基于深度学习的监督型典型相关分析

典型相关分析（CCA）是利用综合变量对之间的相关关系反映两组指标之间整体相关性的多元统计方法。传统的CCA方法无法有效利用样本的标签信息,导致准确率降低。将类信息融入到深度学习与CCA相结合的深度典型相关分析中,提出一种监督型降维方法DL-SCCA,用于处理带标签的非线性可分数据。在2个独立的深度神经网络（DNN）结构上,增加1个公共的输出维数与数据集类别数相同的全连接层,并且以softmax函数作为该层的激活函数,输出带有概率意义的编码向量。在此基础上,利用全连接输出与样本标签信息之间的交叉熵对DNN进行训练,获得分类性能较优的低维特征。实验结果表明,该方法采用最近邻分类器和网络本身结构得到的分类准确率分别为98.00%和97.82%,相比CCA、DisCCA、DCCA等方法,能够有效利用样本的标签信息,并且具有较优的分类性能。     

活塞销偏置对活塞二次运动的影响

以某柴油机为例子,运用计算机模拟计算方法,将不同的活塞销偏置量进行对比计算,研究对活塞二次运动的影响,从活塞运动的平稳性、活塞对缸壁的敲击力、活塞摆角、活塞与缸套的磨擦损失等方面进行综合性对比,求得比较合理的活塞销偏置方向及其偏置值数据。     

采用CAE分析柴油机冲缸垫与机体顶面变形大故障

采用CAE方法分析了某新开发的柴油机试验过程中不断出现的冲缸垫与机体顶面变形大故障,发现故障系机体受力后产生严重塑性变形所致。根据分析结果,提出了加长缸盖螺栓长度以加深机体螺孔,同时加深缸盖螺栓孔的沉孔深度,使所有螺纹都处于缸套支承面以下的优化方案,计算与试验结果表明,优化后该柴油机机体的受力变形大幅减少,通过了500h冷热冲击可靠性试验,完成了产品开发。     

有限元分析柴油机气缸孔变形的研究

某重型发动机在设计开发阶段,为减少发动机的气缸孔变形,专门建立了相应的有限元模型对气缸体的变形进行优化计算。优化计算的主要变量是气缸盖螺栓的深度,缸套支撑台阶结构及机体顶面厚度。优化计算结果表明,优化后的最大气缸孔变形量与原设计方案相比减少了大约50％。经检测,实际气缸孔变形远小于气缸孔变形限值,这将有助于该重型发动机满足更苛刻的排放限值要求及更高的可靠性目标要求。     

大功率V型柴油机主轴承座结构强度模拟分析

建立了包括机体、主轴承座、曲轴、轴瓦及紧固螺栓的大功率V型柴油机主轴承座有限元分析模型,分别对螺栓预紧、轴瓦过盈、动压力三种工况下,主轴承座的应力和疲劳、轴瓦背压以及主轴承孔变形等情况进行分析。进一步的疲劳分析表明:设计方案中的主轴承座满足结构强度要求。     

Abaqus在某发动机主轴承螺纹孔强度分析的应用

用AVL/Excite软件对某款发动机主轴承进行EHD分析,选择最危险时刻的主轴承载荷,将主轴承油膜压力结果映射到主轴承壁计算网格表面上,用Abaqus计算全局模型位移,并以此作为边界条件计算主轴承螺栓孔子模型的应力,通过FEMFAT对主轴承孔螺纹进行高周疲劳分析,对结果做出评价,提出结构改进建议.