影响沥青混凝土路面平整度的主要原因及其对策

路面不平整引起的车辆震动.对车辆磨损、燃油消耗、行驶舒适、路面损坏和交通安全等方面都产生了直接的影响,因此,平整度成为度量路面使用性能的重要指标之一.文章分析了影响沥青混凝土路面平整度的主要原因,提出了提高沥青混凝土路面平整度的控制措施.     

燃油溶气喷雾速度和粒度的PDA测试研究

燃油溶气喷雾燃烧可以同时降低柴油机的氮氧化物和碳烟排放. 为了深入了解燃油溶气喷雾的雾化特性, 利用激光Doppler技术对溶有二氧化碳燃油喷雾速度和粒度特性进行了测量. 实验采用单孔柴油机喷嘴, 研究了4种不同燃油溶气浓度在大气环境下的稳态喷雾特性. 实验表明, 燃油溶气量对燃油溶气喷雾有重要的影响, 当燃油溶气量超过临界值时, 由于气爆雾化作用, 雾化质量得到改善. 喷雾的裂化长度变短, 粒径分布更均匀. 在喷嘴附近, 微爆雾化喷雾的径向速度和轴向速度均要大于未发生微爆雾化的喷雾. 在喷雾轴线上, 微爆雾化喷雾的轴向速度下降较快. 该方法是一种有发展前途燃油雾化与发动机燃烧的新技术.     

基于神经网络的并联式混合动力汽车控制策略

为提高并联式混合动力汽车的燃油经济性和控制系统的响应时间,应用神经网络实现控制策略.首先,结合逻辑门限控制策略和等效燃油消耗最小原理制定控制策略,并根据电池的荷电状态(SOC)进行调整.然后将调整后的策略在典型工况JA1015循环上实验,采集合理样本来训练对角回归型神经网络(DRNN),获得基于神经网络的控制策略.最后,在电动汽车仿真软件ADVISOR平台上进行仿真实验,仿真结果表明,采用神经网络的控制策略,提高了并联式混合动力汽车的燃油经济性,响应快,且具有通用性.     

斯特林发动机燃油系统压力波动仿真

为研究斯特林发动机燃油系统的动态特性,以压力波动幅值为控制目标,建立了燃油系统的仿真模型,综合分析了高压油泵柱塞直径、蓄压器容积和长径比、蓄压腔出油口位置对压力波动幅值的影响,优化设计系统参数,并依此试验,取得良好的稳压效果。该仿真系统能够反映斯特林发动机燃油系统的实际工作过程,参数优化后的系统能够减小蓄压腔中燃油压力的波动。     

小型汽油机加速工况下空燃比控制的数值仿真

建立了电喷摩托车发动机加速过程的空燃比控制模型,其中进气管燃油动态模型考虑了燃油沉积进气道壁面现象,具有燃油补偿功能,补偿的燃油量取决于基本喷油量、燃油沉积系数和油膜蒸发时间常数.基于进气管燃油动态模型对加速过程空燃比进行前馈控制,计算了加速工况的进气量、空燃比和循环喷油量参数.结果表明:当不采用燃油补偿时,空燃比偏大而使摩托车的加速性能恶化;当采用燃油补偿时,发动机加速时的空燃比可高精度地控制在目标空燃比附近,且同一加速条件下的燃油补偿量随进气道温度升高而减少.     

柴油机燃油和空气磁化节油减烟试验研究

在 S195柴油机试验台架上对柴油机的动力性、经济性和碳烟排放进行研究 ,在标定工况下 ,采用不同磁场强度和不同磁化方法对燃油与空气磁化。结果表明 ,柴油机的比油耗有所下降 ,转速有所提高 ,排气烟度得到大幅度改善。另外 ,空气和燃油磁化后对柴油机性能也会产生影响 ,即燃油和空气同时磁化的效果最佳。     

4135G型柴油机燃油油耗率的实验研究

通过对4135G型柴油机的实验,得出影响其燃油油耗率的因素有喷油器的设定压力、供油提前角、压缩比、燃油或者滑油品质、摩擦损失及冷却损失等.对上述因素进行改善处理,可以降低4135G型柴油机燃油油耗率.     

液—气喷射紊流混合装置的作用及其在环境工程的应用

阐述喷射流体紊流混合装置的作用和应用,建立两级紊流混合速的液－气喷射器的流体动力学方程组。由于液－气紊流混合促进烟气含硫化合物与喷射脱硫剂的化学反应,进一步研究它们对流体的动量及能量方程的影响。讨论影响脱硫除尘的治理效果的主要因素。最后给出液－气喷射装置在环境工程中的应用实例。     

低品位余热源新型双喷射式制冷系统研究

提出了用气-液喷射器代替机械泵,有效回收低品位余热能源的新型双喷射式制冷系统.该制冷循环本身不需要消耗电能.研究了气-液喷射器的运行特性和喷射系数与工作参数的关系,发现在一定范围内系统效率随工作压力提高而提高,然后下降.分析了双喷射式制冷系统COP与发生器温度、冷凝器温度的关系,模拟了不同余热温度条件下双喷射式制冷系统的运行性能,结果表明制冷剂R123制冷性能优于R134a.系统COP可达0.3.     

混合动力汽车深度强化学习分层能量管理策略

为了提高混合动力汽车的燃油经济性和控制策略的稳定性,以第三代普锐斯混联式混合动力汽车作为研究对象,提出了一种等效燃油消耗最小策略(equivalent fuel consumption minimization strategy,ECMS)与深度强化学习方法(deep feinforcement learning,DRL)结合的分层能量管理策略。仿真结果证明,该分层控制策略不仅可以让强化学习中的智能体在无模型的情况下实现自适应节能控制,而且能保证混合动力汽车在所有工况下的SOC都满足约束限制。与基于规则的能量管理策略相比,此分层控制策略可以将燃油经济性提高20.83%~32.66%;增加智能体对车速的预测信息,可进一步降低5.12%的燃油消耗;与没有分层的深度强化学习策略相比,此策略可将燃油经济性提高8.04%;与使用SOC偏移惩罚的自适应等效燃油消耗最小策略(A-ECMS)相比,此策略下的燃油经济性将提高5.81%~16.18%。