应用铁谱仪测量气缸套磨损研究

气缸套的磨损状况是影响军用车辆发动机寿命的重要因素,目前主要的方法是通过测量气缸套磨损量来预测发动机的寿命,本篇主要描述一个应用铁谱仪进行发动机磨损分析计算的例子,并验证了其科学性和可行性。     

内燃机气缸套磨损检测与使用寿命预测

采用电容法测量了气缸套在全寿命周期内的磨损量,分析了其磨损特征,得到了气缸套磨损随使用时间的发展趋势,指出在主推力面上、下止点附近的磨损量代表了气缸套的磨损程度,该区域的磨损量超过限定值会造成气缸套漏气失效,因此,可以将该区域的磨损量作为气缸套使用寿命评估的依据。根据气缸套磨损分析结果建立了人工神经网络模型,评估其使用时间,并预测其使用寿命。检测结果表明,采用BP网络模型进行气缸套的磨损状态评估与寿命预测是有效的,检测结果与实际值相近。     

基于灰色模型的车用三元锂电池循环寿命试验研究

通过不同温度下的车用三元锂电子循环寿命试验,分析使用环境对车用三元锂电池循坏寿命的影响;同时,基于灰色模型建立锂电池寿命预测模型,并用试验数据验证模型预测的准确性。结果表明：在相同充放电倍率条件下,环境温度越高,车用三元锂电池的容量保持率越低;所建立的灰色模型预测精度较高,可在适当范围内用于车用三元锂电池的寿命预测,为三元锂电池的控制策略优化提供数据支持。     

汽车排放寿命的灰色建模预测

针对汽车排放寿命往往需要试验实测才能取得的局限,文章尝试运用灰色预测理论分析汽车排放性能。介绍了灰色预测理论,并根据较少的试验数据,建立灰色GM(1,1)预测模型,用以预测汽车排放寿命。示例表明,预测模型的精度较高,分析方法可行。     

基于灰色-马尔科夫理论的沥青路面性能预测研究

结合灰色理论短期预测优势以及马尔科夫预测模型无后效性特点,建立基于灰色-马尔科夫理论的组合预测模型,研究沥青路面性能衰变规律。以重庆某高速公路历年RQI检测数据为例,用MATLAB计算RQI灰色预测值并验证模型的精度;通过灰色预测方程反算使用年限序列,并建立马尔科夫状态转移矩阵,对RQI进行预测。结果表明:灰色预测模型对RQI预测精度达到一级,预测结果可靠性较高;根据灰色-马尔科夫模型,预测RQI衰变规律,对比单一的灰色预测模型,灰色-马尔科夫组合预测模型精度更高,更适用于路面性能的长期预测。     

铌合金铸铁活塞环在广东地区的使用情况

为提高汽车发动机活塞环的使用寿命,开展了铌合金铸铁环的研制。文中介绍了产品在广东地区装车试验经四年的情况。铌合金铸铁活塞环的寿命里程普遍达到120000～140000km,高者可达150000～160000km,与铬钼铸铁环相比使用寿命可提高一倍。与铌合金铸铁相配的气缸套的磨损量也减少三分之一。     

提高内燃机气缸套用灰铸铁的耐磨性

<正>发动机的寿命在很大程度上决定于气缸套—活塞组零件的耐磨性,首先是气缸套的耐磨性。非合金铸铁气缸套不能保证发动机必要的寿命,尤其是当它们在磨料磨损过程加剧或摩擦表面热作用增加的恶劣使用条件下工作时更是如此。镶入高镍奥氏体铸铁的尼莱吉斯特镶块以提高气缸套的耐磨性,虽然会明显增加气缸套—活塞组的寿命,但也会出现一系列不利于摩擦付工作的因素。实验室的试验和生产实际应用的结果表明,合金灰铸铁气缸套具有最好的耐磨性。TAЗ柴油机带有散热片的气缸套就是用低合金灰铸铁制造的。     

基于AIS船舶数据的港口交通流量预测模型研究

针对当前船舶交通流量预测手段落后,精度不高的问题,利用宝船网A PI数据接口提取船舶A IS数据,依托该数据构建基因算法优化神经网络的船舶交通流量预测模型,K近邻回归预测模型、时间序列预测模型和灰色预测模型的组合预测模型.通过自编程序采集了天津港某时段的船舶交通流量数据,在剔除错误和不可用数据后,对船舶交通流量数据进行统计,分析得到了进出天津港的船舶航行特性.同时为了更直观的验证所提出的预测模型效果,与利用K近邻回归、时间序列和灰色预测模型3种方法预测的结果进行对比.组合模型进港预测的平均绝对误差、均方误差和平均相对误差分别是0.5595,1.0119和12.98%,出港分别是0.6726,1.3155和15.23%,以上指标均优于上述的传统3种模型.相比于组合模型,优化的BP神经网络模型预测结果更优,进港和出港预测的平均相对误差分别降低了3.23% 和4.76%,结论证明,组合模型和优化的BP神经网络模型具有较高的预测精度.      

