- 侯献军;王友恒;卢俊宇;席光维;刘志恩;
基于某型号发动机及整车建立性能仿真模型,并结合实验数据进行校准。对比分析国五和国六标准下测试循环工况差异,仿真分析不同循环工况对整车性能影响。建立TWC性能仿真模型,将其与发动机系统及整车联合仿真,研究TWC对发动机及整车性能影响。结果表明,装备TWC后,发动机扭矩降低,燃油消耗率升高,但NOx转化效率能达到90%以上。整车的最大爬坡从39.8%下降到36.7%,最大车速下降2.42%,0~100km/h加速时间增加11%,WLTC循环工况下百公里油耗增加2.5%,但NOx的排放量从286mg/km下降到29mg/km,可以达到国六排放标准。
2019年10期 v.41;No.346 66-73页 [查看摘要][在线阅读][下载 2672K] [下载次数:184 ] |[网刊下载次数:0 ] |[引用频次:1 ] |[阅读次数:1 ] - 霍阳;唐建华;李刚炎;
发动机支架是连接汽车发动机附件和发动机的重要部件,为了保证发动机支架在工作过程中不会与发动机系统发生共振现象及轻量化要求,以某型乘用车发动机支架为研究对象,建立模态分析数学模型,得到计算方程;将发动机支架三维模型导入有限元软件中进行模态分析,得到前6阶支架结构的固有频率及主振型;根据对支架的减重优化要求,对支架三维结构进行拓扑优化,并以模态分析结果为参考,对拓扑优化后的模型进行后处理,得到优化后的发动机支架模型,并进行仿真分析验证,最终满足要求。结果表明,优化后的发动机支架的固有频率高于发动机频率,可避免发生共振现象,保证发动机支架的正常工作。
2019年10期 v.41;No.346 74-80页 [查看摘要][在线阅读][下载 1953K] [下载次数:157 ] |[网刊下载次数:0 ] |[引用频次:3 ] |[阅读次数:1 ] - 撒继铭;罗弘毅;周景博;吴瑞峰;
植物叶片分类在植物智能分类中有着非常重要的作用。针对当前叶片分类识别存在的准确率与效率低下的问题,介绍了一种新型叶片识别分类模型,研究通过引入骨架参数与智能算法的方式,提高叶片分类的准确度与效率。在提取了离心率、纵横比、形状参数、不变矩等9个特征后,以叶片骨架为基础,建立有向无环图的支持向量机模型,以叶片纹理为基础,选出植物叶片的主成分并与叶片特征指标结合。最终实现对100种叶片1 600张图片95%的识别率,具有较好的效果。
2019年10期 v.41;No.346 81-87页 [查看摘要][在线阅读][下载 806K] [下载次数:137 ] |[网刊下载次数:0 ] |[引用频次:3 ] |[阅读次数:2 ] - 穆含沙;李国豪;何立钢;
针对国内某汽车用等速驱动轴在车辆行驶过程中产生的抖动、异响等问题,采用数值分析的方法对不同结构枢轴式万向节(TJ型和AAR型)等速驱动轴进行动力学及辐射噪声仿真分析。建立等速驱动轴动力学分析模型,对其不同行驶工况下产生的轴向力进行分析;并基于Actran声学软件对其由振动产生的辐射噪声进行分析。结果表明:两种滑移端万向节等速驱动轴在行驶过程中产生的轴向力的变化规律相似;三销架与筒形壳体质心的偏移量是产生轴向力的主要因素;随着轴向力增大等速驱动轴由结构振动产生的辐射噪声也随之增大。
2019年10期 v.41;No.346 88-93页 [查看摘要][在线阅读][下载 2427K] [下载次数:99 ] |[网刊下载次数:0 ] |[引用频次:3 ] |[阅读次数:1 ] - 费陈;宋树祥;夏海英;冀聪聪;陆利芬;
为提升锂离子电池性能和延长锂离子电池寿命,提出一种基于XGBoost预测和ARIMA(Autoregressive Integrated Moving Average Model)残差校正的锂离子电池电荷状态估算方法。该估算方法首先采用集成学习XGBoost回归算法对锂电子电池SOC进行预测,然后基于预测残差建立ARIMA模型对预测值进行修正,进一步提升SOC估算的准确性,并与线性回归、支持向量机、神经网络、K-邻近算法等4种经典回归预测算法进行了实验对比分析。结果表明,文中方法通过引入ARIMA残差校正,将XGBoost的预测精度在绝对误差,均方根误差和均方根百分比误差3个技术指标上提高了15%~20%,且优于其他5种回归预测算法。
2019年10期 v.41;No.346 94-101页 [查看摘要][在线阅读][下载 1859K] [下载次数:139 ] |[网刊下载次数:0 ] |[引用频次:6 ] |[阅读次数:1 ] - 胡晓平;朱粤健;王汉熙;
高校网络舆情事件与一般网络舆情事件具有一定的差异,为了更好的对高校网络舆情事件进行处理,笔者通过python编写爬虫程序,以“××大学”为关键词爬取××大学xb事件相关舆情数据。首先对这一事件进行生命周期阶段划分,然后对爬取的文本进行情绪分类,计算文本情绪指数,对整个舆情事件进行主题相关词汇频次分析,通过构造词汇主题强度模型对舆情不同生命周期阶段计算主题词汇讨论强度,最后通过文中的分析为高校应对网络舆情事件提供建议。
2019年10期 v.41;No.346 102-108页 [查看摘要][在线阅读][下载 602K] [下载次数:565 ] |[网刊下载次数:0 ] |[引用频次:10 ] |[阅读次数:1 ]