混流式水轮机流动特性及寿命分析

混流式水轮机流动为一个不稳定的瞬态过程,启动和停机时的水力冲击压力脉动均会对水轮机的部件产生不利影响。为了获取水轮机内部流场及关键部位材料流场变化及压力载荷信息,以滩坑水电站水轮机为例,利用Creo 3D建模软件完成对整个水轮机全流道1∶1的三维数值仿真模拟,采用Meshing构建水轮机的流体网格模型,采用Fluent进行准确计算,对不同转速下混流式水轮机进行流场分析及寿命评估。结果表明,由于水轮机的旋转作用,其接近尾水管区域负压尤为明显,随着转速的增加,其负压更加明显。随着水轮机转速的增加,尾水管边缘区域流体流速更大,且尾水管出口区域流速分布不均,更容易产生较大的阻力;转轮下方空化情况逐步剧烈,这是由于转轮后方负压区逐渐增加所致,空化区域均分布于叶片背面靠近转轴部分,水轮机叶片正面和背面压力有明显减小趋势,转轮叶片背面负压范围接近20%,因此会发生汽蚀破坏;同时转轮所受应力也在增加,应力主要集中在叶片尖端,最大应力的增加使得转轮寿命减小,更容易产生裂纹,研究结果可为实际运行提供参考依据。

纯电动汽车再生制动与ESC液压制动协调控制

制动能量回收系统把部分制动能量转化为电能储存在电池中,有利于提高电动汽车的续驶里程,对节约能量和保护环境具有重要的意义。为了提高制动能量回收效率和制动过程的稳定性和安全性,文章对比了原有的前后轴固定比值的制动力分配策略,采用基于ECE法规前后轴制动力分配策略,充分利用了电机的外特性;在制动过程中协调控制电机回馈制动力和电子稳定控制器(electronic stability controller,ESC)液压制动力,保证满足总需求制动力;ESC液压制动采用逻辑门限值控制,防止车轮抱死。仿真结果表明,该文控制策略提高了制动能量回收效率和车辆的续驶里程,同时保证了制动的安全性和稳定性。

基于神经网络与数据融合的行人检测方法

针对毫米波雷达对行人识别不够理想、摄像头对距离检测不准确的缺点,本文中提出一种基于神经网络与数据融合的行人检测方法。利用神经网络算法从毫米波雷达检测到的目标中筛选出疑似行人目标,并与Mobileye检测到的行人目标进行匹配;然后通过卡尔曼滤波算法对毫米波雷达和Mobileye匹配成功的行人目标进行数据融合。实车试验结果表明:基于神经网络与数据融合的行人检测方法能对两个传感器检测到的行人目标进行准确匹配,并提高了行人位置检测的精度。

基于多通道态势图的自动驾驶场景表征方法

开展自动驾驶测试场景研究能够大幅减少自动驾驶汽车的测试周期与开发成本,是未来评价和提升自动驾驶技术的重要基础。为此,联合基于本体论的场景解构方法,提出了一种基于多通道态势图的自动驾驶场景表征方法,并对多通道态势图的场景聚类与场景复杂度进行研究。首先,对目前的自动驾驶测试方法进行分析,论述道路测试的不足之处以及基于场景的自动驾驶虚拟测试的优点,并对当前的场景解构与表征方法进行了总结;然后,运用本体论解构场景中的信息,并建立场景的本体模型,对模型中的数据属性进行参数化;接着,对真实场景、场景中的语义信息和多通道态势图场景进行对比分析,定义表征场景的多通道态势图的数据格式,将解构出的场景信息重组到多通道态势图的不同层中;之后,以汉明距离为基础设计了多通道态势图的对象层相似度计算方法,采用K均值聚类算法对驾驶场景对象层进行聚类分析,并借助层次分析法对基于多通道态势图的驾驶场景复杂度计算进行研究;最后,以KITTI数据集的一些真实场景为例,绘制场景开始时刻的多通道态势图,分析聚类出的9种对象分布类型。研究结果验证了多通道态势图场景复杂度计算方法的有效性。