基于声发射的缸套珩磨网纹磨损深度检测

珩磨网纹对维持活塞-缸套间润滑状态至关重要,磨损造成的网纹深度变浅会引起润滑恶化并加剧摩擦磨损,甚至造成拉缸等重大机械事故。提出一种基于声发射的缸套珩磨网纹磨损深度检测方法,从声发射信号中识别提取了网纹深度有关特征变量,通过构建卷积神经网络模型建立了声发射特征信号与网纹深度的映射关系。基于长行程往复式摩擦试验机,对不同网纹简约谷深的缸套试样在变转速、变载荷工况下实测的声发射信号进行采集分析,发现网纹简约谷深与声发射信号低频和高频段存在较强相关性。基于所建模型对早期缸套网纹磨损进行了检测评估,结果表明:珩磨网纹深度识别平均准确率达94%,证实了基于声发射技术进行缸套网纹磨损深度非介入式检测的可行性。

基于新工科背景下应用型本科课程汽车构造(上)教学分析

基于新工科建设背景下,以汽车构造(上)课程为例,坚持以产出为导向,以学生为中心,以立德树人为根本的多样性教学理念,通过对教学内容的重组和拓展、引入现代化电子信息化技术丰富教学资源和手段、采用科学的教学方法、优化教学过程、建立多元化多主体的教学评价机制,形成专业教育与思政教育协同效应,打造学生参与式课堂,提高学生参与课程学习的积极性主动性,保证了课程教学的效率和质量,达成了课程的目标与专业人才培养的需求,在一定程度上推动了课程建设。

人工智能算法理论下无线网络认知通信信号波形技术分析

融合认知动态系统的无线电通信网络建立了认知自适应波形技术,由信号接收机感知环境干扰因素,并反馈至信号发射机,从而调整波形参数,提升通信及测控性能。但在运行时会产生较大的运算量,限制了系统的实用性。研究过程中构建了综合性的环境干扰因素,根据最小误码率准则设计了优化认知波形参数的算法模型,再利用BP神经网络技术对模型实施迭代与仿真检测。结果显示:改善调频斜率和信号脉冲宽度有利于提升无线认知网络的工程应用效果。

浅析8D方法在某批柴油发动机拉缸故障原因分析中的应用

拉缸是柴油发动机运行过程中产生的最普遍的故障之一,将严重影响柴油机正常工作。针对公司某批量发动机拉缸问题,运用8D方法对拉缸故障进行了原因分析、故障定位和问题解决。首先对8D方法的由来、内容和适用场景进行了较为详细的介绍;其次通过8D方法对故障进行了原因分析,并得出此批拉缸是由于活塞冷却喷嘴被机油滤清器脱落胶粒堵塞造成的结论;最后通过选择高粘结强度胶、拉脱试验和热老化试验圆满解决了此批拉缸问题并顺利投入生产。8D方法为柴油机拉缸故障分析提供了可靠、可信、可行的有效途径,为柴油发动机拉缸故障提供了新的解决思路与方法。

某柴油发动机排气歧管的热强度分析

文章基于流固耦合方法,应用Star ccm+软件对某柴油发动机的排气歧管内流场及外流场进行模拟分析,得到流体域及固体域的温度分布及表面热传递系数;采用Ramberg-Osgood方法拟合了高温时材料的塑性应力应变曲线;将温度场导入Abaqus软件中作为温度载荷计算温度影响下的歧管热应力和热应变;最终,找出存在应力集中和塑性变形的区域.结果表明:排气歧管温度场的分析值与试验值基本吻合,且通过了相关试验的验证.