小型直喷柴油机燃用生物柴油的放热规律

利用发动机试验台架和燃烧分析仪,测录了燃烧压力随曲轴转角的变化关系,计算并对比分析了发动机燃用生物柴油和柴油时的燃烧放热规律.结果表明:与燃用柴油相比,生物柴油的最高燃烧压力和最大压力升高率在低速、小负荷时明显较高;在高速、小负荷时与柴油发动机的基本相同;在大负荷时低于柴油机的水平,对应的曲轴转角略有提前;生物柴油的瞬时燃烧放热率峰值随转速和负荷的变化趋势与最高燃烧压力基本相同,对应的曲轴转角提前2° CA～3° CA;生物柴油的燃烧始点比柴油早1° CA～2° CA,整个燃烧过程有所前移;生物柴油发动机在小负荷时工作粗暴,而在大负荷时工作柔和.     

驾驶人空间距离判识规律心理学分析

为了研究驾驶人心理因素在信息认知过程中的作用机理,根据模糊数学和拓扑心理学原理,以数名驾驶人的驾驶信息为样本,分析了道路空间距离对驾驶人驾驶心理的影响程度,研究了在道路空间距离变化规律形成过程中,驾驶人心理量生成基础和变化原因。当实际道路空间距离分别为25、75、125m,车辆速度分别为0、20、40、60、80、100km/h时,进行了道路空间距离判识试验,并分别计算了在不同条件下的隶属函数模型。计算结果表明：随着车速的增大,驾驶人的判识距离与道路实际空间距离的差值不断减小,下降速率不断增大;当车速大于40km/h时,随着道路实际空间距离的增大,判识距离下降速率逐渐减小;随着道路实际空间距离的减小,驾驶人心理疆域边界接触允许时间也在不断变小,碰撞风险增大。     

煤孔裂隙多尺度表征及其对渗透率的影响分析——以中国14个大型煤炭基地为例

为探究煤体不同尺度孔裂隙特征及其对渗透率的影响,从我国14个大型煤炭基地分别取样,进行氮气吸附、压汞和CT实验,并将CT扫描后的煤样进行渗流实验。结果表明,各煤样中微孔和过渡孔多为封闭孔,连通性差,不利于渗流的进行。r=10 nm和r=100 μm的孔裂隙体积占比相对较大,贡献了煤体大部分孔隙率,S2和S3中的大尺度平行板孔隙为渗流提供了充足的空间。通过划分3种实验表征的优势孔径段,提出了综合表征孔隙率和分形维数的方法,得到各煤样的孔隙率范围为1.62%~11.60%,分形维数范围为2.29~2.78。煤样渗透率在0.000 2×10^-15~ 0.652 5×10^-15 m²之间,以中低渗为主。r<50 nm、50 nm≤ r ≤8.5 μm和r>8.5 μm的孔隙率分量与渗透率的关系分别为y=0.274 1x-0.078 1、y=0.067 4x+0.023 7和y=0.003 9x^{2.598 6},其中r>8.5 μm的孔隙率分量与渗透率的相关性最强。相对于氮气吸附和压汞实验,CT实验更适用于分析孔裂隙结构对水渗的影响。     

基于演化算法的SAT问题求解

演化计算方法是近年来迅速发展起来的一种全新随机搜索和优化方法.首先介绍了演化算法的基本原理,然后给出了基于演化思想求解著名逻辑学问题——布尔可满足问题(SAT)的过程,最后分析了该方法的主要特点.     

基于自回归条件密度模型的短期负荷预测方法

基于对负荷时间序列高阶矩时变特征的研究,提出了一种基于自回归条件密度模型的短期负荷预测新方法.该方法通过引入含时变参数的有偏分布,对负荷时间序列二阶以上矩信息进行了分析和描述.基于南京地区日用电量实际历史数据,分析了该负荷时间序列的时变高阶矩特征,建立了自回归条件密度模型.使用条件对数极大似然估计对模型参数进行了估计,实现了短期负荷预测,验证了该方法的可行性和有效性.结合算例中自回归条件密度模型时变参数的取值范围,推导了时变参数与条件高阶矩的数理关系,给出了一种刻画时间序列时变高偏度(三阶矩)、时变高峰度(四阶矩)的途径.算例分析表明,基于有偏t分布的自回归条件密度负荷预测模型的预测效果良好.     

