排序方式: 共有8条查询结果,搜索用时 0 毫秒
1
1.
以不透光测试理论与lug—down(加载-减速)测试为基础,提出了在烟度测试过程中必须进行零点标定、线性检查,在采集数据中采用了抗干扰处理和实时修正。设计了消除零点标定误差的算法,提出了线性度检查的方法和范围,给出了烟度数据采集的IIR滤波计算方法及步骤,设计了一个独立的参考通道监测发光源强度,从而对采集数据进行实时修正。该采集方法用于实际测试中,较好地满足了lug—down测试要求。 相似文献
2.
3.
4.
利用发动机仿真模拟软件,对电控单体泵柴油机的燃烧过程进行数值模拟分析。通过研究电控单体泵柴油机各缸实际EGR(Exhaust Gas Recycling,废气循环)率不均匀的成因以及对柴油机燃烧排放的影响,提出柴油机各缸喷油参数分缸标定的优化方案。经过对喷油量和喷油提前角同时进行分缸标定仿真模拟研究,结果表明,分缸标定能有效地解决因柴油机各缸实际EGR率差异导致的柴油机各缸燃烧不均衡的问题,并能有效降低柴油机尾气中SOOT(碳烟)和NOx(氮氧化物)的排放。 相似文献
5.
针对油液泄漏导致的减振器失效问题,以某国产液压减振器为研究对象,通过分析其结构以及工作原理,建立减振器阻尼力的数学表达式以及AMESim一维仿真模型,仿真得到其不同速度下的示功图以及阻尼特性曲线,并与试验结果进行对比,仿真结果与试验结果能够较好的吻合,表明用AMESim所建立的一维仿真模型真实可靠。基于该仿真模型仿真活塞缝隙、底阀、活塞杆与密封圈缝隙的油液泄漏而导致的减振器失效问题,对比不同状态下的阻尼特性曲线,发现仿真模型可以较好的进行减振器失效的仿真分析,表明仿真模型能够指导实际工程设计以及相关的性能预测。 相似文献
6.
由于工业生产环境中的强噪声和其他环境激励,隔膜泵单向阀不同故障的特征呈现一定的相似性,导致传统深度学习方法对单向阀的故障状态难以准确识别。为解决这一问题,提出了一种结合监督对比学习和混合注意力残差神经网络(HA-ResNet)的隔膜泵单向阀故障诊断方法。首先,将注意力机制引入了残差神经网络以提升网络的学习能力,自适应调节了重要但微弱特征权重,并以恒等变换减少了有效信息被抑制现象;其次,提出了加权“监督对比损失(SCL)+交叉熵(CE)损失”,调节单向阀不同故障状态数据之间的距离,明确了单向阀不同故障状态的分类边界与降低噪声或环境激励的干扰;最后,通过工程实测数据,对监督对比学习和HA-ResNet融合方法的有效性和稳定性进行了验证。研究结果表明:监督对比学习和HA-ResNet融合方法在隔膜泵单向阀验证集上的平均准确率达到了99.3%;与其他故障诊断方法相比,其在诊断精度和稳定性上都具有一定的优势,验证了该方法在噪声干扰条件下故障诊断的可靠性。 相似文献
7.
8.
1