添加剂对汽油机油耗及排放影响的试验研究

针对汽油机热效率较低的问题,将两种汽油添加剂M1、M2分别以体积分数1‰和2‰添加到汽油中,在发动机试验台架上考察了两种添加剂对发动机油耗率、缸压、瞬时已燃燃料质量分数(MFB)和排放的影响.试验结果表明:加入添加剂后发动机平均油耗率比原机有所降低,加入1‰体积分数M1后发动机平均节油率达到3.41%.添加剂M1的节油效果比M2明显,但当添加量大于2‰时,发动机在高负荷出现爆震.加入该添加剂后发动机缸压峰值升高,缸压和MFB峰值所对应的发动机曲轴转角提前.同时,加入两种添加剂能够改善发动机在中低负荷阶段的HC、CO排放,但NOx排放比原机有所增加.     

基于PCA-GABP神经网络的发动机负荷特性预测

针对BP算法存在的不足，本文提出了一种PCA—GABP神经网络方法预测发动机负荷特性，该方法由主成分分析（PCA）和遗传神经网络（GABP）两部分构成，采用PCA技术减少网络输入变量、精简网络结构、提高学习效率；GABP算法采用局部改进遗传算法优化神经网络权值，并采用自适应学习速率动量梯度下降算法对神经网络进行训练。预测结果表明该方法在准确性和收敛性方面都优于BP算法。     

内燃机余热甲醇催化重整制氢装置设计及实验研究

氢气随车携带不便,为了能在线产生富氢气体供给内燃机燃烧,并大幅度提高内燃机的热效率,降低排放,降低热、噪声的污染,提出应用内燃机尾气余热对甲醇进行催化重整以产生氢气的方法.设计了一套内燃机余热甲醇催化重整制氢装置,在内燃机排气余热和催化剂的共同作用下,把甲醇水溶液重整成富氢气体.重整反应器为蜂窝陶瓷载体,重整催化剂为Cu/Zn/Al/Zr,采用管式换热器对载体进行加热,甲醇水溶液在载体孔道中发生催化重整反应.实验结果表明:随着发动机排气温度的增加,重整器产氢率提高,在排气温度为350℃时,重整气中氢气的体积分数达到41.9%.达到了实验预期要求.     

汽油添加剂的现状与发展趋势

总结了国内外汽油添加剂的发展历程和应用情况,对主要添加剂的性质特征、作用机理及性能等进行了较全面的分析,并介绍了新型多效添加剂、生物添加剂及物理添加剂的发展情况,对汽油添加剂发展前景进行了评述.     

两段中和法制备高品质羟基磷酸钙

开发出将磷酸与方解石、石灰依次中和制备高品质羟基磷酸钙的两段中和法。介绍了反应原理,并通过实验确定了工艺参数（搅拌转速、投料比例、反应温度、反应时间、反应物浓度等）,比较了3种干燥方式的优缺点,并以选用“卧螺离心沉降 + 强力粉碎干燥”的干燥方式为例详细叙述了工艺流程。将两段中和法所得产品和磷酸与方解石中和法所得产品进行了比较,结果显示两段中和法产品具有纯度高、有害杂质少、灼烧减量低等优点,产品质量完全符合中国现行产品标准GB 25558-2010的要求。     

基于PCA-GABP神经网络的发动机负荷特性预测

针对BP算法存在的不足,本文提出了一种PCA-GABP神经网络方法预测发动机负荷特性,该方法由主成分分析(PCA)和遗传神经网络(GABP)两部分构成,采用PCA技术减少网络输入变量、精简网络结构、提高学习效率;GABP算法采用局部改进遗传算法优化神经网络权值,并采用自适应学习速率动量梯度下降算法对神经网络进行训练。预测结果表明该方法在准确性和收敛性方面都优于BP算法。     

排气热量回收装置的整车试验研究

节能减排和提高内燃机热效率是当前汽车行业的研究重点,而排气热量回收技术利用空间较大。介绍排气热量回收技术的主要路线和现状,详细描述了排气热量回收热导热技术(EHRS)原理和结构,将装置搭载整车,分别进行常温和低温条件下油耗、排放试验验证,并对主要温度点进行监测。试验结果表明:EHRS装置能降低整车油耗、改善整车排放,加快发动机的温升速度; EHRS能加热发动机外循环水温,起到排气热量回收再利用作用。     

多信标融合综合定位系统后台子系统

为实现高精度室内定位,开发出一套多信标融合综合定位系统的后台子系统。融合蓝牙、WiFi、超宽带等多种定位信标的信号,实现了多种定位算法,基于Three.js进行二次开发,实现了在线三维地图显示等功能。基于电信天翼云平台进行了系统开发,结果验证了多信标融合综合定位系统后台子系统具有开发难度低,功能强大,性能优秀等优势。     

基于BP神经网络的陶瓷裂纹釉釉面效果预测模型及应用

人工神经网络具有巨量并行、结构可变和高度非线性等特点,其建立数学模型并不需要预先知道太多有关问题背景的知识,这尤其适用于陶瓷釉研究中某些机理尚未完全清楚、传统数学方法无法分析的情况[1]。将人工神经网络技术用于裂纹釉的配方性能分析,以釉面裂纹为研究对象,选取了8种釉料的化学成分,在均匀实验设计的基础上,用BP人工神经网络对所得实验结果进行了分析,并且用图形化方式直观地表达了出来。根据实验结果,人工神经网络模型能较准确地预测出陶瓷的釉面效果,从而为研究裂纹釉提供了一种新的思路和有效手段。