期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
薄壁化技术在汽车保险杠上的应用研究 被引量:7
1
作者 李书鹏 李树辉 《汽车工艺与材料》 2016年第10期27-29,共3页
以保险杠为例,介绍了薄壁化技术的发展趋势,从节约材料、提高注塑成型生产效率和减少制件收缩率等方面分析了薄壁化的优势,着重阐述了要求薄壁化材料具有"三高"性能(高流动性、高模量、高韧性)的意义,对薄壁化设计常见的翘曲... 以保险杠为例,介绍了薄壁化技术的发展趋势,从节约材料、提高注塑成型生产效率和减少制件收缩率等方面分析了薄壁化的优势,着重阐述了要求薄壁化材料具有"三高"性能(高流动性、高模量、高韧性)的意义,对薄壁化设计常见的翘曲变形、表面缺陷、缺胶或飞边等问题进行了说明,并提出了相应的解决措施。 展开更多
关键词 薄壁化 保险杠 收缩率
下载PDF
发泡硅橡胶在电池包壳体密封圈上的应用研究 被引量:10
2
作者 李书鹏 李波 《汽车零部件》 2018年第5期76-78,共3页
随着新能源车的快速发展,动力电池包作为新能源车的核心部件,成为各主机厂的重点研究对象。对于电池包部件而言,密封性直接影响到电池包系统的工作安全,同时影响到新能源车的使用安全。主要从电池包壳体密封材料的性能出发,通过验证发... 随着新能源车的快速发展,动力电池包作为新能源车的核心部件,成为各主机厂的重点研究对象。对于电池包部件而言,密封性直接影响到电池包系统的工作安全,同时影响到新能源车的使用安全。主要从电池包壳体密封材料的性能出发,通过验证发泡硅橡胶相对应的性能参数,评估发泡硅橡胶在电池包壳体密封圈上应用的可能性。 展开更多
关键词 发泡硅橡胶 电池包壳体 密封圈
下载PDF
基于屈曲分析的连杆截面参数优化
3
作者 郭旭阳 陈宇 +2 位作者 徐琳 韦静思 占文锋 《车用发动机》 北大核心 2021年第1期18-23,共6页
连杆截面设计对轻量化和抗屈曲能力影响大,以经验设计为主,难以获得最优设计,针对这一问题,提出了基于敏感性分析获得优化参数,并通过基于NLPQL优化算法的Isight参数优化获得最优设计方案的优化方法。采用试验设计(DOE)方法确定样本点,... 连杆截面设计对轻量化和抗屈曲能力影响大,以经验设计为主,难以获得最优设计,针对这一问题,提出了基于敏感性分析获得优化参数,并通过基于NLPQL优化算法的Isight参数优化获得最优设计方案的优化方法。采用试验设计(DOE)方法确定样本点,获取对屈曲应力和面积贡献度较大的参数;对选取的参数构造优化模型,以截面积最小为目标,以屈曲安全系数不小于1.1为约束条件,得到最优解,保证增重最小情况下截面屈曲安全系数达到1.1。采用有限元Risk法计算连杆抗屈曲所能承受的燃烧压力,进行优化前后结果对比,结果表明,优化后屈服压力提升了14%,极限压力提高了16%,证明了优化方法的有效性。 展开更多
关键词 连杆 屈曲分析 敏感性 参数优化 安全系数
下载PDF
整车怠速原地换挡冲击机理及控制方法
4
作者 王健 杨思 +2 位作者 田子龙 陈寒霜 任超 《湖北汽车工业学院学报》 2020年第4期38-42,共5页
针对某款轿车车型怠速原地换挡冲击感大的问题,进行了整车怠速原地换挡冲击试验测试和机理分析;结合换挡过程发动机扭矩、变速器涡轮转速和座椅导轨振动特征,确定了原地换挡抖动激励来源;通过动力学仿真对单位激励下动力总成—悬置系统... 针对某款轿车车型怠速原地换挡冲击感大的问题,进行了整车怠速原地换挡冲击试验测试和机理分析;结合换挡过程发动机扭矩、变速器涡轮转速和座椅导轨振动特征,确定了原地换挡抖动激励来源;通过动力学仿真对单位激励下动力总成—悬置系统振动响应进行计算,通过调整悬置刚度参数,明确了悬置刚度对振动响应的影响;基于上述结论,提出综合优化方案,并进行试验效果验证,最终确定不同方案的贡献度和综合改善效果,优化后换挡冲击减低57%,主观评价得分提升1.8分,换挡冲击感大幅降低。 展开更多
关键词 怠速 换挡 冲击 悬置 优化
下载PDF
基于一维卷积神经网络的驾驶人身份识别方法 被引量:11
5
作者 胡宏宇 刘家瑞 +3 位作者 高菲 高振海 梅兴泰 杨光 《中国公路学报》 EI CAS CSCD 北大核心 2020年第8期195-203,共9页
近年来,智能网联汽车(ICV)已成为智能工业时代最有前景的发展方向。作为现代移动的重要模式,ICV的设计和开发越来越强调个性化需求。提出一种仅使用车载CAN总线行车状态数据,基于深度学习的驾驶人身份识别通用框架。首先采集20名驾驶人... 近年来,智能网联汽车(ICV)已成为智能工业时代最有前景的发展方向。作为现代移动的重要模式,ICV的设计和开发越来越强调个性化需求。提出一种仅使用车载CAN总线行车状态数据,基于深度学习的驾驶人身份识别通用框架。首先采集20名驾驶人在固定试验路线下,包括不同道路类型、不同交通条件下的自然驾驶行车状态数据集;其次对9种类型的CAN信号行车数据进行数据清洗与重采样,构建数据样本集。搭建了由卷积层、池化层、全连接层、SoftMax层构成的一维卷积神经网络(1-D CNN)驾驶人身份识别模型,并且使用Adam算法、L2正则化、Dropout、小批量梯度下降等方法对模型性能进行优化。算法验证过程中,探讨了模型卷积核占比、卷积核数量、卷积层层数、全连接层节点规模对模型识别准确率的影响,进而对模型结构参数进行优选。进一步地,将该算法与K近邻(KNN)、支持向量机(SVM)、多层感知器(MLP)等传统机器学习方法及深度学习算法长短时记忆网络(LSTM)进行对比分析,同时探究样本时间窗口大小、样本数据重叠度、驾驶人数量对模型识别结果的影响。在数据时间窗口为1s、数据重合度80%的条件下,对20名驾驶人进行识别,评价指标宏观F1分数可达99.1%,表明该模型表现明显优于其他对比模型算法,其对驾驶人身份识别表现稳定,鲁棒性强。 展开更多
关键词 汽车工程 智能网联汽车 一维卷积神经网络 驾驶人身份识别 行车数据 深度学习
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部