排气消声器模态分析及降噪性能优化

汽车排气系统的振动和噪声是影响乘坐舒适性的因素之一。为研究排气消声器结构模态和声腔模态对消声器降噪性能的影响规律,建立声学有限元模型计算壳体结构模态和声腔模态,并分析各自振型模态和固有频率之间的关系。结果表明:在低频率范围内,壳体结构模态和声腔模态的固有频率发生耦合共振,导致降噪效果不佳;增加消声器外壳壁厚可提升结构固有频率,降低排气系统振动和辐射噪声水平。     

弹簧压并状态下悬架减振器绕流涡旋特性分析

为研究汽车行驶过程中减振器弹簧压并状态下翼子板内流场特性的变化,将该状态下的减振器简化为三维变截面圆柱模型,并建立变截面圆柱绕流三维流场模型,利用Transition SST四方程转捩模型模拟低、中、高3种车速对大、小圆柱绕流涡旋特性的影响.结果表明:绕流后尾涡的大小、形态、上升角均受圆柱直径、雷诺数及边界条件的影响,在变截面处验证“下洗”运动对N区边缘涡生长的直接作用及对L区涡旋分布的干扰作用;3种流速下适合绕流涡旋振动压电能量回收的最优夹角分别为±10°,±15°,±20°;在有界的高雷诺数流场下对变截面圆柱绕流涡旋重新分区,发现新的涡旋连接方式.     

螺栓连接大变形梁非线性振动特性的实验研究

柔性机械臂、大型可展开天线等机械结构的动作精度受运动过程中大变形几何非线性和连接处接触非线性的影响十分显著。以含螺栓连接结构的大变形梁作为研究对象，针对动力学建模和振动特性开展了实验研究，通过数值计算验证了实验发现的非线性振动特性。搭建了含螺栓连接柔性大变形梁的实验台架，开展了敲击和正弦激振的实验测试。实验结果表明，螺栓连接的柔性梁较连续梁的（无螺栓连接）模态频率降低，阻尼增加，反映出随着激励能量增大，模态频率降低的非线性模态特征。改变螺栓连接位置会显著影响结构的模态频率，其变化规律可由求解线性矩阵特征值定性反映。     

基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

高转速部分进气涡轮盘气流力及叶片振动响应研究

针对部分进气涡轮盘所受气流力在周向分布的严重不均匀易造成动叶片疲劳破坏的问题，从部分进气气流力特征和叶片振动响应两个方面进行了研究。根据已有数值模拟和实验结果给出了部分进气模式下考虑Kick效应的叶片所受气流力的分布曲线，采用快速傅里叶变换方法(FFT)分析了气流力的频谱特征，研究了转速和进气度等因素对气流力的频域特性的影响；采用有限元方法对某火箭发动机部分进气涡轮盘进行了瞬态振动响应分析，对比气流力的频谱特征，研究了叶片振动响应的特性。结果表明：在部分进气模式下，高转速涡轮盘叶片所受气流激励可以视为脉冲激励，存在多阶谐波分量；高转速或小进气度都会使得气流力的高阶谐波分量的幅值较大，使得涡轮盘叶片发生高倍频的共振或幅值较大的强迫振动，区别于全周进气的涡轮盘只需避开前6倍频气流力可能引起的共振，部分进气时还需考虑更高倍频气流力的影响。     

动力学模态分解方法重构及预测流场误差分析

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10-4左右.     

振动流化床干燥专利技术综述

振动流化床干燥技术的研发,扩大了流态化干燥的范围,改善了流化质量,提高了热质传递的强度,已广泛用于化工、食品、陶瓷、医药、聚合物等行业的干燥。本文通过研究目前世界上关于振动流化床干燥技术的专利文献,将有助于振动流化床干燥技术的应用以及改进。     

基于完备集合经验模态分解-归一化希尔伯特变换的神经网络储层流体识别

地震资料的瞬时属性包含丰富的地质信息,可用于储层流体的识别。希尔伯特-黄变换目前在地震资料的瞬时属性提取中呈现出了很大的优势,但是该方法中存在模态混叠、频率误差等问题,限制了其应用。基于此,引入了基于完备集合经验模态分解和归一化希尔伯特变换的改进方法有效提取地震资料更具物理意义的瞬时属性。同时,为了提高储层含气性检测的准确性和精度,选取瞬时频率和瞬时振幅构建分频剖面模型,对目标区域的储层特性和含气特征进行描述。再结合测井资料,运用有监督的神经网络实现对储层含气性的自适应高精度识别。实例研究表明,基于完备集合经验模态分解-归一化希尔伯特变换的前向反馈神经网络方法能够根据某一区域地震数据有效预测该区域储层的含气状况。     

CAE分析在汽车引擎盖优化设计中的应用

本文以某皮卡车发生引擎盖开裂问题为例,探讨CAE分析在汽车引擎盖优化设计中的应用。首先,对某皮卡车发生引擎盖开裂的问题进行描述,然后从建立模型、模态分析、强度分析、优化设计等几个方面出发,探讨CAE分析在实际问题中的应用。     

基于EMD能量占比的海面漂浮小目标特征检测

针对传统的时频分析方法对海杂波分析有限的问题，提出一种基于经验模态分解(empirical mode decomposition, EMD)能量占比的海面漂浮小目标特征检测方法。首先，采用EMD将接收回波分为独立不同尺度的若干个固有模态(intrinsic mode function, IMF)分量，实现对接收回波的频率从高频到低频的分解。然后，分别建立IMF分量与接收回波数据的相关系数，并利用平均均值-标准差之比作为筛选IMF分量的准则，自动筛选出能量较大且波动平稳的低阶IMF分量。最后，提取IMF分量在原始信号中的平均能量占比作为特征，利用蒙特卡罗方法设置门限，进行海面目标异常检测。实测数据的结果显示，所提算法的性能优于对比算法。