WBZ21型稳定土拌和机行走系统及燃油泵故障的诊断处理

针对WBZ21型稳定土拌和机在施工中其行走系统和燃油泵截流阀所发生的故障问题，提出了一系列故障诊断及排除方法。     

汽车电子稳定系统ESP的工作原理及应用

介绍汽车电子稳定系统ESP的工作原理、组成部件及其功能。ESP系统基于汽车翻转角速度、横向线加速度和偏转力矩等的测量值,不但能够纠正诸如翻转或者打滑等各种汽车不稳定行驶状态,而且能够显著提高汽车线内行驶的稳定性,缩短在弯道或湿滑路面上紧急制动时的制动距离等。     

海洋工程平台项目物资追溯管理的批次管理方法

基于海洋工程平台项目特点,研究物资分类、物资编码和物资批次编码等关键技术,引入批次管理方法。按批次阶段形成亚批次清单（Bill of Lots,BOL）,建立物资追溯管理模型,为海洋工程平台项目实现产品全生命周期内的物资追溯管理提供理论依据。     

某型高速列车车厢连接处脉动压力的预测与控制

某型高速列车以350 km/h运行时,靠近车厢连接处的乘务室在40 Hz频率下对应的声压级高达105 dB。为明确该噪声的产生根源并有针对性地进行控制,采用子域法建立了车厢连接处的气动仿真模型,使用改进延迟涡分离模型进行脉动压力预测。经分析车厢连接处上、下缺口测点压力功率谱密度发现,射流剪切层存在接近40 Hz的峰值频率,该频率与车厢连接处所围区域形成的声学空腔的二阶模态频率接近,由此产生了共振。仿真分析表明:在上、下缺口前端与末端增加波浪板能明显降低测点在36～45 Hz对应的脉动压力总能量。实车测试表明:该方案能使乘务室在40 Hz下对应的声压级降低5 dB。主动射流方案也有较好的降噪效果,有望在未来成为可实施的方案。     

窄幅边主梁斜拉桥涡振性能及气动控制措施研究

为研究窄幅边主梁断面的涡振性能及其气动控制措施,以某窄幅边主梁斜拉桥为工程背景,开展1︰20节段模型的测振及气动控制措施优化风洞试验,研究不同角度风嘴对称及非对称布置形式、梁底稳定板数量、风嘴水平分流板等气动措施对主梁涡振性能的影响。研究结果表明：窄幅边主梁涡振性能较差,在0°,±3°风攻角下均发生了显著的竖弯涡振,但未发生扭转涡振,最大响应振幅出现在+3°攻角,峰值位移132.2 mm,超出规范允许值152%。安装非对称风嘴对主梁涡振抑制效果更明显,设置风嘴能使主梁断面接近流线型,从而改善其气动性能。风嘴角度越小,抑振效果越好,但风嘴对主梁涡振性能提高有限。梁底稳定板对边主梁涡振的抑制效果明显,涡振风速区间不变,竖向涡振振幅得到明显抑制。随着稳定板的数目增加,主梁涡振稳定性提高越明显,但对主梁在不同风攻角下涡振性能的改善存在较大差异,+3°攻角下涡振响应降低为原断面响应的50%,但仍超规范限值。0°攻角下主梁的涡振得到完全抑制。在边主梁梁底两侧1/4处设置稳定板并在风嘴处设置分流板能有效抑制主梁发生涡激共振。     

轴类件磨削缺陷的分析

无心磨床通磨加工是将工件从机床前面放到托板和导板上推入磨削区,然后从机床后面穿出磨削区的磨削加工方法。主要适用于加工圆柱、圆盘形零件,另外经过特殊变化可加工短圆锥等其他零件。在这一加工过程中,砂轮、导轮、托板、导板及送进导出辊、切削液等选用调整不当,则都会产生磨削缺陷,进而影响加工精度。公司针对在加工16132、16133等系列拨叉轴时,无心磨床在通磨中产生的常见磨削缺陷进行分析,找出产生缺陷的原因,进而找到消除的方法,以求对无心磨床使用者起到帮助。     

带阈值的广义双向细胞联想神经网络GCBAM及其稳定性质研究

在提出双向细胞联想神经网络CBAM的基础上,通过引入阈值概念,进而提出了广义双向细胞 联想神经网络GCBAM,研究了其平衡态,存在性质及其Lyapunov意义下的网络稳定性质。     

考虑外环境影响的船舶操纵模拟自动舵系统

自动舵系统是建立船舶操纵离线模拟模型所要解决的关键因素之一,本文给出了一种船舶操纵模拟自动舵系统,该系统可以对船舶出入港时受到的复杂载荷,如风,浪,流,限制性航道等做出合理反应,可以应用于船舶出入港操纵运动的离线模拟中。     

纯电动汽车能量回收控制策略研究

纯电动汽车的能量回收技术有很高的研究价值,是提高整车经济性的有效手段之一。以一种并联能量回收方案为研究对象,从再生制动原理进行分析,在电池回收能力、电机回收能力及负载功率消耗的限制前提下,提出一个合理的能量回收控制策略,兼顾整车的经济性及乘客的舒适性,并通过ADVISOR进行NEDC工况仿真验证。试验表明,与无能量回收车型对比,相同时间内该策略下整车电池SOC值明显下降缓慢,该研究为制动能量回收策略算法的进一步优化开发提供参照。     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.