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。     

2020年一汽奥迪A3 新技术剖析(二)

冷却系统工作状态如图7～图9所示. 在发动机冷启动时,主水泵是不起作用的,是由增压空气冷却泵V188来产生循环的.V188让冷却液流经低压废气再循环冷却器然后再流经暖风热交换器.回流是经过发动机机油冷却器的,该冷却器在这个时候的液流方向与正常时是相反的.缸盖内的循环可保证缸盖温度不至于达到沸腾.     

Application of frequency estimation algorithm based on a single vector sensor in underwater acoustic communication

1 Introduction1 An acoustic vector sensor (AVS) simultaneously measures the acoustic pressure and the components of acoustic particle velocity which render the basis for developing new signal processing methods[1-2]. The higher processing gain can be obta…     

Min-norm spatial spectrum based on acoustic vector-sensor linear array

1 Introduction1 The Min-Norm(MN) algorithm was proposed by Kumaresan and Tufts[1] for estimating the DOA of targets applied at pressure sensor arrays. It has been proved that lower bias and higher resolution of DOA estimation using the MN algorithm is obt…     

地铁自动检票机故障分析及可靠性研究

考虑到地铁自动检票机组成复杂且故障形式多样,对其进行故障分析并以二参数威布尔分布为基础,提出一种基于混合威布尔分布的设备可靠性评估模型。为提高模型拟合精度,基于误差平方和最小思想构建非线性最小二乘参数优化估计模型并使用粒子群算法(PSO)进行最优参数求解。以南京地铁油坊桥车站自动检票机实际故障数据为例,进行实例验证。结果表明,基于PSO算法的混合威布尔分布可靠性评估模型优于传统单威布尔分布,其均方根误差、平均绝对百分比误差、皮尔逊相关系数均为最优。     

基于多源数据的城市群枢纽间多模式交通系统异常状态影响研究

为探究城市群多模式交通系统异常状态的影响范围,从需求端非常态客流变化和供给端运输能力下降两方面对多模式交通系统异常环境进行分类,提出了基于手机信令数据、意向出行调查及客票信息等多源数据的异常状态影响范围识别流程和分析方法;以京津冀城市群为例,确定强链接枢纽间通道客流动态安全阈值,提出了基于贝叶斯预测的通道客流异常检测方法;利用提升度、余弦相似度及其标准化值来区分枢纽关联规则的有效性,提出了基于强关联规则确定异常状态影响范围的方法。研究表明：基于贝叶斯预测的通道客流异常检测方法具有实时性,提高了客流安全阈值精度;基于实际手机数据和假定异常情况下的意向调查数据并结合关联规则确定枢纽影响范围,可为利用数据挖掘技术分析突发异常状态的影响和对策提供借鉴。     

铁路声屏障表观病害智能检测技术

针对铁路声屏障外观状态检查效率低、检测精度差的现状,为满足自动化、智能化检测需求,开展声屏障表观病害智能检测技术研究。通过调研分析声屏障检测技术现状,提出基于图像的铁路声屏障表观病害智能检测技术方案。重点对声屏障外观成像、主从协同控制、在线识别等关键技术的实现方式进行研究,同时对部分功能进行了试验验证;基于钢轨探伤车进行图像采集,检测速度80 km/h,建立声屏障病害典型样本数据集,验证了在线识别的可行性和有效性。结果表明,铁路声屏障表观病害智能检测技术可大幅提升病害检测的自动化和智能化水平。     

多特征点驱动的船舶轨迹聚类方法

轨迹聚类在船舶行为分析与海事监管等领域发挥着重要作用。船舶轨迹存在长度与采样率不一致、结构差异明显等特点,在大范围水域难以实现大量船舶轨迹的高精度与快速聚类。针对该问题,在利用船舶自动识别系统获取海量船舶历史航行数据的基础上,提取与船舶航行行为、船舶交通密度相关的位置特征点,进而提出了多特征点驱动的船舶轨迹聚类方法。针对船舶航行时在大多数情形下具有保向、保速的特点,采用数据压缩的方法捕获船舶航行状态以及船舶航向发生显著变化的轨迹点,作为船舶轨迹结构特征点;针对目标水域中某些特定区域常存在船舶交叉会遇的情形,利用概率密度估计法分析船舶交通流的空间分布特点,并提取船舶会遇局面下的轨迹点,作为船舶交通流特征点;为剔除2类特征点中的异常值,采用密度聚类算法对特征点进行聚类,进一步提高特征点提取的可靠性,并将聚类结果中每类特征点的中心作为代表性特征点;统计途经代表性特征点的船舶轨迹分布情况,将具有相似分布的船舶轨迹视为同一类。实验结果表明：相比于常用的K-medoids聚类、层次聚类、谱聚类和DBSCAN等方法,提出的轨迹聚类方法在成山头水域、长江口南槽水域及舟山水域等典型区域均可获得优异的聚类...