基于转速控制的柴油机动态特性建模与仿真

为了仿真柴油机动态特性,建立了基于转速控制的柴油机模型.基于台架稳态试验数据计算得到柴油机扭矩MAP图,并通过动态修正方法获得柴油机动态扭矩;划分了柴油机运行状态,采用基于油量的控制方法,分别设计了全负荷、部分负荷和限速工况下的控制策略;在Matlab/Simulink环境下建立了柴油机仿真模型,集成传动相关总成建立整车动力学模型,并进行了两种工况仿真,仿真与试验结果表明：模型设计合理,有效模拟了柴油机稳态及瞬态工况;所提出的建模方法解决了在有限试验数据下的发动机动态特性建模问题,研究结果可为快速建立柴油机动态性能预测模型提供参考.     

基于MATLAB/Simulink的汽油机平均值模型的建立与仿真

在Elbert Hendricks和Seyed Ali Jazayeri建立的汽油机平均值模型基础上,利用MATLAB/Simu-link建立了基于转矩平衡的汽油机平均值模型,给出了该模型在稳态工况和动态工况的仿真结果,并在发动机台架上进行试验验证.对比结果表明该模型是合理的,具有一定的应用价值.     

发动机综合性能仿真系统

应用计算机仿真技术,研究了发动机的稳态性能和动态性能。在发动机耗能装置二元模型基础上,构建了发动机测功器试验系统模型,在试验台上利用测功器模拟汽车的道路阻力和空气阻力,利用惯性飞轮组的转动惯量模拟汽车的惯性阻力。设计开发了发动机性能仿真软件,该软件可对由试验台或模拟计算得到的发动机工况数据进行曲线拟合、性能仿真及特性曲线绘制。仿真结果表明,该软件可以准确地仿真发动机的稳态性能和动态性能。     

基于多体动力学的发动机稳态工况动态转矩计算

理论分析发动机转矩波动产生机理,通过有限元分析得到离散化曲轴模型,建立了滑动轴承动态接触数学模型;协同各子部件间动力学关系,考虑燃气压力、变惯性力等激励载荷,在ADAMS中建立发动机曲轴连杆机构多体动力学模型,仿真计算发动机不同稳态工况下动态转矩,研究曲轴弹性、滑动轴承弹性支承、输出转速等对发动机输出动态转矩的影响.通过试验对比和简谐分析,表明了仿真方法的可行性和准确性,为车辆动力传动系统的扭振分析提供激励条件.     

气体机排气驱动吸收式制冷机变工况调节特性

以内燃机为原动机的分布式供能系统中,发动机工况变化对吸收式制冷机运行具有重要影响.建立了某发电用气体机排气驱动的吸收式制冷系统稳态模型,提出了"动态多种群粒子群优化(DMS-PSO)+NM单纯形法"复合算法对模型进行求解.依据气体机实测余热数据,研究了发动机不同工况下调节溶液循环量对系统性能的影响.结果表明,以额定溶液循环量运行时,当发动机负荷低于30%,时,余热制冷系统由于循环倍率过大而无法正常运行.通过减小溶液循环量可以显著改善发动机低负荷时的系统性能,发动机负荷为40%,时,系统制冷量提升26.9%,.由于溶液结晶限制,在发动机不同负荷下,溶液循环量调节存在最低限值.     

并联式混合动力发动机神经网络法转矩预测与闭环控制

利用实际发动机的标定数据搭建了GT-Suite及Matlab/Simulink联合仿真模型，建立了基于进气和发动机状态参数的预测转矩反馈协同控制模块。对比了ANN法和现有发动机的标定脉谱插值预测（MAP）法2种方法下发动机稳态及瞬态转矩变化、升降挡等工况预测的结果误差，结果表明：稳态工况下MAP法较为可靠，低、中、高3种发动机转速下转矩预测波动小，误差比ANN法低1.31%、1.09%和1.52%；实际瞬态转矩跃变及阶跃工况下，ANN法较MAP法误差低5.62%和1.32%，升降挡工况下低1.93%和0.84%。     

吸附式汽车空调系统制冷性能的动态模拟

模拟研究了发动机排气驱动的吸附式制冷系统在汽车变工况运行中制冷性能的动态特性.首先,基于线性驱动力(LDF)传质模型对沸石分子筛/泡沫铝-水吸附系统建立了二维传热传质耦合的非平衡吸附模型,并采用控制容积法对方程进行离散求解.然后针对汽车发动机实际运行中的几种典型工况,以沸石分子筛/泡沫铝新型复合吸附剂-水为工质对,模拟分析了发动机从高速到低速、低速到高速、突然短暂怠速等变工况过程中系统制冷性能的动态特性.结果表明吸附式制冷系统应用于汽车空调能通过调整周期来适应汽车的变工况运行特性.     

