面向液力变矩器负载的泵轮动态转矩估计模型

为解决传统液力变矩器泵轮转矩静态模型与其实际载荷特征的非关联性问题,实现液力变矩器在初始配置设计中与发动机的动态性能匹配,提出面向液力变矩器负载特征的泵轮动态转矩估计模型.在对现有液力变矩器模型分析的基础上,得出一元束流理论模型比质量弹簧阻尼系统模型更全面,其泵轮动态转矩考虑了液力变矩器的载荷特征,以此提出液力变矩器泵轮转矩模型的载荷波动项概念;通过基于控制变量法的载荷波动项解析,与全面流体动力学仿真试验结果的比较,证明了面向液力变矩器负载特征的泵轮动态转矩估计模型的有效性.该模型对液力变矩器在关联整机载荷特征的动态初始配置设计中具有较好的指导作用.     

基于VB的发动机与液力变矩器匹配计算软件

针对目前发动机和液力变矩器动力匹配过程中的不足,采用VB语言作为开发工具,结合Access数据库设计开发了发动机和液力变矩器匹配计算的专用软件。通过计算画出液力变矩器的特性曲线,结合泵轮特性输入特性曲线和发动机外特性曲线,找出二者的相交点进行计算与优化直至符合匹配要求。将开发的软件用于发动机和液力变矩器动力匹配计算,结果表明,该软件可大幅度提高发动机与液力变矩器匹配计算的精度和速度,从而降低工作强度。     

连续可变能容双泵轮液力变矩器的设计及分析

以某高性能普通三元件向心涡轮液力变矩器为参考样机,确定循环圆有效直径为425 mm,采用相似设计法得到同性能液力变矩器,并将其作为基准型,通过合理分割基准型泵轮叶片得到双泵轮液力变矩器的循环圆和叶片.设计了滑差离合器结构,给出了滑差离合器及摩擦片的主要技术参数.运用计算流体动力学(CFD)方法对所设计的双泵轮液力变矩器进行数值模拟,分别获得双泵轮状态、单泵轮状态及滑差状态3种状态下的能容特性和原始特性.通过对比分析可知,所设计的双泵轮液力变矩器能够通过滑差控制实现能容的连续可控性,可应用于装载机发动机与变矩器的变能容匹配.     

牵引工况下大功率液力变矩器总成热特性研究

针对推土机在往返工况下液力变矩器油温经常超工作范围问题,分析其液力变矩器内部油温与车辆工况的变化规律,并对液力变矩器液压供油系统进行温度调节与保护,开展牵引工况下大功率液力变矩器总成的热特性研究。以热平衡理论为基础,分析推导液力变矩器的能量损失、传递效率、热量的产生和散失与油温之间关系。利用液力变矩器总成的台架试验,测试了YJ380型大功率液力变矩器在牵引工况下的扭矩、转速、流量、油温等基本特性参数。以试验数据为基础,建立了140kW柴油发动机与该大功率液力变矩器的数学模型,并对其共同工作的数学模型进行了分析;在发动机与液力变矩器功率匹配的基础上,通过计算液力变矩器的能量损失以及散热器的散热效率,得出液力变矩器在不同工况下的内部油温。针对液压系统由于泵排量不足导致的油温过高现象,搭建供油系统模型,通过对液压系统的流量调节优化了液力变矩器总成的热平衡特性,通过控制液力变矩器的闭锁离合器对系统进行了温度保护。最后,将试验结果与数值模拟结果进行了对比验证。研究结果表明:利用发动机与液力变矩器共同工作数学模型计算的油温与实测出口、入口油温均值的相对误差约为2%,验证了该数学模型的正确性;在液力变矩器供油系统基础上,建立了恒温控制及温度的自动保护方案,当油温为60℃~80℃,或100℃~120℃时,通过调节系统流量能保持温度恒定,当油温小于60℃或大于120℃时,通过闭解锁控制可以保证液力变矩器动力总成的可靠性。     

装载机液力变矩器的动态特性分析

为了分析液力变矩器在装载机作业过程中的动态特性,首先进行了液力变矩器台架试验,得到其静态原始特性;然后对某ZL50装载机的V型铲装作业和运输作业进行了测试.在对试验数据处理的基础上,分析了两种工况下发动机转矩的分配情况.根据牛顿定律,建立了液力变矩器的数学模型,并以此研究了液力变矩器在两种工况下的动态特性.通过对比液力变矩器变矩比的动态试验值与静态值,发现:装载机运输工况下液力变矩器可以按静态原始特性进行匹配等计算,但铲装作业工况下变矩器角加速度波动范围过大,必须考虑动态特性的影响.     

