PFI增压汽油机机油稀释试验研究

在一款1．0 L 气道喷射增压汽油机上研究了机油稀释的分布区域及其产生机理,发现机油稀释严重的区域主要集中在高速大负荷工况。通过对喷油器喷孔直径、喷油相位、VVT 动作角、空燃比、水泵流量、机油冷却器散热量、曲轴箱强制通风系统 PCV 阀补气量等相关特性参数的调整验证,发现喷油相位靠后、空燃比过浓是机油稀释严重的主要原因,水泵流量、PCV 阀补气量、VVT 动作角、机油冷却器散热量对机油稀释也有一定的影响,喷油器喷孔直径的变化对机油稀释无影响。最终在该款发动机上综合采用优化喷油相位、水泵流量、PCV 阀补气量、机油冷却器散热量的措施,最大机油稀释水平控制在5％以下。     

沉船起吊过程中海土吸附力对吊力影响的数值分析

针对过去的沉船打捞吊力计算中,对吸附力影响考虑不够充分的问题,基于土体承载力计算原理,采用有限元软件Abaqus建立吸附力数值仿真模型,对比典型工况下数值模型结果与太沙基吸附力修正公式得到的理论计算结果,验证吸附力数值仿真模型的可靠性,对起吊离底过程进行仿真模拟,获取不同入泥深度、不同提升速度及匀速和非匀速等因素对吸附力大小的影响,给出合理的起吊方案,为沉船起吊过程中的吊力分布及结构加强方案优化提供技术支撑。     

隧道阻燃沥青及混合料阻燃性能评价

该文在阻燃沥青混合料阻燃效果评价方法分析的基础上,探索两种不同制备工艺的阻燃沥青混合料烘烤试验和马歇尔试件燃烧试验,来评价阻燃沥青混合料的阻燃效果。并通过阻燃沥青和改性沥青对比试验,分析其烟气排放量和经济性。     

融合机器视觉与高精度定位的高速公路疲劳驾驶行为检测方法

为提高高速公路场景下疲劳驾驶检测的准确率,降低在驾驶员面部易受遮挡、光线复杂的驾驶舱内的疲劳驾驶检测的误判率,提出一种兼顾检测精度与实时性、结合高精度定位与机器视觉的高速公路疲劳驾驶行为检测方法。首先,使用多任务卷积神经网络与FaceNet算法实现驾驶员身份识别,运用改进的实用面部特征点检测器（Practical Facial Landmark Detector, PFLD）算法检测人脸关键点。然后,考虑视频设备工作状态不稳定对疲劳驾驶行为识别产生干扰的场景,基于行驶车辆的轨迹数据,提出纵向位移波动斜率（Slope of Longitudinal Displacement Fluctuation, SLDF）,以弥补单一视频设备检测易受光线、遮挡等干扰因素影响的缺陷。随后,使用SLDF指标和3个面部疲劳特征识别疲劳驾驶,并在传统支持向量机（Support Vector Machines, SVM）中加入量子粒子群优化算法,提升SVM分类准确度和缩短运算时间。最后,为验证模型性能进行实车试验,结果表明,复杂场景下疲劳驾驶识别准确率达86.8%,计算时间为3.017 s,与现有其他数据融合...     

基于LIBSVM的LNG公交车尾气排放预测模型

LNG公交车尾气排放与多种可量化的行驶状态的指标有关.目前,预测模型变量单一,大多经过分类假设,预测精度较低.为进一步提高LNG公交车尾气排放预测模型的预测精度,建立液化天然气公交车尾气排放量多种因素综合影响的尾气排放模型.实验采集镇江市LNG公交车的CO,CO2,HC,NOx这4类尾气的排放数据和行驶状态信息.将影响因素数据进行归一化处理,提高模型的准确率和稳定性.通过反复的验算,寻找支持向量回归分析模型中适用于LNG公交车尾气排放的最佳参数.建立基于LIBSVM的LNG公交车尾气排放预测模型.结果表明,所建立的LNG公交车尾气模型对于CO,CO2,HC,NOx这4类尾气的平方相关系数分别为:0.921,0.944,0.872,0.964.与公交车尾气预测的其他模型相比,该预测模型的预测精度有较大的提高.      

CRH380B动车组轮对高级修轮缘厚限值优化的可行性研究

为了优化CRH380B动车组轮缘厚高级修镟修限值,基于不同轮缘厚条件下的轮对磨耗规律和车辆动力学性能分析,采用多体动力学软件和Archard磨耗理论联合仿真求解的方式,利用非线性磨耗模型对车轮磨损进行预测,并使用多体并行仿真方法实时更新状态参数和接触力.结合仿真计算分析结果,并与实测数据对比,可发现当车辆运行速度低于3...     

30万吨级油船空载系泊系缆力模型试验研究

针对大型油船在现有码头停靠、改造时的空载系泊情况,采用物理模型试验方法,分析了处于改造作业过程中吃水较小、受风面积较大的30万t级油船的缆绳受力情况,研究了吹开风作用下以及风浪联合作用下波浪与风速对缆绳受力的影响,得出了原系泊方案最不利缆绳位置。针对风暴情况下船舶系缆布置方式存在的问题,提出了相应的优化方案,并开展相关试验研究。研究结果表明：优化方案可使各个缆绳受力更加均匀,避免某根缆绳受力较大的情况,试验结果可为相关设计提供一定的依据。