“多元协同、多维融合、多模链动”的人才培养模式探索与实践研究

针对汽车“新四化”人才匮乏、结构性矛盾突出等共性问题,瞄准“双循环”新发展格局下创新型复合人才的培养,以“多元协同育人”为理念、以学生个性化发展需求为导向、以提升创新能力为核心,积极探索人才培养供给侧结构性改革,打造了多元化教育主体群,构筑了多维度人才培养质量保障体系、多路径教育、个性化发展的人才培养新机制,通过明确定位、创新模式、改革实践、持续改进等举措,形成了适应汽车产业变革的“多元协同、多维融合、多模链动”的人才培养新模式,为国内其他高校开展车辆工程专业改革提供了理论参考和实践案例,具有广阔的推广应用前景。

电流密度、温度、阴极孔隙率和N_(2)溶解度因子对Li-N_(2)电池放电性能的影响

Li-N_(2)电池是一种具有电化学固氮功能的新型储能系统,文章利用有限元软件COMSOL耦合多物理场建立的电化学模型能揭示各因素对其放电性能的影响。模拟结果表明:放电电流密度、温度、阴极孔隙率和电解液中的N_(2)溶解度因子对Li-N_(2)电池的放电性能均有影响;较大的放电电流密度会降低该电池的电压和容量;阴极孔隙率和电解液中的N_(2)溶解度因子是影响该电池电压和容量的关键性因素,提高阴极孔隙率和电解液中的N_(2)溶解度因子均能增加该电池的电压和容量;电池放电的平台电压随温度升高而升高,但放电容量几乎不受温度影响。

小样本下基于SMOTE-IGWO-RF的轮毂电机轴承故障诊断

轮毂电机复杂多变的运行环境可能导致轴承故障而危及电动车辆行驶安全,为解决传统故障诊断方法在小样本条件下识别精度低的问题,提出一种基于SMOTE-IGWO-RF的轮毂电机轴承故障诊断方法。首先,通过合成少数过采样技术(SMOTE)扩展训练数据集,生成与真实样本分布相似的故障样本,并使用主成分分析(PCA)优化其时域和频域的特征。然后,通过引入非线性收敛因子和Levy飞行策略改进传统的灰狼优化算法(GWO),使用改进的灰狼优化算法(IGWO)优化随机森林(RF)模型的参数。最后,基于SMOTE-IGWO-RF的轮毂电机轴承故障诊断模型实现故障状态的识别,并在轮毂电机试验台架上进行了实验验证。结果表明,所提出的轮毂电机轴承故障诊断方法在7种转速工况下平均准确率均超过96%,具有高精度和稳定性。与遗传算法(GA)、粒子群优化算法(PSO)、GWO优化RF相比,提出的IGWO-RF模型在3种小样本训练集下的诊断准确率均超过90%,且准确率均明显高于其他3个对比算法,能够有效实现小样本条件下的轮毂电机轴承故障诊断。

轮毂电机轴承故障的MIWF-2DCNN诊断方法

为了有效监测复杂工况下分布式驱动电动汽车用轮毂电机的运行状态,提高其轴承故障的识别准确率,提出一种基于多信息加权融合和二维卷积神经网络(MIWF-2DCNN)的故障诊断方法。首先,将轮毂电机轴承的多方位振动监测信号分别进行二维数据重构和时频变换,逐一转化成灰度图后按照方位顺序堆叠成时域灰度图集和时频域灰度图集,作为故障诊断模型的输入;其次,将高效通道注意力机制(ECANet)的网络结构进行改进,提出了改进高效通道注意力机制(iECANet),其核心思想是在全局平均池化(GAP)基础上添加上全局最大池化(GMP)分支,基于有效信息的贡献度更新各分支的权重系数,进而提取时域和时频域的故障特征,实现了多信息加权融合;再次,利用GMP简化传统二维卷积神经网络(2DCNN)模型的一层全连接层,实现了网络轻量化。最后,基于轮毂电机不同工况下实验数据,进行同一工况下对应验证、不同工况下交叉验证及消融实验验证。结果表明所提的MIWF-2DCNN模型能够有效提取轮毂电机轴承故障特征,在复杂环境和多变工况下故障识别率保持在95%以上,整体优于传统的LeNet-5、1DCNN模型。

