基于非线性Drive-shaft模型的车辆传动系统冲击响应

建立了包含线性与非线性项的车辆传动系统非线性Drive-shaft模型, 应用具有耗散项的拉格朗日方程将非线性Drive-shaft模型转换为当量化的两质量模型, 通过将两端扭转角等效到同一端获得了传动系统的冲击响应方程, 应用Routh-Hurwitz准则分析了冲击响应方程的稳定性, 获得了稳定性参数区间。仿真结果表明: 将非线性阻尼分别设置为0和线性阻尼的1/10、-1/10时, 冲击响应首个峰值的绝对值分别为0.153 9、0.101 4、0.371 6, 当非线性阻尼为线性阻尼的1/10时, 冲击响应的首个峰值的绝对值最小, 这说明正的非线性阻尼有利于冲击响应的衰减; 将非线性刚度分别设置为0和线性刚度的1/10、-1/10时, 获得的冲击响应首个峰值的绝对值分别为0.153 9、0.178 8、0.115 9, 当非线性刚度为线性刚度的-1/10时, 冲击响应的首个峰值的绝对值最小, 这说明负的三次方非线性刚度有利于冲击响应的衰减; 在固定非线性刚度为线性刚度的-1/10的基础上, 将代表非线性阻尼的系数分别设置为0.1、0、-0.1, 获得的冲击响应首个峰值的绝对值分别为0.078 4、0.114 2、0.231 6。可见, 当代表非线性阻尼的系数设置为0.1时, 冲击响应的首个峰值的绝对值最小, 这表明在传动系统线性刚度及线性阻尼的基础上, 设计负的非线性刚度及正的非线性阻尼可以提升传动系统抵抗冲击的性能。      

基于嵌入式Linux系统的电力监控系统优化

为了保证船舶电力系统的正常运行,提高电力系统的供电质量,本文针对船舶电力系统的监控系统进行深入研究与开发。由于嵌入式Linux系统在工业控制领域具有运算能力强、实时性高,以及开源特性,本文结合嵌入式Linux系统,开发了船舶电力监控系统,并重点对电力监控系统的控制器原理以及硬件组成进行详细介绍。     

重庆轨道交通环线电力监控与数据采集系统的建设与创新

基于电力监控与数据采集系统深度集成于综合监控系统的弊端分析,介绍了重庆环线电力监控与数据采集系统独立组网的自立分层分布式系统结构,及其在控制中心与综合监控系统的互联。介绍了基于电力系统CIM(公用信息模型)和CIS(组件接口规范)的电力监控与数据采集系统模型建立,详细阐述了重庆环线电力监控与数据采集系统的程序控制技术及远程图形服务技术,以及该系统在能源管理及其他高级应用方面取得的创新成果。     

智能汽车两阶段UWB定位算法

为了提高智能汽车行驶的可靠性，以超宽带(UWB)为研究对象，研究了智能汽车两阶段UWB定位算法；分析了智能汽车UWB定位算法的基本原理与误差来源；建立了测距值筛选与加权位置解算两阶段UWB定位算法，在测距值筛选阶段，采用高斯筛选剔除小概率、大干扰事件，在加权位置解算过程中，根据多测距点的位置坐标加权计算得到最终的位置坐标，以有效减小非视距、多径效应所带来的误差，通过使用抗多径天线以有效减小多径效应所带来的误差，并分别建立了静态补偿和运动补偿策略，以有效减小设备晶振偏差等硬件问题造成的误差；在MATLAB/Simulink仿真平台中搭建一定测距方差约束下的UWB随机测距值仿真环境，对算法进行了仿真测试并与三边定位算法、三边质心定位算法进行仿真比较，分析基站数量对定位精度的影响；搭建实物UWB测试系统，对UWB设备定位精度进行了评估与误差补偿，并对两阶段UWB定位算法进行了实车测试。仿真结果表明:东向和北向的定位误差均值最小分别可达0.382 3、0.447 0 m；补偿后的UWB定位轨迹更接近RT3002所示的轨迹，东向和北向轨迹误差的平均值分别为0.049 2、0.017 8 m，均方根误差分别为0.069 8、0.0264 m。可见，提出的智能汽车两阶段UWB定位算法能够满足智能汽车的定位需求，具有高精度、低成本、稳定性好等优点。      

日产风度A33发动机电控系统故障检测(三)

8.曲轴位置传感器的检测 发动机上装有两种曲轴位置传感器:一是曲轴位置传感器(参考),位于(上)油底壳上(图11),面向曲轴皮带轮,用于检测上止点信号(120°信号);二是曲轴位置传感器(位置),位于油底壳上(图12),面向信号盘(飞轮)的齿牙(轮齿),用于检测曲轴位置信号(1°信号)。两种传感器均由永磁铁、铁饼和线圈组成。当发动机运转时,传感器与齿牙之间的间隙周期性变化,传感器附近的磁导率也相应     

五十铃载货车制动系常见故障诊断与排除

五十铃载货汽车制动系统常见故障主要有制动效能不良与制动拖滞等，现将其诊断与排除方法介绍如下。