电磁制动下板坯连铸结晶器内金属流场三维模拟的基本流态与主流场分析

在物理模拟实验的基础上, 采用基于标准k-ε 湍流模型的三维稳态流动与磁场耦合模型, 对电磁制动(electromagnetic braking, EMBr)条件下板坯连铸结晶器中的金属流场进行数值模拟, 研究了磁场强度及其分布对结晶器内金属流动的影响, 并与物理模拟结果进行了对比, 进一步揭示了在物理模拟中受传感器数量等限制所无法观察到的一些细微现象或局部流态及流动行为. 结果表明, 在流动控制结晶器(flow control mold, FC Mold) 电磁制动方式下,结晶器内流场具有复杂的三维特性. 此时必须注意结晶器液面流速过慢所导致的表面夹杂、横裂等问题. 合适、有效的电磁制动也应与连铸工艺相匹配.     

板坯连铸电磁制动下结晶器内金属流场的数学物理模拟

采用雷诺时均湍流模型并结合水银物理模拟实验, 研究不同磁场配置下板坯结晶器内的金属流动规律, 并以此分析不同磁场配置对工艺过程的影响. 结果表明: 雷诺应力模型(Reynolds stress model, RSM)能够较准确地反映电磁制动(electromagnetic braking, EMBr)下金属流场的变化, 该变化引起水口射流及其对结晶器窄边冲刷强度的改变; 在全幅二段电磁制动下, 上部磁场对液面水平速度和湍动性的抑制作用明显, 但从化渣和降低冲击深度的工艺要求来看, 上部磁场强度不宜过大.     

考虑路面摩擦性能的自动驾驶汽车安全制动策略

针对现有自动驾驶研究大多忽略路面摩擦性能的问题,制备了5种不同级配的沥青混合料车辙板试件,基于Persson表面分形摩擦理论和轮胎?路面三维有限元模型,求解沥青路面的动摩擦系数和附着系数,表征其摩擦性能,并使用Matlab/Simulink软件建立自动驾驶汽车的动力学控制模块,根据车辆期望制动减速度和道路摩擦性能逆向反推求解轮缸的制动压力值,实现自动驾驶汽车的制动过程。使用CarSim软件和Matlab/Simulink进行联合仿真,设定了下坡制动和曲线制动工况,分析了纵向坡度、弯道半径和道路超高等影响因素对自动驾驶车辆制动效能的影响。     

基于动势能转换的虚拟编组列车动态最小安全间隔

根据安全制动模型,提出一种基于能量转换的虚拟编组列车安全防护方法。将实际项目数据作为前车的运行曲线,仿真计算了后车根据能量转换防护方法所能达到的最小安全间隔,并讨论了制动响应时间和制动能力对安全间隔的影响。结果表明,前后车的紧急制动率差异是决定安全间隔的关键因素。     

Pie-crusting松解膝关节内侧副韧带术后制动与否对其愈合的影响

探讨用Pie-crusting技术松解内侧副韧带术后制动与否对内侧韧带愈合的影响。自2016年11月—2018年10月,膝关节镜手术中应用Pie-crusting技术(由外向内)松解内侧副韧带患者53例,其中病历号尾数为单数的患者(A组)术后给以膝关节可调支具固定制动;尾数为双数的患者(B组)术后未进行支具固定制动。术后6周做MRI(magnetic resonance imaging)检查两组病例膝关节内侧副韧带愈合情况;膝关节外翻应力X片测量膝关节内侧间隙;比较患者随访时的主观症状,评估Lysholm主观功能评分。平均随访时间为(28.75±4.028)个月(24～36个月)。术中通过松解内侧副韧带,两组病例均达到内侧理想操作空间,术后6周时组间比较术前术后膝关节内侧间隙无统计学意义(P>0.05);两组病例随访末次Lysholm功能评分均较术前提高,两组间无统计学意义(P>0.05);两组患者6周时MRI显示内侧副韧带均已愈合。应用关节镜处理膝关节内侧半月板损伤时,针对膝关节内侧间室狭窄的病例可选择Pie-crusting技术(由外向内)松解内侧副韧带,以其达到扩大操...     

驾驶人应急制动行为下的车辆纵向响应分析

为了深入研究驾驶人在应急制动行为下车辆的纵向响应问题,建立了车辆应急制动响应动力学模型;通过驾驶人应急制动行为下车辆纵向应急响应实车试验,完成驾驶人制动操作力度与车辆纵向响应等关键数据的采集,对比分析实车试验数据与响应动力学计算数据;研究结果表明:利用制动踏板位移描述驾驶人的应急操作力度更加准确,并且建立的车辆应急制动响应动力学模型数据误差较小,车辆制动应急响应计算模型70%的数据的相对误差在10%以内,最大相对误差为18.71%。     

融合自识别功能的商用车线控制动系统

针对传统线控制动系统缺乏自适应识别车辆特征信息和硬件模块连接数量的问题,本文研究一种融合自识别功能的线控制动系统,包括多个压力调节阀、轮速传感器、转向角传感器和中央控制单元,通过中央控制单元自动识别制动系统硬件部件的连接状态,使得制动系统能够选择适宜的工作模式,将车辆以40km/h的速度分别在附着率为0.8和0.4的路面行驶,完成检测识别挂车是否连接在牵引车上、识别传动轴上轮速传感器和压力调节模块和识别转向角传感器和横摆率传感器的实车测试。结果表明,当车辆采取紧急制动时,带有自识别功能的线控制动系统利用中央控制单元能够通过CAN总线检测到轮速传感器、压力调节模块、转向角传感器等硬件的连接状态,并将CAN通讯信号反馈到制动总阀,为车辆提供有效的制动力,并且系统在高附着路面的调节能力优于在低附着路面的表现。     

多轴工程车辆制动性能试验研究

通过大型多轴全地面汽车起重机制动过程的受力分析,对车辆的制动性能进行仿真计算,为求解多轴单车机制动性能参数计算的静不定问题提供了一个新方法,可预测大型工程车辆的制动性能。通过研制的专用试验装置,对整机进行性能试验,试验与计算分析结果相吻合。     

BP神经网络在车辆制动性能预测中的应用

首先建立了车辆制动过程数学模型,利用该数学模型对JS2310农用运输车的制动性能进行了计算机仿真,并与试验结果进行了比较,表明模型是正确的。为进一步提高该车辆制动性能预测的精度,引入了神经网络技术。使用BP网络对不同条件下的多次仿真结果进行第一步学习,将数学模型转化为车辆制动性能预测的神经网络模型,再进一步使用整车部分试验结果对已得到的神经网络进行训练,得到最终的预测模型。结果表明使用神经网络模型可以提高车辆制动性能预测的精度。     

三相电机智能控制模块

介绍了一种智能三相电机控制模块组成的系统,能在串电阻(电抗)起动、反接制动和换向控制的基础上进行欠压检测、过载检测、断相检测及电机故障保护．尤其适用于起动、制动和换向控制频繁的电机控制场合．