遥以其简单平易的语育,跌宕起伏的故事情节,生动形象的人物刻画,向我们展示了一幅普通而又内蕴丰富的生活图景。     

超级大本营网友关于新一代防空驱逐舰的讨论

黑洞居士:动力方面,也许从CODOG较为稳妥地进化到四燃,也不排除搞出个极具中国特色的"双燃双柴综合全电"。当然最理想的还是双燃或四燃全电。那么考虑到动力,大致在7000吨至万吨以上都有可能。电子系统方面,相控阵体制的远程搜索和极富针对性的侦测雷达应该还是会继承性地发展下去。火控系统多半还是主动形式,因此变化不大。     

建立健全我军团队精神培育支持机制

部队团队精神培育是个复杂的系统工程,既需要强有力的组织领导,也需要强大的动力源泉,还需要部队建设相关系统的支持。其中,部队团队和谐的内部关系、团队过硬的作风纪律、团队成员充分的民主参与以及团队的学习活动等因素,居于支持系统的主导地位,是部队团队精神培育的核心“软件”和有效保证。     

不同类型双层玻璃幕墙火灾烟气流动特性对比研究

采用大涡模拟方法研究整体式、走廊式和竖井式三类常用双层玻璃幕墙的火灾烟气流动特性。结果表明,整体式双层玻璃幕墙内的烟气在竖直方向上的蔓延速度很快,但空腔内烟气温度相对较低,约为180℃;走廊式双层玻璃幕墙可以将火灾烟气完全限制在着火楼层的玻璃幕墙空腔内,但空腔内最高温度高达270℃;竖井式双层玻璃幕墙不能完全阻止烟气向其他楼层玻璃幕墙空腔内的蔓延,但与整体式双层玻璃幕墙相比,进入其他楼层的烟气量明显减少,玻璃幕墙空腔内的最高温度介于上述两种双层玻璃幕墙空腔内最高温度值之间。在实际应用中,应充分考虑不同类型双层玻璃幕墙的消防问题,并有针对性的采取防护措施,降低其火灾危险性。     

低噪声螺旋桨的快速几何重构和水动力性能预报

采用基于涡格升力线理论的开源程序OpenProp对低噪声螺旋桨进行了几何重新设计和敞水性能曲线预报,分析了非均匀进流对敞水效率的影响,并对开源程序应用于螺旋桨几何重构和水动力性能预报上的精度由DTMB 4119标准桨给予了校验。结果表明:重构4119桨的敞水性能曲线与原桨实验值在大范围进速系数内吻合良好,重构低噪声桨的敞水性能曲线也与原桨模型试验测量值吻合一致,证明了该开源程序在普通桨以及低噪声桨几何重构和水动力性能快速预报上的适用性,可直接用于舰艇初始方案设计阶段的螺旋桨设计分析。     

深化思想政治教育 激发试验科研动力

科技干部是科研试验部队遂行使命任务的主要力量,能否激发广大科技干部献身试验科研的精神动力,是影响试验科研部队长远建设和科学发展的重大问题。为此,要针对科技干部特点,有效调动科技干部试验科研的积极性、主动性和创造性。     

大深度无动力运载器弹道散布影响因素分析

潜射导弹无动力运载器弹道散布特性是导弹后续弹道和运载器分离体水下散布的重要影响因素,决定其散布的主要因素有初始弹道参数和海洋环境扰动等.建立了运载器空间运动数学模型,利用数理统计中的正交试验法安排实验,对不同工况下运载器上浮弹道进行仿真,通过极差分析确定影响因素的主次关系,利用方差分析法和F检验确定影响因素的显著性.仿真结果表明:横向海流对弹道散布半径影响显著,绕x和y轴的初始角速度及横向海流对位移影响不显著.研究结果可以为弹道规划和运载器加工制造提供一定参考.     

PHEV电池电荷状态估计设计及仿真

电池管理系统(battery management system,BMS)是混合动力汽车(parallel hybrid electric vehicle,PHEV)能量管理系统中的核心组成部分,而其中电池电荷状态(state of charge,soc)则是PHEV控制策略中的重要参数.针对PHEV动力电池组SOC系统高度非线性和复杂性的特点,提出了一种基于改进的BP神经网络的HEV动力电池组的实时SOC估计,并对网络的收敛性进行了证明.利用大量PHEV动力电池组在行驶过程中充放电的数据样本,对神经网络进行网络训练并且进行仿真.结果表明,与传统离线SOC估计方法相比,能够有效地减小误差,提高电池SOC的精度.