SOM-BP神经网络在机械故障诊断中的应用研究

从信息融合的角度出发,以自组织特征映射网络SOM和误差反向传播网络BP为理论基础,提出了SOM-BP神经网络模型,引用某内燃机燃油系统故障及其相关参数作为训练样本建立诊断模型。通过仿真试验,验证了SOM-BP神经网络在机械故障诊断中的正确性和精确性。     

柴油机燃用醇醚-柴油混合燃料的燃烧特性与排放的试验研究

在增压中冷4100柴油机上进行了D40(含40%质量分数二甲醚的二甲醚柴油混合燃料)、M15(含15%体积分数甲醇的甲醇柴油混合燃料)和柴油3种燃料燃烧特性与污染物排放的试验研究。结果表明,D40发动机的最高燃烧压力和峰值放热率均低于柴油机,燃烧持续期与柴油机相当;M15发动机的最高燃烧压力和峰值放热率均高于柴油机,燃烧持续期较短;D40发动机的NOx排放和烟度均明显低于柴油机,可较好地解决NOx和碳烟排放之间此消彼长的问题;M15发动机可以降低碳烟排放,但NOx的排放明显上升。两种混合燃料发动机的HC排放在全转速范围均高于柴油机,而CO排放在低转速时低于柴油机,高转速时高于柴油机。     

基于径向基函数神经网络的GPS高程转换方法

针对GPS高程与正常高程的转换问题，给出了基于径向基函数（Radial Basis Function，RBF）神经网络的模型。该模型隐含层选用Gauss函数作为基函数，学习算法采用自组织选取中心法策略。用实际观测数据进行了试验和仿真，结果表明，用RBF神经网络转换GPS高程的精度优于最小二乘法。对RBF神经网络方法和反向传播（Back-Propagation，BP）神经网络方法转换GPS高程的精度进行了比较，虽然两种方法的结果相近，但RBF神经网络方法在学习速度方面远比BP神经网络方法快。由此可见，RBF神经网络方法用于转换GPS高程是可行和有效的。     

润滑油对发动机曲轴摩擦功影响的仿真与试验研究

以某直列3缸汽油机为研究对象,利用 AVL EXCITE 软件建立了曲轴多体动力学仿真模型,通过台架试验,验证了该仿真模型的正确性,在此模型基础上分析了润滑油温度、供油压力以及润滑油种类对发动机曲轴摩擦功的影响规律。研究表明：指定条件下的曲轴摩擦损失功率仿真结果为106．6 W ,台架试验结果为102 W ,误差在5％以内,表明仿真模型具有相当的精度;当润滑油供油温度从40℃升高到110℃时,曲轴摩擦损失功率减小到最低,约为104 W ,当温度超过110℃后,摩擦损失增加,当温度上升到150℃时,摩擦损失功率达到140 W ,润滑条件急剧恶化;当轴承主油道入口压力从0．31 MPa 增加到0．4 MPa 时,曲轴摩擦功率减小约10 W ,且供油温度较低时润滑油供油压力对曲轴摩擦功率影响较大;曲轴摩擦功率随黏度的提高而增加,供油温度较低时,润滑油黏度对曲轴摩擦功率的影响较大。     

延缓润滑油使用时变质的措施

发动机润滑油在工作过程中要与温度较高的部件如汽缸、活塞等接触，还受到高温燃气的影响，其工作条件是比较苛刻的。近年来，汽车发动机的压缩比增加、负荷增大，因此，对润滑油的要求越来越高，润滑油使用中也更易变质。润滑油变质的结果。不但缩短了润滑油的使用期限，也会损坏发动机。所以，需要采取措施，延缓润滑油在发动机工作时的变质速度。使用品质符合要求的润滑油润滑油品质好坏对其在使用时是否容易变质影响很大。在发动机工作时，与润滑油变质倾向有关的性质主要是黏度、清净分散性、抗氧抗腐性。润滑油黏度过大，在活塞环区、活塞裙部及内腔生成的胶膜就越多：黏度过小，则汽缸与活塞环间密封不严，会使润滑油受到燃料稀释，燃气窜入曲轴箱，使润滑油容易产生沉淀。所以，必须按规定使用一定黏度的润滑油。     

基于神经网络的柴油机轨压模型补偿容错控制研究

电控柴油机高压共轨燃油喷射系统具有很强的非线性、时变性和扰动性,传统的控制方式难以精确控制系统的轨压。基于BP神经网络辨识得到了非线性柴油机燃油喷射系统模型,提出了一种模型补偿容错控制方法。该方法在PID参数模糊自整定控制的基础上,通过加入一个基于梯度下降算法的误差补偿控制器修正输出偏差,实现了对柴油机燃油喷射系统时变性和扰动性的控制。仿真结果证明了该方法的有效性,与传统PID控制和模糊PID控制相比具有更好的鲁棒性和抗扰动性。     

高速柴油机燃用乳化重油的试验研究

在单缸135柴油机上进行了不同配比乳化重油燃烧与排放特性对比试验,并应用掺水10%的乳化重油在双缸135柴油机上进行了验证试验。结果表明,对高速柴油机作少许改动后,便可以直接燃用乳化重油;与燃用重油相比,燃用乳化重油时柴油机经济性与排放性均有所改善,燃油消耗率降低至少4%,NOx排放体积分数降低至少20%,烟度降低至少17%。     

