波状摆动式鱼类的推进性能研究

以开发适用于小型潜器的仿生操纵与推进系统为研究背景,利用计算流体动力学软件Fluent对波状摆动式鱼类进行了数值模拟,建立波状摆动式鱼类的数值计算模型,研究不同变形参数对鱼类推进性能以及尾涡流场结构的影响。结果表明,随着波长的增加,鱼类能够获得更好的推进性能。通过对比不同频率下鱼类推进性能以及流场结构,探讨不同滑移率及斯特劳哈尔数对推进性能影响。     

防止电力机车进入无电单元(区)的安全预警方法

针对目前计划内接触网停电时电力机车进入无电单元(区)的问题,提出了基于动态停电作业区域数据对比库语音、屏幕鼠标点击坐标和高清成像分析进行"三元素二阶段"处理对比方法,以减少人员操作失误和损失.机车/车次信息及对应机车属性先由操作人员办理接发列预告(办理闭塞)的语音识别获取,再通过TDCS/CTC终端机非上位机获取并核对...     

汽车内饰件VOC散发规律及控制

以门饰板总成为目标进行分解研究,对总成及其子级件的VOC含量进行分析发现不同材料和工艺对总成VOC的权重表现依次是PP类、表皮包覆类零件、表面处理类零件。其中PP作为用量最大的材料,直接关系到整个总成的VOC表现;TPO表皮、针织面料是目前相对环保的表皮类型;在一些非外观的骨架材料方面,本体法ABS相比于乳液法ABS具有一定的优势;相比溶剂胶和热熔胶,水性胶是成本和性能综合优势明显的胶粘剂类型。     

基于深度学习的智能车辆视觉里程计技术发展综述

针对基于模型的视觉里程计在光照条件恶劣的情况下存在鲁棒性差、回环检测准确率低、动态场景中精度不够、无法对场景进行语义理解等问题,利用深度学习可以弥补其不足。首先,简略介绍了基于模型的里程计的研究现状,然后对比了常用的智能车数据集,将基于深度学习的视觉里程计分为有监督学习、无监督学习和模型法与深度学习结合3种,从网络结构、输入和输出特征、鲁棒性等方面进行分析,最后,讨论了基于深度学习的智能车辆视觉里程计研究热点,从视觉里程计在动态场景的鲁棒性优化、多传感器融合、场景语义分割3个方面对智能车辆视觉里程计技术的发展趋势进行了展望。     

高频振动器在桥梁工程中的应用研讨

针对实际工程中低频振动器应用中所产生的问题,对传统振动器与高频振动器的应用及性能进行了对比分析,介绍了高频振动器在T梁预制构件中的应用及混凝土振捣质量控制.     

并联混合动力汽车ECMS的时变等效因子提取算法的研究

为解决当前等效燃油消耗最小控制策略(ECMS)未能根据实际工况选取最优等效因子的问题,利用动态规划算法(DP)和ECMS各自的优点,构建并联混合动力汽车能量算法模型,即采用动态规划算法的等效燃油消耗最小控制策略(ECMSwDP),将等效因子作为全局最优算法的控制变量,通过对等效因子的离散全局优化,获得基于工况的最佳时变等效因子。在标准工况下对时变等效因子实时控制策略与全局最优控制策略DP的各项性能参数进行了数值仿真,验证了时变等效因子提取算法的有效性和等效因子初始值选取方法的可行性。     

汽车雨水管理的数值仿真与评价

汽车在雨天行驶时,落到侧窗表面的雨水会影响驾驶员的侧向视野和后视野,从而危及行车安全,故侧窗雨水管理对于整车安全非常重要。但迄今为止对于侧窗雨水管理问题尚未有一个统一而有效的评价方法。为此,本文中应用液膜模型和拉格朗日粒子模型对某款SUV进行了雨水仿真,基于人机工程学和粒子束轨迹技术提出了侧窗雨水管理的评价方法,并对仿真结果进行了相应的分析。     

焊装车间机器人的节拍分析及优化设计

为了实现焊装车间降本增效的目标,对焊装车间自动生产线上机器人的生产节拍进行优化.通过分析机器人的工作时序逻辑,查找机器人不合理的工作时序,进而分析机器人的底层程序,修改程序上的问题,优化工作时序,消除机器人工作时序逻辑不合理产生的等待浪费,提升生产线的生产节拍,从而提高车间的生产效率,最终实现降本增效的目标.     

计及导向摆臂约束的重型货车驾驶室俯仰平面动力学模型

传统的重型货车驾驶室俯仰平面动力学模型没有考虑悬置导向机构的影响,仅能粗略计算驾驶室垂向和俯仰响应,无法计算驾驶室质心的纵向振动特性,因而其仿真精度较低,且在实际工程应用中受到了限制.为提高模型精度并拓宽其工程应用范围,创建了考虑导向摆臂约束作用的驾驶室俯仰平面动力学模型,分析了摆臂导向机构的约束特性.在此基础上,通过...     

轿车与6岁儿童行人不同方位碰撞中下肢损伤分析

Euro NCAP发布的行人模型认证技术公告TB024的最新版本对6岁儿童行人模型认证提出了单独要求,旨在加强对儿童行人的保护.本研究应用符合Euro NCAP技术公告(TB024)规定并且具有详细解剖学结构的6岁儿童行人有限元模型,设置了4组不同方位行人-汽车碰撞仿真试验,以探究不同碰撞方位下的儿童下肢损伤机理.结果...