基于ADAMS的汽车平顺性建模与仿真分析

以某SUV汽车为研究对象,运用机械系统多体动力学仿真软件ADAMS/Car建立了包括前后悬架、轮胎、车身和转向系等子系统在内的整车仿真模型;根据谐波叠加法建立B、C级随机输入路面,按照国家标准建立三角形凸块脉冲输入路面,并分别进行汽车平顺性仿真.通过计算随机输入下汽车总加权加速度均方根值和脉冲输入下车身最大垂向加速度,对汽车平顺性进行评价,研究了悬架弹簧刚度对汽车平顺性的影响.结果表明:B、C级随机输入路面下该车具有较好的平顺性,脉冲输入路面下对乘员的健康不会产生危害;降低悬架弹簧刚度可以改善汽车的行驶平顺性.     

基于Matlab/Simulink的四轮转向汽车操纵稳定性分析

为了分析四轮转向对汽车操纵稳定性的影响,将汽车简化为二自由度模型。采用基于前轮转角前馈控制和基于车辆状态反馈和前轮前馈的最优控制两种控制策略,对四轮转向汽车控制系统进行研究,并分别推导了系统状态方程。基于Matlab/Sim ulink建立了两种控制策略下的4W S二自由度模型,对四轮转向汽车的操纵稳定性进行仿真,并将仿真结果与前轮转向汽车做比较。仿真结果表明:两种控制策略均使得车辆质心侧偏角接近于零,车辆与行驶方向一致,增强了防侧滑能力;与前馈控制相比,最优控制下的车辆横摆角速度与前轮转向基本一致,且超调量减小,降低了驾驶的疲劳性。     

驾驶员疲劳检测中的彩色图像增强算法

为解决因驾驶室光照不均引起的图像质量下降问题,提出一种新的基于Retinex的驾驶员视频图像增强算法。首先将图像从RGB空间转换到YCbCr空间,保持Cb和Cr分量不变,对Y分量进行高、低频分解,低频分量部分包含图像全部光照信息;利用多尺度Retinex(MSR)算法对低频部分进行光照补偿,然后对Y分量进行拉普拉斯锐化和高斯平滑滤波,增强图像细节和消除噪声干扰;最后将处理后的Y分量与原来的Cb、Cr分量进行逆变换生成新图像。实验表明,与传统算法相比,本文算法能对驾驶员视频图像起到增强效果,同时也能很好地增强图像细节信息,有利于系统对驾驶员状态进行疲劳检测。     

轴流泵叶片流固耦合强度分析

为了综合考虑轴流泵叶轮工作时叶片真实的应力及变形状态,基于Ansys Workbench软件平台运用计算流体动力学分析软件CFX对轴流泵模型叶片进行了流固耦合数值模拟。比较并分析了两种泵轮转速工况下叶片的强度及刚度的不同,发现叶片根部有明显的应力集中现象,叶尖处有较大变形。结果表明：叶根部位为叶片危险截面,容易发生疲劳断裂;叶尖部位振动问题显著。     

基于视觉技术的煤岩特征分析与识别

为研究煤岩自动识别技术,提出了一种基于视觉技术的煤岩特征分析与识别方法。首先根据煤和岩石图像分析煤岩纹理差异;然后根据灰度共生矩阵分别计算煤和岩石纹理特征向量;最后选择计算出的纹理特征向量作为神经网络输入来分别识别煤和岩石2种情况。实验结果表明,煤和岩石纹理特征值差别较大,采用能量、对比度、相关性和熵作为特征向量均可实现煤和岩石自动识别,且以熵值作为特征向量的煤岩识别效果最好。     

深井提升尾绳动力学建模及摆动参数分析

针对深井提升机提升运动中尾绳摆动引起的尾绳寿命短的问题,采用离散化建模的方法,使用机械系统动力学仿真软件(automatic dynamic analysis of mechanical systems, ADAMS)建立尾绳黏弹性振动模型,实现尾绳的运动仿真,研究尾绳的摆动特性。设计试验记录井筒底部回转处尾绳摆幅,并与仿真结果比对,验证模型的合理性。分析不同参数对尾绳摆幅的影响。结果表明:尾绳微段在井筒底部回转处分别产生左右两侧的最大摆动位移,尾绳摆幅与垂向转动刚度系数K_TZ、垂向转动阻尼系数C_TZ以及质量密切相关,左右摆幅分别受垂向转动阻尼系数和质量影响最大,在单独提高50%自身参数后,分别增加26.41%和21.75%。试验结果与仿真结果基本一致,可为尾绳选型、构建隔离装置提供参考。     

主预喷间隔对2-甲基呋喃/柴油RCCI燃烧的影响

基于光学发动机试验台架，结合缸内燃烧分析技术与高速摄影技术，探究在2-甲基呋喃（MF）占单次循环喷油量总热值50%的条件下，预喷和主喷2次喷油策略对MF/柴油反应性控制压缩点火（RCCI）的燃烧特性与碳烟排放的影响.结果表明：当主预喷间隔（主预喷之间的曲轴转角）小于40°时，随着预喷时刻的提前，预喷柴油与MF混合更均匀，低温放热不再局限于气缸中心，且主喷柴油雾化蒸发更好；混合气均匀使火焰由扩散燃烧主导向预混与扩散燃烧并存转变，燃烧更充分，速率更快；燃烧室内KL因子大于1.5的高碳烟区域减少，碳烟生成速率与产量明显降低.主喷时刻对燃烧初期火焰发展影响较大，随着主喷时刻向上止点推迟，滞燃期与燃烧持期缩短，燃烧相位推迟，燃烧前期低温放热增多，火焰发展速度变慢，后期碳烟生成增多.     

基于EMD与神经网络的煤岩界面识别方法

针对放顶煤中煤岩界面难以识别的问题,采用检测液压支架尾梁振动信号的方式进行了研究,提出一种基于经验模态分解(empirical mode decomposition,简称EMD)和神经网络的识别方法。首先,对振动信号进行经验模态分解,得到多个固有模态分量(intrinsic mode functions,简称IMF);然后,对各IMF进一步分析以提取特征参数;最后,选择若干个包含主要信息的参数组成特征向量作为神经网络的输入来识别落煤和落岩两种情况,实现煤岩界面的自动识别。实验结果表明,分别以各IMF的能量、峭度和波峰因子组成的特征向量均可用于识别煤岩界面,且当以能量组成特征向量时比其他两种方式具有更高的识别率。