CuΣ15晶界结构低能化转变的微观机制研究

采用分子动力学模拟方法对CuΣ15晶界的结构转变过程进行了系统研究,发现在单轴拉伸作用下CuΣ15[112](512)晶界会向Σ11[112](131)晶界发生低能化结构转变。位错演化和原子运动轨迹分析表明,该结构转变过程主要在两种肖克莱不全位错b_(1)=1/6[211]和b_(3)=1/6[121]的共同作用下完成。首先b_(1)位错从与Σ15晶界六边形结构单元的5和6号原子处形核并发射,此后其在{111}面上滑移导致内禀型堆垛层错的形成;b_(3)位错随后在与b_(1)同样位置形核并发射,引起{111}面上原子二次重排,从而导致堆垛层错消失。在上述位错作用下,CuΣ15晶界中原本组成六边形结构单元的5和6号原子脱离晶界区域,沿{111}面进入晶粒内而变为体相原子,剩余4个原子则重新排列形成四边形结构单元;CuΣ15晶界由此逐步完成向Σ11晶界的结构低能化转变。

基于DK-SVDD的轮毂电机轴承状态识别方法

为了进一步提高电动汽车轮毂电机轴承状态识别技术的高效可靠性,提出一种基于双核支持向量数据描述(double kernel based support vector data description,简称DK-SVDD)的轮毂电机轴承状态识别方法。首先,针对轮毂电机轴承样本数据结构混杂致使SVDD识别率较低问题,通过一定的比例权重将径向基(radial basis function,简称RBF)核函数和高斯差分(difference of Gaussians,简称DOG)核函数结合构建DK核函数;其次,根据最优二叉树原理逐层设计状态识别分类器,并搭建DK-SVDD轮毂电机轴承状态识别模型,同时使用粒子群优化算法对模型参数寻优以提高DK-SVDD的学习能力和泛化能力;最后,基于轮毂电机轴承台架试验数据,验证所提方法的有效性和优越性。结果表明:针对轮毂电机轴承目标状态识别,DK-SVDD方法平均训练时间为0.0655 s,平均状态识别率为97.06%;与采用RBF或DOG核函数相比,DK-SVDD方法在多种工况下可以有效提高状态识别率并降低训练时间。

基于OSSD-EMOMEDA的轮毂电机轴承故障特征提取方法

为了解决轮毂电机轴承早期微弱故障特征难以提取的问题,提出一种基于优化奇异谱分解(optimized singular spectrum decomposition,OSSD)和增强多点最优调整最小熵解卷积(enhance multipoint optimal minimum entropy deconvolution adjusted,EMOMEDA)的特征提取方法,以实现故障特征的检测与提取,及时掌握轮毂电机的运行安全。首先,提出由新的时频综合指标(time-frequency composite index,TCI)自适应优化分量个数的OSSD方法,并对原始信号进行前处理,通过包络谱峰值指标选择敏感的奇异谱分量。然后,提出EMOMEDA方法,设计一种改进的波形延拓策略恢复解卷积信号长度,克服MOMEDA算法的边缘效应,并通过二次解卷积运算获得最优解卷积信号。最后,对最优解卷积信号进行包络分析,实现故障特征的增强提取。分别采用仿真和试验信号验证所提方法的可行性,并将其与多种故障特征提取方法进行对比,证明了其优越性。结果表明,所提方法能够有效提取微弱故障特征,在特征增强方面具有可观的优势。

介孔氧化铁的制备与表征

以氢氧化钠和三氯化铁为原料,通过控制碱和铁盐的比例来制备铁的聚合物溶液,然后以十二烷基硫酸钠(SDS)为模板剂制备了介孔氧化铁.通过X射线粉末衍射、热重分析、红外光谱、氮气吸附-脱附方法对不同焙烧温度下样品的晶体结构和表面结构进行表征.结果显示,OH-/Fe3+摩尔比为2.0,焙烧温度为450℃时,样品完全转化为α-Fe2O3.制备的介孔氧化铁有较大的表面积(146.5m2.g-1),B JH平均孔径为6.9nm,孔体积为0.27 cm3.g-1.所制备的介孔氧化铁有较好的热稳定性,经550℃高温焙烧表面积仍有110.2 m2.g-1.

基于狼群算法的轮毂电机故障诊断方法

针对电动汽车复杂多变的行驶工况及轮毂电机特殊的运行环境极易影响车辆行驶安全的问题,研究一种有效的轮毂电机故障诊断方法非常重要.由于单一特征参数传递的信息往往具有局限性,提出了一种基于狼群算法的多特征参数融合诊断方法.基于常见的故障诊断用特征参数在轮毂电机不同运行状态下Weibull分布的重合程度,选取多个灵敏度高的特征参数,然后通过狼群算法对多个特征参数融合,最后根据多特征参数融合信息的Weibull分布诊断其是否有故障及故障程度.搭建了轮毂电机漏电故障试验系统,进行了漏电故障试验.结果表明,基于狼群算法的多特征参数融合诊断方法可以有效识别区分轮毂电机的电气故障.

