高速柴油机曲轴扭/弯/纵三维振动的试验研究

利用开发的轴系扭 /弯 /纵三维振动测试装置 ,对典型的直列 6缸车用柴油机进行了轴系扭 /弯 /纵三维振动的测试研究。通过对轴系振动的测试结果进行幅频特性分析以及相干函数分析 ,从试验研究的角度分析了轴系扭 /弯 /纵三维振动的相互影响的特点。同时 ,研究了轴系的三维振动与机体裙部振动的关系。     

高雷诺数对无量纲参数的影响

研究了高雷诺数对气体滚流强度和流量系数的影响。试验表明,气门升程和气道压差小时,难以形成充分发展的湍流,随着气门升程的增大,无量纲滚流强度和流量系数呈上升趋势,并且波动较大;充分发展时,可压缩气体的滚流强度和流量系数恒定不变,不可压缩气体的滚流强度比真实值偏大,而流量系数比真实值偏小,误差大小只与压力比有关,并随着压力比的增大而增大。     

无凸轮电液驱动气门配气机构技术的发展

介绍了无凸轮电液驱动配气机构的基本原理;详细阐述了无凸轮电液驱动配气机构控制技术的各种方法及其优缺点,并指出了今后内燃机无凸轮电液驱动配气机构的技术发展趋势。     

直喷式柴油机燃烧噪声传递函数的试验研究

通过改变燃烧室结构和压力脉冲的大小 ,测量压力脉冲和噪声信号 ,求取燃烧噪声传递函数 ,并对不同方法求取的传递函数进行比较分析。设计适当的时间窗获取正常工况下的活塞拍击噪声和燃烧噪声 ,并与用传递函数和测量的缸内燃烧压力计算所得的燃烧噪声进行比较分析 ,对活塞拍击特性进行了分析 ,为燃烧噪声的机理研究提供了较好的方法     

内燃机曲轴扭振连续分布模型的计算方法

建立了内燃机曲轴扭转振动的连续体模型和计算方法。首先构建了内燃机曲轴的连续分布当量阶梯轴模型 ,根据轴段以及集中质量的动能表达式 ,由拉格朗日方程建立了整个轴系的运动方程 ,构造了能同时用于某单一谐次或整个轴系合成振动分析的矢量矩阵。计算结果表明 ,用能量法来分析扭振与实际测量的结果在各主要谐次都保持相当的一致。     

基于神经网络的车辆排气噪声声音品质预测技术

通过评审团成对比较法测试得到18种车辆排气噪声的满意度评价,考察并选取响度、尖锐度、粗糙度、波动度和峭度作为描述车辆排气噪声声音品质的客观心理声学参数,使用BP神经网络理论建立车辆排气噪声声音品质神经网络预测模型,对排气噪声样本的满意度进行预测,并与使用多元线性回归模型所得的预测值进行了比较.结果表明,神经网络模型预测值更接近实测值,误差在10%范围以内,对于单一噪声样本满意度的预测精度高于多元线性回归模型,能够更好地反映客观参数和主观满意度间的非线性关系,可用于车辆排气噪声声音品质的预测研究.     

柴油机燃用不同乳化率柴油与富氧进气试验与模拟

在直喷柴油机上采用氧体积分数为21％、22％、23％和24％进气增氧技术,燃用含水率为0％、10％、20％和30％(体积比)的乳化柴油,进行试验研究及数值模拟.测试工况为被测发动机的最大扭矩点.试验及模拟结果均表明:在燃用相同乳化柴油,随进气氧体积分数的增加,燃烧始点提前,最大压力增加.在相同进气氧体积分数条件下,着火点随乳化柴油含水率的增加而推后.不同的进气氧体积分数及不同含水率的乳化柴油相互搭配可以控制燃烧室内着火时刻和着火速度.燃用30％乳化柴油,氧体积分数从21％增加到24％时NO排放均不超过原机.20％乳化柴油在22％氧体积分数以下效果较好.10％乳化柴油只是在空气助燃时比原机好.碳烟的排放随氧体积分数的增加而降低,亦随乳化率的增加而降低,使用乳化柴油和进气富氧均可使发动机的碳烟排放低于原机碳烟排放.从缸内温度场分布可知,燃料内的含水率对缸内的低温化学反应影响较大,进气内的氧体积分数对高温反应有较大影响.     

多体动力学建模方法对发动机主轴承载荷计算影响

使用模态综合法,在ADAMS中建立刚柔混合的4100QB柴油机多体动力学模型,研究了多体动力学建模方法对发动机主轴承载荷计算的影响。通过比较不同模型间主轴承载荷的差异,探讨了发动机曲轴和机体的柔性、发动机安装方式和联轴节等建模因素对主轴承载荷计算的影响。结果表明:曲轴、机体柔性及发动机安装方式对轴承载荷计算影响显著;柔性联轴节对主轴承载荷的影响可以忽略。最后利用实测的气缸体表面节点振动数据验证了多体动力学计算结果的有效性。     

内燃机噪声源的传播及其识别技术

在论述了内燃机噪声源的传播途径基础上 ,着重剖析了用于内燃机噪声源识别的各种方法和近年来在该领域出现的一些新技术。     

基于神经网络的车辆排气噪声声音品质预测技术

通过评审团成对比较法测试得到18种车辆排气噪声的满意度评价，考察并选取响度、尖锐度、粗糙度、波动度和峭度作为描述车辆排气噪声声音品质的客观心理声学参数，使用BP神经网络理论建立车辆排气噪声声音品质神经网络预测模型，对排气噪声样本的满意度进行预测，并与使用多元线性回归模型所得的预测值进行了比较。结果表明，神经网络模型预测值更接近实测值，误差在10%范围以内，对于单一噪声样本满意度的预测精度高于多元线性回归模型，能够更好地反映客观参数和主观满意度间的非线性关系，可用于车辆排气噪声声音品质的预测研究。