为了明确车用爪极发电机在高转速下不同部件对气动噪声的影响,对车用爪极发电机的气动噪声进行了数值模拟研究,并进行了车用爪极发电机的空载声功率实验,验证了数值模拟的准确性;采用有无前后风扇、爪极,采用圆柱包络体代替爪极方案确定各阶次噪声的来源,明确了前后风扇、爪极对不同阶次噪声的贡献水平。结果表明在高转速下偶极子是主要噪声源类型;前风扇主要影响8,10,12和16阶次气动噪声,去除前风扇12,16阶次噪声分别降低了6.54 dB(A)和9.04 dB(A);后风扇主要影响6,8和10阶次噪声,去除后风扇噪声分别降低了11.75,2.42,7.38 dB(A);有无爪极对气动噪声影响较小,但采用圆柱包络体代替爪极对气流流动会产生影响,使8阶次噪声有一定变化,这也表明前后风扇是气动噪声产生的重要源头。

为了解涡流发生器对重型厢式货车气动减阻特性的影响,以某国产重型厢式货车为研究对象,基于计算流体动力学的数值模拟,研究涡流发生器的形状、布置位置、高度以及间隙比对厢式货车的减阻效果,并分别从速度流线结构、湍动能分布和压力分布等方面探讨其减阻原因。结果表明:涡流发生器的形状、布置位置、高度以及间隙比对重型厢式货车气动阻力的影响较大。其中叉形涡流发生器位于货厢后端时的气动阻力系数最小,其值为0.6996,相对于货车原始模型的减阻率为11.7%,因此叉形涡流发生器是最佳的涡流发生器造型。加装涡流发生器减小了货车尾部涡流区的面积和强度,使尾部气流延迟分离,进而减小了货车前后压差阻力。

质子交换膜燃料电池的边框一般通过黏结剂黏接在质子交换膜上,在保护质子交换膜的同时,还起到密封作用。燃料电池长期工作在复杂的环境下,边框和黏结剂的性能均会发生疲劳衰减,导致被剥离或破坏,进而影响燃料电池的气密性。因此,以边框和黏结剂的搭接试件为对象,结合内聚力模型和有限元软件设计了多种边框结构,研究了新结构对黏结性能的影响。结果表明:在低弹性模量的边框表面做三角形或梯形的凸形结构,将有效提升黏结结构的分离位移,但对于高弹性模量的边框,新结构反而会降低黏结性能;此外,优化结构的尺寸、形状对搭接模型黏结性能也有影响,当凸三角形底边长为1.5 mm时,搭接模型有最好的黏结性能。

压力补偿式柱塞泵可较好地适应深水极端环境,但深水极端环境会使柱塞副的润滑特性发生改变,影响其水下工作性能和应用范围。以压力补偿泵柱塞副油膜的润滑特性为研究对象,考虑深水温度、压力等环境因素对黏度、密度等介质属性的影响,建立深水环境下柱塞副油膜的数值模型,提出在柱塞偏心方向采用坐标轮换寻优和有限差分离散有机结合的方法求解柱塞副膜厚等表征润滑特性的参数。结果表明,在水深1000 m,主轴转角约90°时,柱塞副油膜出现小于1μm的极薄区域,且压力极差达80 MPa。改变主轴转速和斜盘倾角时,泄漏量和轴向摩擦力的变化较大气工况下更显著。不同水深下,轴向摩擦力与水深间呈正相关变化,泄漏量的变化则相反。相关研究可为深水环境下泵柱塞副的设计和开发提供有益参考。

实时原位监测可以感知阻尼器件内部磁流变液沉降状态,以主动分散提升器件可用性。通过研究磁流变液浓度梯度与沉降体介电常数的关系,构建了开放电容式磁流变液沉降状态原位监测方法与系统。开展了电容中心柱极高度对磁流变液准静态沉降过程电场分布影响的仿真分析,并通过沉降监测试验表明:系统能够有效地监测磁流变液静置沉降状态;随着沉降体浓度增大,其介电常数相应增大,开放极板电容器电容值增大;随着沉降进程的发展,沉降速率逐渐降低。

由于磁流变液存在颗粒自磨损以及颗粒与磁流变制动器工作壁面的摩擦问题,会影响电梯磁流变制动器的制动效果,因此对磁流变液的摩擦学性能进行分析非常关键。通过以石墨、油脂作为添加剂,制备4种硅油基磁流变液。利用四球摩擦试验机模拟磁流变液在电梯传动装置中的运行工况,记录摩擦系数的变化,并用影像显微镜观察和测量磨斑大小。通过流变仪测量磁流变液在摩擦实验前后流变性能的变化,分析磁流变液在装置中的摩擦磨损对其性能的影响。结果表明:添加剂在一定程度上对磁流变液具有减摩作用,摩擦后的流变性能均有所增大;所配制的编号3磁流变液具有低零场黏度、高磁致剪切应力、较好的稳定性,是适用于曳引电梯磁流变制动器中的磁流变液。

静液压变速器(HST)的操控性是农用车辆性能提升的关键,采用一种基于BP(back propagation)神经网络的新型控制策略,对HST马达输出转速的动态特性进行研究。基于变量泵定量马达静液压传动系统的数学模型,首先对比研究了传统PID控制、模糊控制以及BP神经网络控制3种方法的控制效果,结果表明:与传统PID控制和模糊控制相比,BP神经网络控制能有效抑制系统超调量并降低马达转速波动,减小系统达到稳态的调节时间,具有良好的鲁棒性。基于此,提出采用BP神经网络控制方法对具有更大马达转速变化范围的变量泵变量马达传动系统进行调查,研究结果表明,在对变量泵、变量马达分段控制中,该方法能实现较稳定的切换效果;在不同的负载等效转动惯量下,马达转速均能达到稳定状态,且由负载引起的转速波动也得到降低。研究结果表明,BP神经网络控制方法对变量泵变量马达

针对驾驶员在紧急状况下存在着因踏板力不足而导致制动距离过长问题,以某电动液压助力制动系统为研究对象,提出了一种基于隐马尔可夫模型的驾驶员制动意图识别方法,根据对驾驶员制动意图的识别来控制助力电机执行正常制动或紧急制动的助力模式。选取助力电机的转角、转速和车速作为制动意图识别参数。以制动强度为界限对识别参数数据集进行划分,训练出正常制动与紧急制动识别模型参数,建立了识别模型库,通过比较各模型库的对数似然估计值,判断出驾驶员的制动意图。仿真结果表明:该模型可准确、实时地识别出驾驶员的制动意图;在驾驶员踏板力一定的情况下,具有制动意图识别控制的助力器具有更好的制动效果,提高了驾驶安全性。