基于试验数据的城轨车辆二系悬挂系统神经网络辨识研究

针对城市轨道车辆二系悬挂系统的输入-输出动态关系,根据实测数据应用神经网络对城市轨道车辆二系悬挂系统进行辨识,建立了二系悬挂动态系统神经网络模型。仿真结果表明:所采用的辨识网络能够对城市轨道车辆二系悬挂系统的动态关系进行有效的辨识,可以建立一个分析二系悬挂系统特性的神经网络模型。     

基于多块混合网格方法预报螺旋桨非正常工作状态时的水动力性能

运用多块混合网格,结合RNG k-ε湍流模型对非正常工作状态下的螺旋桨水动力性能进行了计算研究。模拟了某型螺旋桨在锁死情况下,螺旋桨表面受力随进速的改变而相应的变化规律;同时,把滑移网格技术和动网格技术运用于模拟自由旋转螺旋桨的水动力性能计算中,获取不同进速下螺旋桨的临界转速和表面受力情况。在文中把采用CFD方法计算的结果与采用经验公式计算的结果进行了对比分析。从对比结果可知,采用CFD方法可近似地获得非正常工作状态下的螺旋桨水动力性能参数,而且可以较真实地模拟流场特性,获取流场信息,相对于经验公式的计算方法存在自己的优势。     

基于改进粒子群优化算法的船舶纵向运动参数辨识

针对粒子群优化算法易于陷入局部最优的缺点,提出了一种改进的粒子群优化算法,并将改进的算法应用到船舶纵向运动模型的参数辨识.对辨识结果进行了验证,表明,利用改进的粒子群优化算法有较快的收敛速度和稳定性,辨识获得的水动力参数计算的结果误差均在允许范围内,得到的纵向运动的状态参数与理论观测值吻合度较高,辨识算法有效可行.     

基于分阶段搜索连续蚁群算法的船舶纵向运动参数辨识

提出了一种分阶段搜索的连续蚁群算法,并成功应用于求解船舶纵向运动参数辨识问题.首先将船舶纵向运动的参数辨识问题转化为参数空问非线性优化问题,然后在优化问题求解过程中,依据待辨识参数对待优化问题影响的大小,将所有参数进行动态分组,依据影响由大到小的顺序,利用连续蚁群算法依次对各组参数进行寻优,确定各组参数的范围,最后对所有参数进行小范围精细搜索,从而使算法最终收敛到最优解.求解结果表明,该算法能够快速地辨识出满足精度要求的船舶纵向运动水动力参数,验证了算法的有效性.     

基于CANopen协议的舰船监测系统智能传感器研制

针对舰船传感器可靠性差,型号繁多、保障困难的问题,研制了一种基于CANopen协议、能够同时测量转速和温度两个参数的智能传感器,以达到降低系统的维护难度,简化监测系统的结构,提高监测系统整体可靠性的目的。     

复杂环境下船舶轴系推力信号辨识模型分析

为解决复杂环境下的船舶轴系推力信号辨识问题,提出一种基于时频分析和深度学习的轴系推力信号辨识模型。该模型首先以短时傅里叶变换（STFT）方法对轴系推力信号与环境干扰信号的时频特征进行提取,以频段分析方法对两种信号的频率（周期）和能量等关键特征进行计算;然后以循环神经网络（RNN）方法对模型中2种信号的关键特征进行充分训练,得到经泛化后的深度学习辨识模型;最后,基于实验室模拟实船的轴系推力信号与环境干扰信号数据对模型进行仿真试验和验证。验证结果表明,该模型在复杂环境干扰下施加恒定推力与动态推力时均具备良好的辨识能力,可为船舶轴系推力信号辨识技术的研究提供参考。     

变速变桨风力发电机组的阵风控制策略

针对双馈式变速变桨风力发电机组在实际运行中出现的发电机超速故障频发等问题,从发电机的超速故障分析入手,提出了一种在超速过程中变桨距控制方法的阵风控制策略。该策略旨在有效减少机组在遭遇强阵风时发生超速故障停机的次数。通过仿真计算的结果验证了该策略在减少超速故障停机次数方面的有效性,并运用软件优化技术对控制算法进行改进,进一步提升阵风控制的性能和可靠性,可以有效应对风况快速变化、特别是风速降低后又快速上升的阵风风况。该研究对于提高机组的可靠性、延长使用寿命以及最大程度地利用风能具有重要意义。     

需要更多浅析增压系统

功率代表单位时间内所做的功．对于发动机来说,可以通过提高发动机转速增加单位时间内做功的发数．也可以提高发动机每发的做功大小。这是提高发动机输出功率的两种不同途径．增压发动机属于后者。     

认识汽车传感器

车用传感器是汽车计算机系统的输入装置,它把汽车运行中各种工况信息(如车速、各种介质的温度、发动机转速等)转化成电信号输送给计算机,以使发动机处于最佳工作状态。在判断传感器故障时,不应只考虑传感器本身,而应考虑出现故障的整个电路,除了检查传感器之外,还要检查线束、插接件及传感器与电控单元之间的有关电路。下面介绍汽车上常见的五种主要传感器。     

发动机异响特性分析方法

发动机异响故障对汽车的技术状况和使用性能有很大影响。本文从异响部位、响声特征、转速特性、负荷特性、工作循环特性、温度特性、伴随现象等七个方面阐述对发动机异响进行特性分析的基本理论与基本方法。