基于计算流体力学的循环圆设计参数对液力变矩器的性能影响预测

为了提高改型设计效率,建立了液力变矩器参数化流道模型并进行三维流场仿真计算,与试验数据对比结果验证了参数化模型的可靠性。在此基础上,分别研究了相对截面积、扁平率、循环圆径向比和进出口半径等循环圆设计参数对液力变矩器性能的影响,并对比分析了各设计参数对液力性能的影响程度。结果表明,相对截面积对失速泵轮能容系数影响最大,但对失速变矩比和最大效率影响最小;扁平率、泵轮出口半径和导轮进出口半径对失速变矩比均有较大影响;而泵轮出口半径对最大效率影响最大。研究结果为液力变矩器的优化设计提供了理论参考。     

基于典型工况液力变矩器匹配性能的优化

针对目前发动机与液力变矩器匹配方式存在的不足,为合理优化液力变矩器与发动机的匹配性能,测试装载机典型工况下工作系统的载荷情况,并对测试数据进行处理,得到V型铲装工况下全功率匹配和部分功率匹配实际消耗的转矩。以灰色关联度为基础建立液力变矩器与发动机匹配的多目标优化模型,根据处理后的试验数据对某ZL50装载机的液力变矩器有效循环圆直径进行优化,优化后整体匹配性能提高3.8%。研究结果表明:基于典型工况的优化方法能够提高发动机与液力变矩器的匹配性能,可以为液力变矩器的优化设计和合理匹配提供参考。     

考虑泄漏区的液力变矩器流场数值模拟

为研究液力变矩器泄漏区流动损失及其对液力变矩器原始特性的影响,分别建立了带泄漏区与无泄漏区的液力变矩器单流道模型,并进行稳态数值模拟.通过对比仿真结果与试验结果发现:考虑泄漏区时,变矩比和泵轮转矩系数的预测精度分别提高了3.1%和4.6%.仿真结果表明:随着速比的增大,主循环流量与泄漏流量逐渐减小,泄漏流量占液力变矩器主循环流量的4%左右;泄漏区存在明显的二次流现象,旋涡与过流截面的急剧变化导致了泄漏区的损失,且低速比时流动损失更大;相比无泄漏区仿真模型,泄漏区出口液流能够减小泵轮入口处的涡流黏度.     

基于DOE及RSM的液力变矩器叶片数对性能的影响及优化

为解决一维束流理论难以有效地对液力变矩器叶片数进行优化的问题,建立液力变矩器三维流动设计分析平台,利用实验设计方法,研究了各叶片数对液力变矩器性能的影响,并在响应曲面基础上对叶片数进行了优化.结果表明,泵轮、涡轮叶片数对最高效率和起动转矩比有较大影响,泵轮、导轮叶片数对泵轮扭矩系数有较大影响.优化后,液力变矩器各性能指标均有提高.     

双泵轮液力变矩器的设计与计算

双泵轮液力变矩器是一种新型的变能容液力变矩器,本文详细探讨了这种液力变矩器的设计方法。文中给出了确定将原泵轮分割为两个泵轮(内泵轮和外泵轮)时其切割部位的计算方法,以及双泵轮液力变矩器在不同工况(滑差离合器接合,分离和打滑)下特性的计算方法。     

发动机与液力变矩器共同工作特性的分析

正确确定发动机与液力变矩器共同工作输入、输出特性是进行液力传动车辆动力传动系最优匹配的重要基础 笔者提出了确定共同工作输入特性、共同工作区域和共同工作输出特性的计算方法 ,并用MATLAB语言编制相应的程序 ,进行实例计算     

Hybrid Loader Automatic Shift Strategy Based on Neural Network

Hybrid loader 's comprehensive performance mainly depends on the performance of hydraulic torque converter during its driving and working. Hybrid loader and hydraulic torque converter are taken for the research objects. The primary characteristic curve of hydraulic torque converter and the traction curve of hybrid loader are acquired by analyzing the characteristic parameters of hydraulic torque converter, the characteristic parameters of engine, the characteristic parameters of battery pack and geometric parameters of hybrid loader. The gear shift curves based on the best energy saving performance and the best power performance are acquired respectively with the opening of throttle,the speed of pump wheel and the speed of turbine as parameters. Then the two curves are combined to get the comprehensive gear shift curve. Radical basis function( RBF) neural network is applied to building the gear shift strategy to keep hybrid loader with the best power performance and energy saving performance. The experimental bench is set up for experimental verification. It proves that both of the power performance and energy saving performance of hybrid loader are improved effectively by using the automatic shift strategy.     