渝湛高速公路路面使用性能预测及预防性养护时机研究

以渝湛(重庆—湛江)高速公路近5年路面性能指标监测数据为基础,采用灰色预测法、灰色马尔可夫预测法进行路面性能指标预测,依据预测结果建立PCI指标衰变方程,基于综合效益、等额年度费用、效益指数、服务寿命变化4个指标分析其最佳预防性养护时机。结果表明,灰色马可夫预测法的预测结果比灰色预测法更接近实测结果;该高速公路在第4年进行微表处处治可获得最佳收益;预测模型及可靠的实测数据决定路面性能指标的发展趋势,也决定预防性养护时机的确定。     

汽车变速器同步器磨损寿命的预测及评价

为准确考核及评价汽车变速器同步器磨损寿命,根据同步器的磨损特征,结合道路使用试验、换挡载荷谱的采集与处理以及疲劳磨损理论模型,建立了同步器磨损寿命预测的计算模型和评价方法。利用所建立的模型和评价方法,通过台架试验对某微型车AMT同步器磨损寿命进行了考核及评价。结果表明,所建立的同步器磨损寿命预测模型可准确预测和评价同步器磨损寿命,与实际磨损量的最大误差在15%以内。     

基于优化支持向量机-混沌BP神经网络的基坑变形预测研究

为解决基坑变形预测精度低的问题,采用小波去噪分离基坑变形的趋势项及误差项序列,并利用多种优化的支持向量机对趋势项序列进行预测,采用混沌BP神经网络对误差项序列进行预测,将两者预测结果进行叠加即得到变形预测值,且可根据后期监测数据的更新,实时增加数据信息,达到跟踪预测的目的。经过3个实例检验,得出小波函数的去噪效果相对较优,且预测结果的相对误差均值均小于2%,验证了优化支持向量机-混沌BP神经网络模型的有效性,且该模型具有预测精度高、适用性强等优点,对掌握基坑变形的发展趋势及评价基坑的稳定性具有重要意义。     

基于混沌递进预测模型与趋势检验的深基坑变形规律研究

为提高基坑变形预测精度及稳定性,首先,利用遗传算法优化BP神经网络的结构参数,再将参数优化后的BP神经网络与灰色模型结合,构建出GA-BP神经网络模型,并利用该模型实现基坑变形序列的初步预测; 其次,基于残差序列的混沌特性,再利用混沌理论进行残差优化,进一步构建考虑混沌特性优化的GA-BP神经网络模型; 最后,将SR检验引入到基坑变形趋势判断中,以检验预测结果的准确性。实例检验表明： 通过遗传算法及混沌理论的递进优化,能逐步提高预测精度,验证文章预测模型的有效性,且预测结果与SR检验结果的一致性较好,说明该预测模型的可信度高。     

基于现场试验的TBM滚刀磨损分析及预测

为准确判断和预测滚刀磨损生命周期,指导TBM安全、高效施工,采用现场跟踪试验和理论预测模型相结合的方法对滚刀磨 损进行分析研究。 由滚刀磨损机制分析得到,TBM滚刀磨损主要为磨粒磨损;基于滚刀破岩磨损现场跟踪试验,分析TBM滚刀磨 损失效形式,并结合刀盘刀具分布特点,研究滚刀磨损规律特性。 基于Rabinowicz磨粒磨损简化计算模型,引入CSM滚刀破岩模 型,构建滚刀磨损速率、线性磨损速率预测模型,对比分析高黎贡山正洞TBM 2 000 m掘进里程滚刀磨损实测数据与理论模型预测 结果。 结果表明: 1)正滚刀磨损发生规律性变化,中心滚刀易出现侧向滑移,边滚刀发生二次磨损; 2)TBM滚刀理论预测与实测 分析结果的相对误差小于10%,可准确预测滚刀磨损,同时得到正滚刀磨损速率与刀具、围岩物理参数具有相应的定量关系。     