基于RS和AHNs的轮毂电机故障模糊诊断法

为有效监测电动汽车轮毂电机在复杂工况下的运行状态,保证其运行安全,提出了一种基于粗糙集(rough set,简称RS)理论和人工碳氢网络(artificial hydrocarbon networks,简称AHNs)的轮毂电机故障模糊诊断方法。首先,以轮毂电机运行安全为目标,重点考虑转速和负载转矩对振动信号的影响程度,用特征参数表征轮毂电机运行状态,并基于RS理论提出一种特征参数的离散化方法,对输入层进行了模糊化处理;其次,基于分子间能量优化AHNs算法,建立初步诊断模型,并考虑不同输出状态类型的模糊性,利用模糊理论建立AHNs多输出的隶属度函数,构建轮毂电机故障模糊诊断模型,实现了对复杂工况下轮毂电机故障的诊断;最后,通过轮毂电机机械故障台架试验验证了该方法的有效性。

浅析“三疑三探”教学在高校教学中的运用

"三疑三探"教学模式以学生为中心,重视求异思维的培养,多角度引导学生主动发现问题、独立思考问题、合作探索问题、归纳拓展问题,以学生不断反馈为驱动,强调学习目标的达成,让学生在反复探索中学习知识、提高能力,是课堂教学改革的发展方向。高校课堂既有利于开展"三疑三探"教学,又迫切需要"三疑三探"教学理念,提升高校教学水平和创新能力。

基于CDI和AHNs的轮毂电动机轴承故障逐次诊断方法

针对电动汽车轮毂电动机常见的轴承故障,提出了一种基于复合区分度指标(compound distinguish index,CDI)和人工碳氢网络(artificial hydrocarbon networks,AHNs)的轮毂电动机轴承故障逐次诊断方法.首先通过信号共振稀疏分解从原始信号中提取反映故障冲击的低共振分量;然后着重考虑不同车速工况对电动机轴承振动信号的影响程度,基于CDI在时频域中提炼出多个高敏感特征参数来表征电动机轴承运行状态,提高诊断的时效性;最后通过特征参数与轴承状态的隶属关系建立样本集,基于AHNs构建轮毂电动机轴承故障逐次诊断模型,实现多工况下不同故障状态的识别,并在轮毂电动机综合台架上进行了试验验证.结果表明:该方法的诊断正确率高达98.46%,且具有较好的鲁棒性,能够有效实现轮毂电动机轴承故障的诊断.

基于DBNs的轮毂电机机械故障在线诊断方法

为实现电动汽车用轮毂电机运行状态在线监测及其安全评估,提出一种基于动态贝叶斯网络(dynamic Bayesian networks,简称DBNs)的轮毂电机机械故障在线诊断方法。首先,以轮毂电机运行安全为目标,着重考虑车速对轮毂电机振动信号的影响程度,在时域和频域中提炼出多个敏感度高的特征参数来表征轮毂电机的运行状态,并将其作为DBNs的观测节点;其次,基于速度片构建轮毂电机机械故障诊断模型,解决其运行状态在相邻时间片之间无法构建转移概率分布的问题,根据不同速度片之间的转移概率分布,建立以二速度片展开的DBNs,实现对轮毂电机机械故障的在线诊断;最后,通过轮毂电机综合台架试验,验证了该方法对轮毂电机机械故障在线诊断的有效性。

基于转速信号的旋转机械故障诊断方法研究

轮毂电机作为电动汽车四轮独立驱动系统的动力源,其运行状态直接关系着整车安全。为了逐步实现对轮毂电机运行状态的监测,提出一种新的方法——阶次自分离方法,以适应其复杂多变的行驶工况。本方法克服了传统阶次跟踪方法需同时采集转速信号和振动信号的局限性,仅针对转速信号进行研究,并提取其中蕴藏的非正常波动成分,同时借鉴传统阶次跟踪方法对时域非平稳信号的处理方式,对波动成分进行角域重采样和傅里叶变换,凸显出蕴藏于转速信号中的故障特征,进而实现对轮毂电机的故障诊断。结合Matlab仿真分析和轮毂电机漏电故障实验,结果表明:阶次自分离方法可有效识别轮毂电机漏电故障特征。