D-S证据理论在沼气池预警系统中的应用

探讨了D-S证据推理方法在沼气池预警系统中的应用,设计了一种适用于沼气池预警的多传感器体系结构及二级融合模型,通过对各沼气池内采集的数据进行信息融合,提出一种分析与决策的信息融合方法。     

基于改进DAEKF的锂电池SOC和SOH联合估计

为提高锂离子荷电状态（state of charge,SOC）及健康状态（state of health,SOH）的精度,提出改进双自适应扩展卡尔曼滤波（dual adaptive extended Kalman filter,DAEKF）算法。基于二阶RC模型,建立空间状态方程;选取电池容量作为SOH的表征量,在双扩展卡尔曼滤波算法基础上引入改进的Sage-Husa自适应算法,实现系统协方差矩阵的实时更新;为降低系统计算量,进一步加入多时间尺度理论进行优化。实验结果表明,提出的算法能较准确地估计锂电池的SOC与SOH,SOC的平均误差为0.58%,SOH最大估计误差为0.8%,该算法正确有效。     

水下和陆上送丝式激光沉积铝合金的微观组织和显微硬度

铝合金因其比强度高、耐腐蚀性能好而被广泛应用于船舶和核电等领域。然而,由于服役环境恶劣,铝合金易于发生腐蚀失效。与传统修复方法相比,水下送丝式激光沉积具有受水压影响小、自动化程度高等优点。目前,对于薄壁管状结构铝合金的表面修复研究较少,尤其是水环境下的原位表面修复。本文首次在薄壁管状结构铝合金的表面进行了水下原位送丝式激光沉积,并与陆上送丝式激光沉积进行了对比分析。水下和陆上沉积层均成形良好,不存在未熔合、裂纹等缺陷。与陆上沉积层相比,水下沉积层的氧化程度略重。在水下和陆上沉积层的熔化区中,柱状晶均在熔合线处形核,并沿最大冷却速率方向生长;在沉积区中均形成了等轴晶。随着激光沉积环境从陆上转变为水下,沉积区宽度和熔化区高度均减小,而沉积角和沉积区高度均增大。由于水环境中激光沉积过程的冷却速率较大,使得峰值温度较低且高温停留时间较短,导致水下激光沉积的晶粒尺寸较小,大角度晶界所占比例较低。此外,水下沉积区的镁元素含量高于陆上的,表明水环境的存在有利于降低沉积区中镁元素烧损。水下沉积层的平均显微硬度高于陆上的,这主要与晶粒尺寸和镁元素烧损有关,根据Hall–Petch公式,材料的晶粒尺寸越细小,显微硬度越高;另外,镁元素含量较高,有利于提高铝-镁合金的显微硬度。     

“互联网+”背景下我国建设汽车强国的思考

当前互联网与汽车产业深度融合,汽车产品的形态、能力、使用模式发生改变,价值产业链和产业格局重组。在互联网浪潮下,汽车产业也面临着变革以及二者相互融合所面临的挑战,最后依据我国现有技术和政策,对互联网与汽车产业未来深度融合发展给出意见和建议。互联网对汽车产业的促进大大加快了我国建设汽车强国的步伐。     

处理动态优化问题的演化元胞遗传算法

已有演化元胞遗传算法中的演化规则多从元胞自动机中直接引入，未在状态演化中考虑个体间适应值的差异。根据密度制约关系提出一种新的演化元胞遗传算法来处理动态优化问题，在考虑个体适应值优劣与局部种群密度的前提下，通过密度制约与种内竞争实现个体在元胞空间内的生死演化，并建立种群规模增长模型控制元胞空间内存活个体规模。选取不同强度、复杂度的动态优化问题对算法性能进行验证，结果表明新算法具有良好的处理动态优化问题的能力。