基于遗传神经网络的再生沥青混合料性能预测研究

以matlab为平台,分别应用BP神经网络和遗传算法优化的BP神经网络对再生沥青混合料的性能进行预测。以旧料掺量、油石比等8个影响因素作为输入层,以动稳定度、残留稳定度等5个性能指标作为输出层,将28组归一化处理后的试验数据进行神经网络的训练、验证和测试。结果表明:遗传算法优化的BP神经网络预测表现出更加精准的预测效果。将遗传算法优化的BP神经网络应用于工程实践中,再生沥青混合料性能预测可以大大提高试验科学性和预见性。     

基于小波网络的发动机瞬态工况进气流量动态辨识与预测研究

由于发动机进气系统具有复杂的非线性动态特性,因此构建了进气流量小波网络辨识与预测模型,并利用最小二乘法(DLS)对小波网络参数和预测控制率进行了学习和优化,以提高小波网络预测模型的可靠性和预测精度。作为对比建立了基于BP神经网络的预测模型,并利用瞬态工况试验数据分别对两种模型进行了仿真研究。结果表明,小波网络模型能有效地预测发动机瞬态工况进气流量,与BP神经网络预测模型相比,误差精度更高,可用于发动机瞬态工况空燃比的精确控制。     

基于速率-沉降特征分析工后沉降预测方法适用性

以曲线拟合法为主,研究了预测模型的速率与沉降的特征,指出了Gompertz模型、Usher 模型等增长曲线预测工后沉降存在的不足,改进了二次三项式预测模型,提出了计算幂函数模型参数的简便方法.结合高速公路长期的工后观测资料,分析了常用方法的适用性和预测精度,并对工后沉降预测模型的选择提出了建议.     

基于遗传神经网络的货运量预测的研究与实现

针对BP网络和遗传算法的缺陷，提出了一种新的遗传神经网络优化模型，可以用来同时优化BP神经网络的网络结构和权值阈值，叙述了该算法的设计过程。利用该算法对货运量进行预测，并与标准的BP算法预测结果进行比较，计算结果表明，该算法的预测精度大大高于标准的BP算法的预测精度。     

基于ARIMA与人工神经网络组合模型的交通流预测

将自回归求和滑动平均(ARIMA)与人工神经网络组合模型用于短时交通流预测。利用ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交通流序列的线性部分进行预测,用人工神经网络模型对其非线性残差部分进行预测。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合方法发挥了2种模型各自的优势,是短期交通流预测的有效方法。     

考虑路网拓扑时变的交通拥堵自适应预测方法研究

对路网交通系统中的交通拥堵进行预测，有利于交通管理和避免交通风险。然而，由于交通管制、道路施工、恶劣天气、自然灾害等原因，路网交通系统的拓扑结构时常发生变化，使得依赖于固定路网拓扑的拥堵预测方法效果不佳。针对这一问题，提出一种双重自适应图卷积循环网络结构(DAGCRN)来处理路网拓扑结构变化情况下的交通拥堵预测问题，该方法运用自适应辅助邻接矩阵对预定义的路网静态图结构进行适应性学习以动态优化原有连接间信息的传递，运用自适应嵌入邻接矩阵对预定义路网静态图结构进行路网隐藏信息的捕捉以确保路网拓扑结构的动态完整性，并采用门控循环单元提取路网交通流的时间特征信息。研究结果表明,DAGCRN具备以下特点：①能够有效捕捉和定位路网拓扑结构发生的变化，并能够在拓扑结构变化时仍然保证拥堵预测的精确率；②相比较一些常见预测模型有更高的预测准确率，尤其是长期预测方面和克服路网结构变化方面更具优势；③进一步的双重自适应功能消融试验，证实了含有自适应辅助邻接矩阵和自适应嵌入邻接矩阵的双重自适应图卷积结构对于路网拓扑结构变化有很强的自适应能力，缺少2个或任一个自适应模块，都会引起模型预测性能的大幅下降。     

基于小波神经网络的道路交通流量实时预测模型研究

实时交通流量预测是智能交通系统的核心内容,智能交通系统中多个子系统的功能实现都以其为基础。交通流具有高度非线性和不确定等特征,且与时间高度相关,可以看成是时间序列预测问题。根据交通流的这些特点,提出基于小波神经网络的道路交通流量实时预测模型,并以某条道路为例,通过Matlab编程实现模拟仿真。仿真结果表明,小波神经网络能够比较精确、快速地对实时交通流量进行预测,网络预测值接近期望值。