基于PUMA OPEN1.2的发动机动态特性研究

简述发动机性能测试、动态测试的重要性,给出发动机动态特性的定义,详细介绍了AVL公司的发动机动态测试系统PUMA OPEN1.2的组成和测试方法.对某型汽油发动机进行稳态和动态测试,并对测试结果进行了比较分析,为发动机的动态控制设计提供了指导依据.     

核电站给水加热器建模与仿真

核电站中所应用的给水加热器的建模是核电厂热力系统仿真的重要组成部分.文中建立了核电机组给水加热器双区多节点动态数学模型,并利用大亚湾核电站和秦山二期核电站中使用的高压给水加热器数据进行了稳态验证,仿真值与设计值相对误差在1%以内.在此基础上,利用所建模型研究了大亚湾核电站第6级给水加热器给水流量阶跃减少、加热蒸汽流量阶跃减少2种瞬态工况.结果表明,所建数学模型能够准确地反映给水加热器在特定工况下的动态特性,基本可以满足工程仿真分析的要求,并可作为工程仿真的一个模块使用.     

生物柴油发动机进气道模拟与优化

针对DK4柴油机改为燃用生物柴油后出现混合气均匀度较差等问题,本文通过稳流试验和数值模拟的方式,结合均匀试验设计法,在稳态工况下,在进气道前端加装不同结构参数的导流叶片,研究了其对发动机流量系数和涡流比的影响,选择了最佳模型,并对比了瞬态工况下原进气道与优化后的进气道涡流比、累计进气质量和排放特性。结果表明:稳态工况下,优化后的进气道较原进气道平均涡流比增加了24.79%,缸内流量系数提升了1.17%;瞬态工况下,优化后的进气道涡流比整体提高9.46%,累计进气质量增加了7.02%;缸内温度和压力均提高,NOx排放平均升高4.4%,soot排放降低9.9%。可见优化后的进气道有效改善混合气形成,降低生物柴油发动机颗粒排放。     

基于CMAC神经网络的工业过程稳态优化

提出一种利用CMAC (cerebellar model articulation controller)神经网络进行工业过程的辨识和稳态优化方法.利用CMAC神经网络的优点,基于系统的动态信息,在不干扰系统正常运行的情况下获得当前时刻下系统的稳态模型,并在此模型的基础上,对系统进行稳态优化和仿真.仿真结果证明了该方法的有效性.     

基于神经网络方法的集成式驾驶员跟车模型

为了提高驾驶辅助系统的跟车性能,基于神经网络方法建立了一种集成式驾驶员跟车模型.通过真实交通环境下的驾驶员实验获得了稳定跟车状态数据,并利用Kalman滤波器对数据进行了处理和估计.设计了以BP神经网络为核心的集成式模型结构,该模型以前车速度为输入,计算跟车过程中的两个特性参数并输入神经网络以模拟驾驶员控制的自车加速度.利用处理后的数据样本对网络进行了训练,并对该模型进行了仿真验证.仿真结果表明;神经网络模型具有模拟驾驶员跟车行为的能力,模型体现出较为准确的跟踪特性,并对不同的前车工况具有良好的适应性.     

拧紧力矩对复合材料层合板与金属板连接强度影响

航空发动机结构复杂，状态变量多且相互之间存在着严重非线性特征，传统的基于物理失效模型的方法难以精确地预测发动机的剩余寿命（RUL）。针对此问题，采用改进的卷积神经网络(CNN)方法对发动机剩余寿命进行预测。预测过程通过建立退化模型，给每个训练样本添加RUL标签；为了更好地提取发动机使用过程中状态变量与剩余寿命之间的相关关系，使用不同的一维卷积核提取序列趋势信息特征；将特征输入构建的卷积神经网络得到剩余寿命的预测值。为了验证方法的有效性，在NASA提供的涡轮风扇发动机仿真数据集(C MAPSS)上进行了测试，并与深度信念网络等方法对比，结果表明改进的卷积神经网络拥有更高的精度。     

