对国内外柴油机电控技术的发展态势进行了分析 ,阐述了柴油机燃油喷射位置式PID电子控制方法的原理。对基于MC6 8376单片机的柴油机燃油喷射电控系统的组成及其功能进行了研究。针对BF8L4 13F柴油机和BOSCH P8AE喷油泵调速系统的特点 ,分析了进气压力和温度 ,及燃油温度对电控柴油机性能的影响。台架试验结果表明 ,增加进气压力和温度 ,及燃油温度等控制参数后 ,改善了电控柴油机的整体性能 ,能够满足实际车辆的使用要求。

自主研制一种基于单片机的机电控制实训平台。该平台由单片机主控单元及多个独立的功能模块单元组成,主控单元支持51或AVR系列单片机,各个功能模块独立设计,并可利用杜邦线进行组合连接。平台可实现单片机基本控制功能及典型机电控制功能,包括直流电机和微型步进电机的调速与换向控制、舵机的角度定位控制。该实训台已经应用于实际教学中,改善了实验条件,充实了教学内容,提高了教学效果,有效提高了学生的创新意识和工程实践能力。

研制了一种向螺旋进气道入口喷射空气的可变涡流进气系统——控制涡流型可变涡流进气系统 ,试验研究了该系统对直喷式柴油机排放性能的影响。结果表明 ,该系统在不影响进气充量的情况下 ,可以明显减少直喷式柴油机排气中微粒的质量浓度和氮氧化物的排放量

[目的]针对传统机器学习在拖拉机柴油机故障诊断应用中的局限性，本研究提出一种HPO-SVM（Hybrid Population Optimization-Support Vector Machine）拖拉机柴油机故障诊断模型。[方法]首先，采用SVM（Support Vector Machine）作为故障诊断模型的基体，针对SVM优化问题，以PSO（Particle Swarm Optimization）和GWO（Grey Wolf Optimization）算法为基础提出了HPO（Hybrid Population Optimization）算法对SVM的重要参数c、g进行优化；然后，分析柴油机的故障机理，确定反映故障发生的数据信号；最后，基于CAN（Controller Area Network）总线和Arduino UNO-MCP 2551组合模块采集潍柴WP6型拖拉机柴油机传感器信号数据对HPO-SVM的性能进行测试，并将测试结果与SVM、PSO-SVM（Particle Swarm Optimization-Support Vector Machine）、GWO-SVM（Grey Wolf Optimization-Support Vector Machine）、GWOPSO-SVM（Grey Wolf Optimization Particle Swarm Optimization-Support Vector Machine）、LWD-QPSO-SOMBP（Linear Weight Decrease-Quantum Particle Swarm Optimization-Self Organizing Maps Back Propagation）神经网络的测试结果进行对比。[结果]相比于其他4种SVM模型，HPO-SVM充分发挥了GWO算法和PSO算法在SVM参数寻优方面的优势，故障诊断准确率大幅度提升，相比于SVM，诊断总准确率由80.00%上升至100.00%，上升了20.00%；HPO算法提高了单种群优化算法的寻优性能，相较于PSO算法，HPO算法最佳适应度由70提升至90，提高了22.22%，达到最佳适应度时的迭代次数由105下降至27，下降了74.29%；为避免偶然性对5种SVM模型采取了6次重复试验，试验结果表明，相较于其他4种模型HPO-SVM模型的性能更稳定，HPO-SVM的6次诊断总准确率均为100.00%；HPO-SVM采用SVM作为故障诊断模型，缓解了优化算法的寻优压力，提高了模型的效率，相比于LWD-QPSO-SOMBP神经网络，HPO-SVM模型的运行时间由45 s降低至15 s，下降了66.67%。[结论]本文研究可为高效率拖拉机柴油机故障诊断提供参考。

