提出了一种基于深度学习的翼型气动系数预测方法,有效克服了以往方法依赖翼型设计参数以及算法复杂度随预测精度的提高呈指数级增长等缺点。首先,介绍了卷积神经网络(CNN)的基本原理、网络机构以及训练方法,给出了训练样本数、批量大小、批次数量、迭代次数、循环次数的关系;其次,设计了针对翼型图像处理的CNN结构,随机选择6000个样本对该网络进行了训练;最后,对561个翼型的法向力系数进行了预测,并与部分参数法方法的预测结果进行了比较。仿真结果表明,提出的图形化预测方法具有很高的预测精度。

回顾了声发射检测技术在流程工业多相系统中的应用,简要介绍了声发射技术的基本原理、数据流程及设备组成,阐述了声发射技术中采样频率与设备灵活性相互制约以及数据回归等问题。研究了声发射技术在催化剂自动加料控制（气-固体系）、流化床冷凝态露点控制（气-液体系）中的应用。说明了该项技术在液态系统中有着更为广阔的发展前景,与其它技术相比,声发射技术具有便捷、实时、准确、环保等优点。