基于神经网络算法的LCDs模组强度提升研究

针对超轻薄窄边框笔电显示模组强度不足导致的破片问题,提出一种基于神经网络的模组强度预测模型,旨在设计阶段评估LCDs模组强度表现,并指导系统设计。首先,基于系统组装受力分析,建立模组强度单体评价标准和实验平台;其次,基于有限元力学仿真,研究不同设计对模组强度的影响规律,确认模组强度关键影响因子;然后,基于单因子交叉实验研究,并通过神经网络算法对数据进行训练学习,建立模组强度预测模型。实验值与预测值对比表明,该模型可准确预测不同设计条件下的模组强度,为前期的强度优化和系统设计提供有效技术指导。

进气喷射不同辛烷值燃料的HCCI燃烧爆震试验分析

HCCI燃烧是化学动力学控制的均匀稀混合气的压缩自燃,大量的浓混合气同时着火燃烧导致燃烧速度过快而爆震。致力于能够描述或量化HCCI爆震程度方法的研究,进而建立HCCI爆震强度评价标准。不同辛烷值掺比燃料在不同工况的HCCI。燃烧压力信号的频谱对比分析结果表明:不同辛烷值燃料的HCCI燃烧爆震具有相近的爆震特征频带,其能量集中的主要爆震特征频带位于4-12 kHz;确定HCCI燃烧缸压信号在4-12 kHz频带处带通滤波的峰值压力Pbps为HCCI爆震强度评价标准,当Pbps大于0．15 MPa,断定HCCI燃烧出现爆震。据此找出不同辛烷值的混合掺比燃料HCCI燃烧的安全运行范围。