基于神经网络分析的柴油机燃油喷射系统的故障诊断研究

提出了一种便于识别的故障特征信息提取方法，应用神经网络原理，建立柴油机燃油系统故障诊断模型，并通过喷油泵试验台进行了模拟试验验证。     

大功率柴油机全地域进气质量流量的测量

由于装甲车辆动力舱空间狭小,无法直接安装进气质量流量传感器,利用大气压力、环境温度与空气密度、黏度之间的关系,以补偿方式消除不同地区空气密度和黏度变化影响,基于黏性流体总流伯努利方程,建立了大功率柴油机进气质量流量测量模型并进行了试验标定,结果表明模型最大误差为1.07%。开发了全地域进气质量流量测量仪,分别在北京地区和羊八井地区进行了实车应用,结果表明该测量仪可以实现进气质量流量的实车测量。     

基于数据分类的高速铁路运营事故预测方法

高速铁路运营事故预测方法是度量铁路安全管理水平的重要指标.为提高高速铁路的安全运营水平,引入工业数据分类方法,分析反向传播(BP)神经网络和灰色模型在高速铁路安全运营事故预测过程中的适应性.首先,运用事故次数、事故联动系数、月均事故率3个参数对高速铁路安全运营水平进行度量;然后,根据工业数据分类方法判别高速铁路运营事故数据属于块状型,据此建立反向传播(BP)神经网络运营事故预测模型;针对运营事故数据具有波动大的特点,利用均值聚类方法建立K-GM(1,3)预测模型.以近年来高速铁路运营事故数据为样本对模型进行训练和分析,结果表明:BP神经网络、K-GM(1,3)、GM(1,3)预测模型的预测误差分别为8.92%,13.68%,345.25%,BP神经网络在高速铁路安全运营事故预测过程中的适应性要优于灰度模型.      

富氧进气改善高原汽车发动机动力性和经济性研究

建立了模拟高原汽车发动机富氧进气的试验台,在一台6缸四冲程卣喷柴油机上供应氧气体积分数从20.9%～24.5%的气体.研究了海拔分别为2000、3 000、4000m时发动机全负荷下富氧进气对发动机动力性和经济性的影响.结果表明,随着进气氧气体积分数的增加,高原汽车发动机的功率增加,燃油消耗率降低,且转速越低,海拔越高...     

基于神经网络的大坝变形模型分析

水库大坝是社会经济发展的重要基础设施,水库大坝安全问题也使得人们逐渐认识到大坝安全监测的重要性和迫切性,本文主要采用统计模型及融合模型分析误差反向传播(Back Propagation)神经网络技术在水库大坝变形领域中的应用。     

考虑柱塞两种姿态的柱塞副燃油泄漏研究

高压共轨喷油器运行时柱塞的姿态会有偏心和倾斜状态,为了更加全面地研究柱塞副的泄漏情况,建立了考虑柱塞姿态的柱塞副间隙流动数学模型,包括雷诺方程、油膜厚度方程、油膜截面速度方程、非等温流动方程、稳态导热方程和燃油物性参数方程,并对这些方程进行了基于有限差分法的数值分析。利用该数学模型计算了燃油泄漏速率,并与经典公式计算的燃油泄漏速率以及试验值进行对比,验证了该研究模型的有效性。经分析得出了柱塞在柱塞套内倾斜状态下和偏心状态下,间隙燃油的泄漏速率、油膜厚度、温度、密度、黏度和比热容的变化趋势。     

基于动态规划与神经网络的增程式电动汽车能量管理策略研究

设计了一种具有实时控制能力的增程式电动汽车混合型能量管理策略。首先建立了面向能量管理策略优化的增程式电动汽车整车模型。根据能量管理策略特点,将优化目标设置为增程器系统燃油消耗及动力电池当前SOC值与目标值之间差值的总和。再采用动态规划算法求解增程式电动汽车在给定行驶工况下的能量管理优化问题,从而获得了增程器开启时刻与输出功率优化结果。但由于动态规划算法需要已知详细的工况信息,很难应用于实车实时控制,而且从动态规划优化结果中不易提取控制规则,因此利用BP神经网络算法对优化结果进行离线训练,建立了增程器输出功率与车辆行驶状态参数间的非线性映射关系,得到了具有实时控制能力的神经网络控制模型。在采用BP神经网络训练时,根据车辆各个状态参数在CAN总线中的传输精度,对神经网络输入层、输出层参数的精度进行了修正。仿真结果表明:神经网络模型能够获得类似动态规划的最优控制效果,能够控制动力电池SOC在目标值的3%误差带以内。采用NEDC工况对混合型能量管理策略进行了硬件在环仿真试验,试验结果表明:与实车采用的电能消耗-电能维持型控制策略相比,所提出的混合型能量管理策略使汽车的燃油经济性提高了9.5%。     

