基于多软件联合仿真的载货汽车平顺性提升方法研究

针对改善某载货汽车行驶平顺性的问题,对某整车制造企业生产的某型载货汽车进行了研究,提出一种新的方法对该车顺性进行提升.首先,应用ADAMS/Car建立载货汽车的刚柔耦合样机模型;其次,建立ADAMS/Car与Simulink的联合仿真模型;最后,利用MATLAB编写加速度RMS(加权加速度均方根值)程序,并应用Isight/Optimization软件中的多岛遗传算法优化此联合仿真模型.以载货汽车不同车速行驶在随机级路面(C级),驾驶室座椅处加速度RMS值来评价整车平顺性的优劣.结果表明:采用提出的方法设计优化后,驾驶室座椅处X向的加速度RMS值最大降低了12.84％,座椅处Z向的加速度RMS值最大降低了13.08％,座椅处综合加速度RMS值最大降低了11.46％,平顺性能得到了提升.     

车门铰链系统与车门下沉刚度的相关性

针对某型车门下沉问题,通过台架试验获得车门、铰链和车身等各单因素下沉量和车门绞链系统整体下沉量,对单因素下沉量与系统整体下沉刚度进行线性拟合分析,得到车门铰链系统各单因素与系统下沉刚度的相关度排序.对前、后车门分别选取相关度较高的单因素进行优化,最终改进方案的仿真和试验结果证明该方案可有效地提升车门下沉刚度.采用定量分析法可快速找出影响下沉刚度的敏感因素,并能够快速生成优化方案,为新车型设计提供参考.     

聚酯装置全消光转产特种消光过渡优化

总结了中国石化仪征化纤有限责任公司全消光转产特种消光切片的现状,根据理论计算反应釜中的TiO2含量随时间变化的公式,探索影响转产过渡时间的因素,为减少转产过渡时间,降低过渡料提供理论依据.     

新媒体时代广播电视编导工作的优化策略

信息技术的发展推动了新媒体的崛起,广播电视行业也迎来了全新的发展机遇与挑战.广播电视作为传统媒体行业,应充分利用好现代化媒体技术,发挥编导的价值和作用,创作出更加优质的节目内容,满足新时代人民群众多元化的节目需求,促进行业实现长远发展.基于以上背景,本文以广播电视编导为研究对象,分析了新媒体时代下广播电视编导在节目制作中的作用,并对其工作提出了具体的优化策略,旨在为相关工作者提供理论参考.     

拉索检测爬升装置轻量化设计与动力学性能分析

斜拉桥的自动化、智能化检测是今后的发展趋势,目前已研发的拉索检测机器人都存在质量较大的问题,很难得到工程实际应用.针对课题组前期研制的第一代爬升装置样机质量大、爬升速度较慢等问题,对其进行了受力分析与静应力分析,得出了优化的可能性.提出了零件板厚为优化参数,强度变化率为约束条件的尺寸优化模型,利用差分进化算法求取最优解,得到了机架的最优板厚,同时通过拓扑优化得到各零件最佳结构,以及通过受力分析对螺栓的尺寸与数量进行了优化.优化结果表明爬升装置减重3.9kg,减重比例达到了40％,同时机架的变形量大幅减小,强度满足要求.对优化后的爬升装置进行了动力学仿真分析,结果表明最大爬升角度达到了75度,爬升速度提升了2-4倍,其动力性得到极大的改善.     

复合材料控制臂的多区域铺层结构优化

使用碳纤维复合材料设计某乘用车悬架控制臂,对4个区域的铺层结构进行优化设计.首先以各角度铺层厚度为设计变量对控制臂模态频率、质量和各工况应变能进行优化;然后以前三阶模态频率为目标,弯曲刚度参数作为设计变量优化铺层顺序.针对设计变量间存在的工艺约束条件使样本空间不规则且优化变量较多的问题,利用聚类分析进行试验设计确定训练近似模型需要的样本点,并用高斯过程回归方法建立近似模型以减少计算时间,验证模型R2在0.9以上.两步优化后,对比复合材料初始铺层各性能指标均有不同程度改善,复合材料质量减少11.4％;对比原钢制控制臂,各性能均满足要求,质量降低37.1％.     

基于有限元分析的轮胎振动特性优化

轮胎的振动特性对汽车驾驶室内产生的噪声有显著影响,对轮胎振动特性进行优化有重要意义.以某型轮胎为研究对象,基于有限元方法建立轮胎的动力学模型,求解三种振动条件下的模态固有频率,并通过调整轮胎的结构参数优化轮胎的振动频率,进而有效抑制共振,达到降低汽车驾驶室内噪声的目的.     

纯电环卫车箱体轻量化的有限元分析方法研究

以16t纯电环卫车箱体为研究对象,通过有限元分析方法的研究,在实现轻量化设计的同时解决了箱体开裂的问题,经实车验证强度满足,同时实现降重40kg,为纯电环卫车的轻量化设计提供了一条可行的途径.     

基于全局优化与深度学习的条形码识别方法

提出了一种在深度神经网络的基础上结合全局优化方法的条形码识别算法,利用卷积循环网络提取出条码中各字元的特征并进行分类,较传统方法具有更强的适应性与泛化能力,再进一步结合全局优化的方法,以达到充分利用条码结构性先验信息的目的,能显著提升方法的效果,尤其是将全局优化方法引入到神经网络中进行端到端学习,不仅保持了两者的优势同时还进一步提高了识别精度.实验结果证明了所提方法的有效性,达到约99.48％的识别精度,超越了传统的图像处理方法.