发动机动态特性组合神经网络建模新方法

针对现有发动机组合神经网络建模方法对不同数组结构的样本数据泛化能力较差的不足,提出一种多步线性插值法的组合神经网络建模方法. 该方法基于有限元建模思想,以具有丰富样本数据的某一维输入量构造网格线,对多维输入样本空间进行划分. 在网格线上,样本数据按照BP算法对网络模型进行训练,得到高精度神经网络函数,而在网格线中间,所求输出根据相邻的两条网格线的神经网络函数进行多步线性插值. 与传统组合神经网络建模方法的对比结果表明,在处理不同数组长度的多维发动机动态特性试验数据方面具有很好的适应能力.      

基于压力信号采集的输气管道混合模型的建立

为监测输气管道的运行状态,提出一种基于机理模型和神经网络模型的混合建模方法. 机理主模型是基于气体在管道中流动的连续性方程、运动方程和气体状态方程而建立的;神经网络模型用来补偿机理模型建模过程中的简化处理及因忽略某些动态参数变化带来的误差,提高了混合模型建模精度,为下一步进行气体管道的泄漏检测和定位奠定基础. 为避免流量计检测精度较低的缺点,实验中用高精度压力传感器取代流量计,统一采集压力信号,提高检测精度. 基于实验采集压力数据,将机理模型和混合模型输出的精度进行比较. 结果表明混合模型的精度得到了较大提高.      

基于动态神经网络的非线性系统建模及其控制

结合已知机理信息构造动态神经网络 ,进行了非线性动态系统的建模 ,给出了权值调整算法。利用获得的模型 ,设计了反馈线性化控制器。由训练好的网络在线提供反馈线性化所需要的信息。为了解决模型失配问题 ,采用内模控制结构来引入模型的误差反馈 ,以消除稳态误差。文中给出了仿真实例。     

基于BP神经网络的船舶航向智能PID控制研究

针对船舶航向控制非线性的特性,以船舶航向运动一阶KT模型为研究对象,设计了基于BP神经网络的自整定PID算法航向控制器。将传统PID与BP神经网络结合,对被控对象由BP神经网络进行辨识,给出PID控制参数,由PID控制算法进行控制并优化收敛速度。根据真实渡轮船舶特征参数,利用MATLAB/Simulink仿真软件建立船舶航向运动控制系统模型。仿真结果表明,基于BP神经网络的PID控制系统超调小、鲁棒性好,可长时间稳定工作,几乎无稳态误差,控制算法的实用性以及动态控制系统的优越性得到验证。     

基于神经网络多参数融合的钻井过程状态监测与故障诊断

复杂系统状态监测与故障诊断是系统安全运行过程中的重要保障,分析了钻井系统事故状态下特征参数的变化,给出了用神经网络进行故障诊断的流程,在利用样本数据对网络进行训练的基础上建立了稳定的神经网络诊断模型。输入各种状态下的新样本数据,能够得到正确的系统状态识别,通过改进网络算法改进了网络性能。对生产数据的处理结果表明,基于神经网络的多参数融合算法可以很好地识别钻井过程中的不同状态,能够实现状态检测与故障诊断。     

基于RBF网络的发动机起动过程的模型辨识

针对航空发动机在起动过程中,各截面气流处于亚临界状态,难以利用传统的气动热力学方法进行建模的问题,本文利用某型飞机的飞参记录的发动机起动过程的数据作为学习样本,采用径向基（RBF）神经网络的方法,建立了该型发动机起动过程动态模型。仿真结果表明,该方法具有动态性好,精度较高的优点,开辟了发动机中小转速建模的新途径。     

基于自适应动量因子的区间神经网络建模方法

区间神经网络建模是区间控制的核心部分,也是提高系统鲁棒性的重要方法.针对区间神经网络算法收敛速度慢的问题,提出一种自适应动量因子算法.算法利用区间运算建立输入与输出数据的映射模型,通过引入具有自适应特性的动量项,使用最速下降法对动量项进行自适应更新,在加快系统收敛速度的同时,克服系统稳态误差大和容易陷入局部最小值的弊端.典型算例实验表明:区间神经网络能够较为精确地建立区间网络模型,自适应动量因子算法提高了区间神经网络整体性能.