柴油机掺烧生物柴油NO_x和Soot排放控制研究

对柴油机燃用生物柴油-0号柴油混合燃料的NO_x和Soot排放特性进行了仿真研究。在柴油机参数不作任何改变的情况下燃用体积分数分别为10%,20%,30%,40%和50%的生物柴油混合燃料,与原机的NO_x和Soot排放特性进行对比。研究表明:随着混合燃料中生物柴油体积分数的增加,柴油机Soot排放降低,NO_x排放增大。EGR的引入使柴油机NO_x排放降低,同时也使Soot排放增加。在1 800r/min中低负荷工况下,大比例生物柴油-0号柴油混合燃料应用于柴油机时,可通过调节EGR率使得柴油机NO_x和Soot排放都控制到与原机相当。     

滑坡变形的人工神经网络预测模型及应用

根据人工神经网络对信息处理的能力,选用较成熟的反向传播网络模型,在详细的工程地质勘察和理论分析的基础上,利用某滑坡中部变形监测数据,通过多次试验的方法,建立了具有1个输入层、15个隐含层、1个输出层的反向传播网络模型。通过神经网络的学习与训练,建立了滑坡位移和时间之间的人工神经网络非线性关系模型,并应用非线性模型预测了滑坡在未来几个月的变形情况。     

基于碳烟粒径分布预测的柴油燃烧机理构建与氧含量影响研究

为预测柴油机碳烟排放的粒径分布，选用90%摩尔分数的正庚烷和10%摩尔分数的甲苯作为柴油替代物，分别构建气相动力学机理和表面动力学机理，并将二者耦合，构建成柴油替代物机理（简称HTS机理），将HTS机理结合矩量法数值模型进行了机理验证，并通过改变进气发动机进气氧的体积分数，进一步研究了氧浓度对碳烟粒径分布的影响。研究结果表明，在滞燃期、层流火焰速度、预混火焰关键组分、预混火焰碳烟粒径分布、柴油机缸压与放热率以及柴油机排放物生成等方面，应用HTS机理计算的模拟值与试验值基本一致。使用HTS机理研究氧浓度对碳烟粒径分布的影响表明：随着氧浓度的增加，碳烟颗粒平均数密度降低、数密度峰值减小、数密度峰值对应的颗粒物直径增大；且小粒径（直径0～50 nm）碳烟的数密度随之降低。     

高原环境下柴油机冷却系统性能仿真

利用GT-suite软件建立了柴油机工作过程模型和冷却系统模型并进行直接耦合,通过高原模拟台架试验验证了模型的正确性,进而研究了不同海拔外特性工况下柴油机及其冷却系统性能的变化规律。结果表明:海拔每升高1 000m,柴油机出口水温平均升高5.01%,散热量平均减小6.25%,风扇质量流量平均减小11.20%,柴油机功率平均减小3.55%,燃油消耗率平均增加4.67%;该装甲车辆在海拔1 000~2 600 m低转速区和海拔2 600m以上必须降负荷或者提高冷却系统散热能力后使用。最后以柴油机出口水温不超过报警值为目标,计算得到了柴油机最大允许负荷和风扇最小体积流量增幅MAP图,为高原环境下柴油机及其冷却系统匹配和改进提供了参考。     

基于ATT-LSTM模型的高速公路交通事件持续时长预测

为揭示交通事件对高速公路运行状态持续时间的影响规律，研究了高速公路交通事件持续时长预测方法。考虑高速公路交通事件时间序列特性，基于循环神经网络理论，从时间序列数据中提取交通事件时间依赖关系；通过引入长短时记忆网络，结合特征、时序注意力层挖掘历史时刻信息和当前时刻数据间的相关性，构建基于注意力机制-长短时记忆网络的高速公路交通事件持续时长预测模型。以2018年西安绕城高速公路交通监测数据集为例，开展了高速公路交通事件持续时长预测模型验证，对比了所提模型与反向传播神经网络、随机森林、支持向量机、长短时记忆网络模型这4种典型算法的预测精度，并分析了事件类型、天气条件、车辆类型、交通量等不同影响因素对持续时长的影响程度。结果表明:使用同一数据集，注意力机制-长短时记忆网络预测模型的预测结果平均绝对误差为24.43，平均绝对百分比误差为25.24%，均方根误差为21.17，预测精度优于其他4种预测方法。在模型的各影响因素权重中，事件类型所占权重最大为0.375，其次分别为车道数、车辆类型、天气等；采用立交出入口小时交通量作为修正参数，可以进一步提升预测精度，预测结果的绝对误差、平均绝对百分比误差和均方根误差可分别降低21.3%、7.5%和16.9%。研究结果能进一步提高高速公路交通事件持续时长预测的精度，为公路安全高效运行提供技术支持。      

基于表面温度和增量容量的锂电池健康状态估计

本文中提出了一种基于电池表面温度和增量容量的健康状态(SOH)估计方法,分析了恒流充电过程中的温度变化曲线,从温度变化曲线中提取了3个几何特征作为健康因子,并与增量容量曲线的峰值结合作为反向传播神经网络的输入来建立模型估算SOH。试验结果验证了该方法的有效性,SOH平均估计误差仅在2%以下。