为了研究不同比例的异戊醇/柴油混合燃料在4190Z L C-2型船用中速柴油机中的燃烧和排放特性,运用AVL_FIRE仿真软件建立柴油机燃烧室模型,并通过台架实验验证其仿真模型的准确性。在仿真软件中通过调整异戊醇在柴油中的掺混比来研究混合...为了研究不同比例的异戊醇/柴油混合燃料在4190Z L C-2型船用中速柴油机中的燃烧和排放特性,运用AVL_FIRE仿真软件建立柴油机燃烧室模型,并通过台架实验验证其仿真模型的准确性。在仿真软件中通过调整异戊醇在柴油中的掺混比来研究混合燃料对柴油机燃烧和排放性能的影响。结果表明:掺混异戊醇有助于改变NO的生成规律,使NO在速燃期的生成量上升,在缓燃期与后燃期的生成量减少,并且总体生成的NO质量分数降低;随着异戊醇掺混比的上升,CO最终生成质量分数下降,Soot最终生成质量分数上升,同时生成的Soot质量分数峰值降低,在缓燃期的氧化速率增快,并因为较快的耗氧量使得最终生成的Soot质量分数比纯柴油的高。展开更多
为了进一步提高基于深度学习的船舶目标检测技术的检测精度,在无锚框中心点检测算法基础上,提出一种结合空洞编码器和特征金字塔的改进中心点船舶检测算法。采用Res Ne Xt-50网络对船舶图像进行特征提取,引入基于空洞残差的空洞编码器(...为了进一步提高基于深度学习的船舶目标检测技术的检测精度,在无锚框中心点检测算法基础上,提出一种结合空洞编码器和特征金字塔的改进中心点船舶检测算法。采用Res Ne Xt-50网络对船舶图像进行特征提取,引入基于空洞残差的空洞编码器(DE)增大32倍下采样特征图的感受野,生成覆盖多个目标尺度的特征图,并采用特征金字塔网络(FPN)进行上采样,在上采样过程中融合空洞编码器生成的32倍下采样特征图和原16倍、8倍和4倍下采样特征图,从而提取到更丰富的船舶特征信息,提升船舶检测效果。结果表明,改进算法对不同类型和不同尺度下的船舶检测平均精确率相比原算法具有较明显的提升,相比SSD和YOLOv3算法具有更高的精度优势。展开更多
为了对柴油机的经济性和排放参数进行高效、准确的预测,根据4190型船用柴油机实验数据与边界参数,建立AVL-BOOST甲醇/柴油混合燃料柴油机仿真模型;利用模型进行仿真实验,并建立甲醇掺混比、废气再循环(exhaust gas recirculation,EGR)...为了对柴油机的经济性和排放参数进行高效、准确的预测,根据4190型船用柴油机实验数据与边界参数,建立AVL-BOOST甲醇/柴油混合燃料柴油机仿真模型;利用模型进行仿真实验,并建立甲醇掺混比、废气再循环(exhaust gas recirculation,EGR)率、喷油提前角和进气压力4个控制参数对有效油耗率和NO x排放预测数据集;利用该数据集对5种不同核函数的高斯过程回归(Gaussian process regression,GPR)模型进行训练;最后将最优的平方指数高斯过程回归(squared exponential-Gaussian process regression,SE-GPR)模型、AVL-BOOST仿真数据和柴油机实验数据进行对比。结果表明:在数据量为180组时,SE-GPR模型对有效油耗率和NO x排放均取得拟合关联度99%以上,均方根误差(root mean square error,RMSE)分别为1.859,0.3445,平均绝对误差(mean absolute error,MAE)分别为0.954,0.2489;并且,相较于AVL-BOOST仿真实验,SE-GPR模型对实验数据具有更好的拟合性。展开更多
文摘为了研究不同比例的异戊醇/柴油混合燃料在4190Z L C-2型船用中速柴油机中的燃烧和排放特性,运用AVL_FIRE仿真软件建立柴油机燃烧室模型,并通过台架实验验证其仿真模型的准确性。在仿真软件中通过调整异戊醇在柴油中的掺混比来研究混合燃料对柴油机燃烧和排放性能的影响。结果表明:掺混异戊醇有助于改变NO的生成规律,使NO在速燃期的生成量上升,在缓燃期与后燃期的生成量减少,并且总体生成的NO质量分数降低;随着异戊醇掺混比的上升,CO最终生成质量分数下降,Soot最终生成质量分数上升,同时生成的Soot质量分数峰值降低,在缓燃期的氧化速率增快,并因为较快的耗氧量使得最终生成的Soot质量分数比纯柴油的高。
文摘为了进一步提高基于深度学习的船舶目标检测技术的检测精度,在无锚框中心点检测算法基础上,提出一种结合空洞编码器和特征金字塔的改进中心点船舶检测算法。采用Res Ne Xt-50网络对船舶图像进行特征提取,引入基于空洞残差的空洞编码器(DE)增大32倍下采样特征图的感受野,生成覆盖多个目标尺度的特征图,并采用特征金字塔网络(FPN)进行上采样,在上采样过程中融合空洞编码器生成的32倍下采样特征图和原16倍、8倍和4倍下采样特征图,从而提取到更丰富的船舶特征信息,提升船舶检测效果。结果表明,改进算法对不同类型和不同尺度下的船舶检测平均精确率相比原算法具有较明显的提升,相比SSD和YOLOv3算法具有更高的精度优势。
文摘为了对柴油机的经济性和排放参数进行高效、准确的预测,根据4190型船用柴油机实验数据与边界参数,建立AVL-BOOST甲醇/柴油混合燃料柴油机仿真模型;利用模型进行仿真实验,并建立甲醇掺混比、废气再循环(exhaust gas recirculation,EGR)率、喷油提前角和进气压力4个控制参数对有效油耗率和NO x排放预测数据集;利用该数据集对5种不同核函数的高斯过程回归(Gaussian process regression,GPR)模型进行训练;最后将最优的平方指数高斯过程回归(squared exponential-Gaussian process regression,SE-GPR)模型、AVL-BOOST仿真数据和柴油机实验数据进行对比。结果表明:在数据量为180组时,SE-GPR模型对有效油耗率和NO x排放均取得拟合关联度99%以上,均方根误差(root mean square error,RMSE)分别为1.859,0.3445,平均绝对误差(mean absolute error,MAE)分别为0.954,0.2489;并且,相较于AVL-BOOST仿真实验,SE-GPR模型对实验数据具有更好的拟合性。