1) Mollier chart;Mollier diagram
焓熵图,莫氏图,莫里尔图,水蒸汽的H-S图(I-S图)
2) enthalpy-entropy coordinates
焓-熵图,H-S图(I-S图)
3) enthalpy-entropy diagram
焓熵图,焓-熵图,H-S图(I-S图)
4) mollier chart
莫氏焓熵图
5) heat-content entropy chart
焓-熵图,H-S图
6) mollier diagram
莫里尔图
补充资料:柯尔莫哥洛夫熵
柯尔莫哥洛夫熵(以下简称k熵)是刻划混沌系统的一个重要的量。在不同类型的动力学系统中,k熵的数值是不同的。k熵的数值可以用来区分规则运动、混沌运动和随机运动。在随机运动系统中,k熵是无界的;在规则运动系统中,k熵为零;在混沌运动系统中,k熵大于零,k熵越大,那么信息的损失速率越大,系统的混沌程度越大,或者说系统越复杂[3]。在信息论中,香农熵(shannon熵,简称s熵)定义为
(1)
式中pi是系统处于状态i的概率;h是与熵的单位有关的常数。根据香农的信息理论,s熵可用来刻划对系统未知的程度,当s熵的数值大于零时,系统总存在我们无法认识的侧面。
根据s熵的定义,可以引入k熵的定义如下:如果奇怪吸引子动力系统的轨道为x(t)={x1(t),…,xd(t)},设d维空间被划分成一系列尺寸为ld的盒子,系统的状态可在时间τ的间隔内观察,设pi0…in是x(0)在盒子i0中,x(τ)在盒子i1中,x(nτ)在盒子in中的联合概率,根据香农公式有
(2)
它正比于以长度l确定系统在特殊轨道i*0,…,i*n所需要的信息。因此kn+1-kn是系统于已知单元i*0,…,i*n中和系统在预测单元i*n+1中的信息之差,这意味着kn+1-kn量度了系统从时间nτ到(n+1)τ的信息损失。k熵定义为信息的平均损失率为
极限l→0说明k熵与相空间的划分无关。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条