驾驶员影响汽车侧翻稳定性机理分析与控制

针对驾驶员引起的汽车侧翻问题,分析驾驶员因素影响汽车侧翻稳定性的机理,提出融合驾驶员的人-车闭环系统差动制动防侧翻控制策略。考虑驾驶员感知、决策及执行参数的影响,建立驾驶员侧倾反应动力学模型;以某SUV为对象,分析驾驶员侧倾反应模型主要参数影响汽车侧翻稳定性的规律,包括驾驶经验参数、神经系统延迟时间及肌肉系统延迟时间;融合驾驶员及电控液压制动系统动力学特征设计PID差动制动防侧翻控制策略;选取典型汽车侧翻工况进行实例验证,结果表明驾驶员经验参数和神经系统延迟时间对汽车侧翻稳定性影响显著;提出的融合驾驶员的人-车闭环系统差动制动防侧翻控制策略既可弥补驾驶经验不足又可克服驾驶员生理及心理限制的限制,有效提高汽车防侧翻能力。     

圆锥混炼器对EP/CaCO_3复合材料分散行为及性能的影响

自行设计一种多级磨盘式强剪切分散混炼器,并研究其强剪切作用对纳米CaCO3填充环氧树脂(EP)体系分散行为及各项力学性能的影响。结果表明,在新型混炼器强烈的剪切作用下,EP高分子产生了新的断链和新的自由基,使纳米CaCO3的分散性能得到很大提高。因此,当复合材料被拉伸时,在传力过程中使复合材料的延伸能力得到提高。纳米CaCO3良好的分散性对于物理交联和交联网络结构的紧固起着关键的作用,使复合材料表现出更高的冲击性能。因此,新式混炼器使EP/CaCO3复合材料的力学性能和分散性能得到很大的改善。     

冷轧带肋钢筋砼受弯构件裂缝控制等级及抗裂检验系数的合理选用

冷轧带肋钢筋砼受弯构件裂缝控制等级及抗裂检验系数的合理选用严正平（四川省建筑科学研究院，成都６１００８１）１前言《砼结构设计规范》（ＧＢＪ１０—８９，简称新规范），《冷拔钢丝预应力砼构件设计与施工规程》（ＪＧＪ１９—９２，简称冷拔钢丝规程），及《冷轧...     

冷拔中强钢丝代替冷拔低碳钢丝设计与施工预应力混凝土构件的要点

说明 冷拔中强钢丝母材——B20MnSi热轧盘条,经我所及全国七个科研单位和学院的试验研究,证明B20MnSi热轧盘条满足预定的技术指标,于1985年10月通过鉴定,现已正式投产供货。在我国的“冷拔中强钢丝     

中强冷拔丝的拔丝工艺及材料性能

一、前言用冷拔钢丝生产的中小型预应力构件,在全国各地的城乡建设中大量应用,取得了良好的经济效益。但也存在一些问题,如构件试压出现的“脆断”破坏。预应力构件的“脆断”破坏原因较多,除与构件的配筋率     

考虑风电不确定性及柔性负荷的安全约束机组组合问题研究

针对风电出力的不确定性,采用基于拟蒙特卡洛(quasi-Monte Carlo,QMC)模拟的场景分析法生成风电出力初始场景,选取考虑风电预测误差较大的极限场景实现场景缩减。在不同的风电出力场景下,兼顾发电侧与需求侧柔性负荷的双侧协调配合,提出了计及柔性负荷的安全约束机组组合模型,实现了可削减负荷、可平移负荷以及可转移负荷3类柔性负荷的分类调度。通过对不同场景下10机系统的仿真计算,对比分析了需求侧柔性负荷调度对系统的经济成本、负荷峰谷差以及弃风量的影响。在考虑风电不确定性时,需求侧柔性负荷调度对提高系统经济性、缓解负荷高峰期用电压力具有重要作用,并且有利于增加风电的消纳,降低弃风电量。     

戴维南等值参数时域仿真跟踪算法分析与改进

从物理意义和数学假设两方面对现有的2种基于时域仿真的戴维南等值参数跟踪算法进行了详细的分析,揭示了两者共同的本质和算法实现上的差异。针对系统中所有负荷节点的处理方式,对现有2种算法进行了修正,使两者在物理本质、数学前提和计算结果三方面实现了统一。在统一现有算法的基础上,为了尽量减小"两状态法"可能带来的误差,以原算法的前提假设为出发点,对不同类型的发电机节点和负荷节点分别按照不同的方式进行处理,提出了改进的戴维南等值参数时域仿真跟踪算法。以等阻抗模判据为依据,通过稳态和暂态实例验证了改进算法能够更加准确地判断电力系统的电压稳定性。     

高比例可再生能源受端区域电网调峰的出力网际分配

随着我国可再生能源大规模并网,低谷调峰成为诸多高比例可再生能源受端区域电网运行的困难之一。通过区域电网直调机组网际出力分配可以缓解区域内各省网的调峰压力。建立了以省网负荷平稳性和区域直调机组收益最大化为优化目标的二次规划模型,引入价格杠杆和调峰压力系数,以协调各省网的调峰需求。在此基础上,考虑风电功率的不确定性,建立机会约束规划模型,通过蒙特卡洛模拟技术进行求解,验证不确定性和风险存在条件下,网际出力配置模型的有效性。华东直调系统简化算例的仿真结果表明,所提模型能够有效地解决高比例可再生能源受端电网的调峰难题。     

基于多代理系统的电动汽车协调充电策略

为最大化电力公司利益,设计了一种用于协调电动汽车充电的多代理系统,并在满足电动汽车车主充电需求及变压器容量限制的前提下,提出一种以负荷峰谷差最小为目标的分布式优化算法。利用分时电价算法初步优化后得到理想的充电时间区间,在充电区间内应用优化算法避免新的负荷尖峰,引入训练学习机制以使负荷曲线达到削峰填谷的效果。根据用户的驾驶习惯,采用蒙特卡洛方法模拟用户的充电需求,对电动汽车在无序充电、单次优化充电以及引入训练学习机制充电3种情况下的电网负荷进行了仿真分析。研究结果表明:单次优化可以避免负荷尖峰,但不能优化峰谷差;而引入训练学习机制后在减小峰谷差方面有显著作用,而且该分布式优化有更高的计算效率,适于实际应用。