聚二乙烯基乙炔的氢氯化改性

聚二乙烯基乙炔是乙炔法生产氯丁橡胶过程中的副产物。根据它易聚合的特点,其溶液已直接用于涂层,但是涂层因附着力差而易脱落,限制了它的应用。化学改性是改变聚合物性能的一种重要方法。以二甲苯为溶剂,ZnCl_2和FeCl_3为复合催化剂,温度30℃下,开展了聚二乙烯基乙炔和氯化氢反应的研究,分析了改性聚合物溶液形成的涂层的性能。实验表明,随着催化剂ZnCl_2/FeCl_3摩尔比的减小,聚二乙烯基乙炔双键转化率升高,而含氯量变化很小。根据这个结果分析,聚二乙烯基乙炔和氯化氢的反应可能包括加成、环化、和氯环化三种反应过程,它们都经历了碳正离子中间体的机理。当催化剂ZnCl_2/FeCl_3摩尔比为9:1时,此氢氯化聚二乙烯基乙炔溶液用于涂层,其涂层外观正常,附着力好,防腐性能好,拓展了其用途。

掺杂Au的ITO介孔材料的共沉淀法制备及气敏性能研究

采用共沉淀法制备了掺杂Au的ITO（Sn/In=0.6）介孔材料来制备H2敏感器,分析结果表明,制得的ITO（纯和掺杂样品）是菱形晶相,其中掺杂5 mol%Au的样品有较窄的孔分布,其孔径为7～8 nm,用其制作的元件在150 mA工作电流下对H2（10-3）的灵敏度达到40.6,且对CO,NH3选择性较高。响应时间和恢复时间均小于1 min。

旋转机械故障诊断阶次自相关跟踪算法设计

针对传统阶次跟踪方法应用范围的局限性,提出一种新型阶次计算方法—阶次自相关跟踪算法。该算法改变了传统阶次跟踪方法的转速信号采集方式、故障信号获取方式及角域重采样方式,从而使蕴藏于转速变化规律中的故障信息得以凸显。该方法仅凭旋转部件转速信号便可实现故障诊断,可与传统阶次跟踪法相结合,拓展阶次跟踪技术应用范围。对不同形式的故障信号进行仿真分析,结果表明阶次自相关跟踪计算结果准确可靠,在旋转机械故障诊断领域有一定应用价值。

基于阶次自分离的轮毂电机故障诊断方法

轮毂电机作为电动汽车四轮独立驱动系统的动力源,其运行状态直接关系着整车安全。为了逐步实现对轮毂电机运行状态的监测,提出一种新的方法——阶次自分离方法,以适应其复杂多变的行驶工况。本方法克服了传统阶次跟踪方法需同时采集转速信号和振动信号的局限性,仅针对转速信号进行研究,并提取其中蕴藏的非正常波动成分,同时借鉴传统阶次跟踪方法对时域非平稳信号的处理方式,对波动成分进行角域重采样和傅里叶变换,凸显出蕴藏于转速信号中的故障特征,进而实现对轮毂电机的故障诊断。结合Matlab仿真分析和轮毂电机漏电故障试验,结果表明阶次自分离方法可有效识别出轮毂电机漏电故障特征。

轮毂直驱空气悬架系统垂向动力学特性分析

针对轮毂直驱电动汽车簧下质量较大和电动机不平衡电磁力的问题,进行了轮毂直驱空气悬架(hub direct drive air suspension,HDD-AS)系统垂向动力学特性分析.构建了轮毂电动机与带附加气室空气悬架耦合模型,当轮毂直驱空气悬架系统在路面随机激励与电动机不平衡电磁力耦合作用下,附加气室容积和阻尼系数改变时,分析了电动机偏心距、电动机不平衡电磁力、簧上质量加速度、悬架动行程、轮胎动载荷和簧下质量加速度均方根值的变化规律,研究了附加气室容积和阻尼系数变化对电动机偏心距、簧上质量加速度、悬架动行程、轮胎动载荷和簧下质量加速度的频域影响.结果表明:附加气室容积和阻尼系数的变化对轮毂直驱空气悬架系统悬架性能和轮毂电动机振动具有较大的影响.

轮毂电机驱动汽车半主动悬架自适应最优控制

针对轮毂电机驱动汽车非簧载质量增加和轮毂电机不平衡电磁力带来的振动负效应,提出了一种自适应线性二次型调节器(LQR)半主动悬架控制策略,以提升轮毂电机驱动汽车的性能。考虑路面随机激励与轮毂电机不平衡电磁力的耦合作用,建立了轮毂电机驱动汽车系统的垂向、纵向与扭转振动的动力学模型。以垂向振动性能最优为目标,提出了LQR最优控制策略,将自适应遗传算法应用于确定LQR最优控制权重矩阵,以获取控制器的最优反馈悬架控制力。仿真结果表明:带有自适应LQR控制器的系统能有效提高系统的垂向与纵向性能,对簧载质量垂向与纵向振动加速度均方根值、悬架动行程均方根值、轮毂电机偏心距均方根值、轮胎动载荷均方根值和纵向驱动力波动的改善效果明显,有效提高了车辆的行驶平顺性与乘坐舒适性。