十五相感应电机建模与仿真分析

本文对十五相感应电机进行建模与仿真分析。首先，利用数学模型确定了十五相感应电机的仿真模型，并验证仿真模型的正确性，然后对十五相感应电机进行转子磁场定向矢量控制。并分析了在空载、负载、断路(单相断路、切断断路的整套绕组)状态下的十五相感应电机的电磁转矩和转速的变化。得出当某相绕组发生故障时，可以通过切断其所在的整套绕组来减少转矩脉动，增加效率。     

复杂工况下铆粘复合接头的碰撞仿真研究

以母材为铝板的自冲铆接+粘接复合连接点为研究对象，前期通过设计连接点拉剪、撕裂和正拉3种工况下的动态拉伸试验和CAE仿真建模标定，准确获取了CAE仿真模型本构关系中的各项参数，最后对叠加多种工况的T型部件开展CAE碰撞仿真与高速撞击对比验证试验，CAE仿真准确预测连接点的失效，仿真精度达到了95.9%，精准表征了铆粘复合连接点在混合复杂工况下的变形与失效行为，在整车碰撞CAE仿真中具有较高的实用性。     

基于模态频率应变能熵和Tent—SSA—BP神经网络的桥梁损伤识别方法的研究

针对服役中的中小型梁桥因环境和材料因素影响易发生损伤的问题，提出了一种融合模态应变能、频率和信息熵的桥梁损伤识别的方法。该方法首先提取出桥梁的模态参数，通过公式得出模态频率应变能熵，对梁进行单点和多点损伤定位分析。其次，利用混沌tent映射，优化麻雀搜索算法的权阈值，调整寻优能力，并且将麻雀搜索算法(SSA)和混沌优化过后的麻雀搜索算法(Tent—SSA)分别优化BP神经网络。最后，将熵值变化率作为输入数据放进神经网络中训练，输出简支梁桥的损伤程度，做出定量对比分析。使用有限元软件进行算例分析的结果表明，模态频率应变能熵能精确定位损伤的位置，对损伤的敏感度较强，解决了识别过程中的非线性问题；同时，优化过后的BP神经网络对损伤识别的准确率更高，预测效果更好。     

基于集总热网络法永磁同步电机温度场分析

为了解永磁同步电机发热情况，建立一种在水冷下外转子永磁同步电机热网络模型。首先，建立了电机等效热网络模型，然后对热阻和水道对流散热系数以及材料导热系数进行计算，最后通过热平衡方程式分析其在额定工况下电机各部件温度及温升情况。并与有限元软件计算结果进行比较分析，验证所建立热网络模型准确性，为水冷条件下外转子永磁同步电机温升预测提供参考依据。     

新能源汽车出行个人碳账户发展现状及建议

我国居民出行领域碳排放占比较高，且呈现增长趋势，是我国“双碳”工作重点领域之一。个人碳账户产品能够评估居民的减排贡献，并通过提供奖励的方式，引导居民选择新能源汽车等绿色出行方式。本文按照互联网平台、企业、政府、银行机构分类梳理了现有的个人碳账户产品，分析当前个人碳账户产品发展现状，同时梳理出当前存在的运营主体割裂、减排核算标准不统一、数据无法互通互认、商业模式不可持续等方面的问题，为车企进一步参与个人碳账户减排场景建设提供建议。     

铁路货车车辆转向架无源无线振动传感与监测系统

转向架是铁路货车车辆的关键部件，因货车上无电源供给，且车辆在运用过程中存在随机编组，因此很难开展铁路货车转向架状态监测与故障诊断的相关研究。针对这一问题，文章研究了一种包括车载转向架无源无线振动传感与监测组件、测速发电模块、轨旁数据基站和远程故障诊断中心的铁路货车转向架无源无线振动传感与监测系统，系统通过安装在货车轴端的微型轴端测速发电机、测速发电模块为车载转向架无源无线振动传感与监测组件供电和提供速度信号，由振动传感与监测组件的信号采集处理CPU经组合传感器、信号调理电路、模数转换电路同步采集货车转向架的振动、冲击和温度信号并预诊断后通过WSN网络发送到轨旁数据基站，轨旁数据基站运用多线程WSN网络接收并缓存货运车辆的运行状态监测数据后再通过4G/5G网络自动将数据传输到远程故障诊断中心，远程故障诊断中心对列车运行状态数据进行分析处理与故障诊断后实现对货车转向架的智能运维。该系统已装车进行运行试验，试验结果表明，系统能实现铁路货车转向架的无源无线振动传感与监测，及时发现故障，确保货运列车安全行驶。     

路面冲击输入下车内噪声主动控制

针对基于LMS算法道路噪声主动控制在面对冲击性噪声时性能骤降的问题，建立了基于滤波-x最小平均绝对偏差（FxLMAD）算法的道路噪声主动控制系统，以控制路面冲击输入下的车内噪声。首先对路面冲击输入下车内噪声特性进行了分析，发现其噪声是非高斯的，且更符合α稳定分布。接着对基于FxLMAD算法的噪声主动控制进行仿真，结果表明该算法在达到良好降噪效果的前提下还拥有结构简单、计算量小的优点。最后，搭建了车内噪声主动控制系统并在某燃油车上完成了冲击路面的实车道路试验。结果显示，基于FxLMAD算法的车内道路噪声主动控制系统在50～500 Hz范围内的总声压级降噪量可达约2 dB(A)，明显优于普通的LMS算法。