液力变矩器在机械无级变速传动系统中的应用

无级自动变速传动作为理想的传动方式，能有效地提高车辆的动力性和燃油经济性，减少排放污染，用液力变矩器作为无级自动变速传动系统的起步装置具有良好的起步性能，且控制简单。在液力变矩器性能试验及锁止离合器闭锁动态过程仿真的基础上，根据发动机与液力变矩器的共同工作特性进行了发动机与液力变矩器的匹配评价，提出了液力变矩器闭锁控制规律以及用液力变矩器仟民步装置的机械无级变速传动系统的起步控制策略。经汽车起步、加速过程的仿真结果表明，与装备五档手动变速器的汽车相比，装备机械无级变速器的汽车具有良好的起步和加速性能。     

基于GMDH网络的船用增压柴油机性能预测及仿真

采用数据分组处理（Group Method of Data Handing,GMDH）的神经网络分类方法,建立4190ZLC船用四冲程增压柴油机性能预测的数学模型.针对船用中速柴油机运行状况,考虑到其影响运行状态的因素,结合实验数据进行4190ZLC船用柴油机性能的预测及仿真分析.该模型解决了神经网络结构较大,计算耗时较长的问题.将该模型与BP（Back-Propagation,BP）前馈神经网络仿真结果进行比较,结果表明其仿真效果好于BP神经网络模型,并且该神经网络能较好地满足柴油机性能预测仿真的需求     

基于遗传算法-BP神经网络的径向式导叶多级泵水力性能优化

针对径向式导叶多级泵内部流动状态复杂多变而导致其水力性能曲线难以精确测量的技术难题,采用遗传算法(ge-netic algorithm,GA)迭代优化反向传播(back propagation,BP)神经网络的权值与阈值,构建了基于GA-BP神经网络的径向式导叶多级泵水力性能预测模型,以MD500-57型径向式导叶多级泵为研究对象,建立了输入层为13个神经元、隐含层为10个神经元、输出层为2个神经元的GA-BP神经网络,采用正交试验方法设计了试验参数的正交试验方案,运用数值模拟计算方法对正交试验方案进行求解,获得了试验参数的训练样本,并对神经网络进行训练与测试,计算了过流部件关键几何参数的最优组合方案.试验结果表明:优化后该多级泵在设计工况下扬程增加了2.4 m,效率提高了3.34％,且高效区范围变宽.     

人工神经网络在水泵性能预测中的应用

分析了影响水泵机组性能变化的主要因素;根据泵性能与各因素之间的关系,利用BP人工神经网络构建了水泵性能的预测模型;以某轴流泵试验数据为样本,BP人工神经网络为工具,对轴流泵模型进行了泵扬程及效率性能指标与流量、叶片角度等相关因素间的性能预测研究.预测结果表明,将该模型用于轴流泵性能参数预测,不仅可以提高预测精度,而且可以缩短试验时间,降低试验成本.     

液压挖掘机的功率匹配控制方法

 针对当前挖掘机功率控制中常用的转速感应控制方法响应速度慢的缺点,根据液压挖掘机动力系统中液压泵与柴油发动机的动力特性,提出了柴油发动机恒扭矩输入控制与转速感应控制相结合的复合控制方法,建立了基于Simulink 仿真平台的系统仿真模型,导入实际工况下的负载信号,对转速感应控制方法与复合控制方法进行仿真对比分析。仿真结果表明：复合控制方法比转速感应控制方法能更有效地稳定发动机的转速,减少发动机的最大掉速量,使液压泵能充分利用柴油发动机的输出功率,提高整机的效率。     

液压泵故障诊断稀疏编码方法研究

针对液压泵故障特征难以提取、诊断过程复杂、自动化程度低等特点,将稀疏编码方法应用于液压泵故障诊断.通过对液压泵泵壳处振动信号进行时频域变换,将变换后的信号作为样本,采用K-SVD算法对训练样本进行字典学习以获取字典,利用正交匹配追踪算法对测试信号进行分解与重构,通过不同类别字典对测试信号的重构率大小进行故障种类识别,实现液压泵故障分类.通过试验验证并与BP神经网络、支持向量机对比,结果表明稀疏编码方法具有对故障识别速度快、准确率高、稳定性好等优点,可以有效地实现对液压泵故障的诊断.      

基于改进灰色关联分析的BA-BP短期负荷预测

针对短期电力负荷随机性强、预测精度低等问题,提出了基于模糊灰色聚类与蝙蝠优化神经网络的短期负荷预测模型。采用模糊聚类方法选择相似日粗集,然后用改进的灰色关联分析法选取相似日;为了克服传统BP算法易陷入局部极值和收敛速度慢等问题,利用相似日集中的样本训练蝙蝠优化的BP神经网络预测模型。以某地区的历史数据为实际算例,将文中所提算法与普通的BP神经网络、传统灰色关联与蝙蝠优化的BP神经网络预测结果相比,结果表明所提方法有很高预测精度和稳定性,在实际中有一定应用价值。