[目的]针对传统机器学习在拖拉机柴油机故障诊断应用中的局限性，本研究提出一种HPO-SVM（Hybrid Population Optimization-Support Vector Machine）拖拉机柴油机故障诊断模型。[方法]首先，采用SVM（Support Vector Machine）作为故障诊断模型的基体，针对SVM优化问题，以PSO（Particle Swarm Optimization）和GWO（Grey Wolf Optimization）算法为基础提出了HPO（Hybrid Population Optimization）算法对SVM的重要参数c、g进行优化；然后，分析柴油机的故障机理，确定反映故障发生的数据信号；最后，基于CAN（Controller Area Network）总线和Arduino UNO-MCP 2551组合模块采集潍柴WP6型拖拉机柴油机传感器信号数据对HPO-SVM的性能进行测试，并将测试结果与SVM、PSO-SVM（Particle Swarm Optimization-Support Vector Machine）、GWO-SVM（Grey Wolf Optimization-Support Vector Machine）、GWOPSO-SVM（Grey Wolf Optimization Particle Swarm Optimization-Support Vector Machine）、LWD-QPSO-SOMBP（Linear Weight Decrease-Quantum Particle Swarm Optimization-Self Organizing Maps Back Propagation）神经网络的测试结果进行对比。[结果]相比于其他4种SVM模型，HPO-SVM充分发挥了GWO算法和PSO算法在SVM参数寻优方面的优势，故障诊断准确率大幅度提升，相比于SVM，诊断总准确率由80.00%上升至100.00%，上升了20.00%；HPO算法提高了单种群优化算法的寻优性能，相较于PSO算法，HPO算法最佳适应度由70提升至90，提高了22.22%，达到最佳适应度时的迭代次数由105下降至27，下降了74.29%；为避免偶然性对5种SVM模型采取了6次重复试验，试验结果表明，相较于其他4种模型HPO-SVM模型的性能更稳定，HPO-SVM的6次诊断总准确率均为100.00%；HPO-SVM采用SVM作为故障诊断模型，缓解了优化算法的寻优压力，提高了模型的效率，相比于LWD-QPSO-SOMBP神经网络，HPO-SVM模型的运行时间由45 s降低至15 s，下降了66.67%。[结论]本文研究可为高效率拖拉机柴油机故障诊断提供参考。

简述了微粒排放机外处理技术的发展背景 ,介绍了常用车用柴油机微粒排放机外处理技术 ,如微粒过滤器、静电捕集、旋风 (流 )分离、氧化催化器技术 ,以及微粒净化组合技术 ,针对我国实际情况分析了各种微粒处理技术在实际使用中存在的主要问题。分析比较结果表明 ,微粒过滤器和组合技术是比较有前途的微粒处理方式

对由车用 61 1 0直喷式柴油机改造的单缸试验柴油机的排放特性进行了试验研究。结果表明 ,在大负荷和高速小负荷工况下 ,微粒的排放量较大 ;中等转速中等负荷工况下 ,NOx的排放量较大

研究了一种直喷式柴油机控制涡流型可变涡流进气系统 ,并在气道稳流实验台上对该进气系统的充气性能进行了试验。试验结果表明 ,所设计的控制涡流型可变涡流进气系统能够在不改变原机气道充气性能的前提下实现对进气涡流强度的控制。

为研究某大型船用柴油机曲轴箱的轴端密封漏油问题,建立了面向气液两相介质的密封试验装置。通过试验获得了不同转速条件下空气和滑油的泄漏速率,定量地研究了密封装置中的甩油环、迷宫齿槽及回油通道等结构的减漏作用。为适应曲轴箱轴端密封大轴径、大间隙的特点,提出了基于刷式密封的改进方案。利用刷式密封的多孔介质模型分析了安装密封刷环对泄漏和流场的影响,并在试验装置上验证了刷式密封的减漏效果。试验结果表明:增加刷式密封后空气泄漏速率降幅达76%,漏油速率降幅达79%。

我院与广西北海海洋渔业公司、广州柴油机厂合作，对６３００ＺＣ型柴油机加中冷节能研究，经四年多的努力，设计、研制了二代空冷节能器样机，台架试验和实船试用，均取得了明显节能效果，使６３００ＺＣ型柴油机性能、燃油耗率达到国内先进水平。

针对增压直喷柴油机,开展了应用废气再循环(EGR)技术降低氮氧化物(NOx)排放的研究。研究了 不同FGR率对发动机13工况下性能和排放的影响规律,并优选了发动机13工况下EGR率。利用设计的EGR 电控系统,实现了发动机13工况的EGR率的自动控制,并通过试验对EGR系统进行了验证。

介绍了柴油机废气再循环(EGR)的技术特点、控制原理和EGR率的测量方法,并就其在重型增压柴 油机上的应用现状做了阐述。

江苏省如皋市雪岸乡能源办针对部分从事豆制品加工专业户和磨粉专业户,它们既用柴油机为加工动力,又兴办了沼气,两者皆备的特点。从1989年开始,通过简单的改装进气装置,将沼气随空气冲入柴油机气缸内,形成油气混烧,便可以发挥以气代油,

渔船柴油机,不论功率大小,在运营过程中,难免要出现些故障。因此,轮机长和轮机员应时常注意观察主机的运营情况,及时发现和排除故障,以利安全航行与生产。现将渔船柴油机的常见故障产生的原因简要介绍如下。 1.产生敲缸的原因 (1)喷油时间过早; (2)轴承间隙过大; (3)活塞与气缸间隙过大或活塞环咬死在环槽内; (4)活塞连杆组中心线与曲轴中心线安装不垂直; (5)超过负荷运转或暴发压力过高; (6)突然的机械损坏,如活塞、活塞销、连

如何在专利数据海洋中挖掘技术主题的研究现状、识别具有潜力的研发热点,对企业和国家来说都是至关重要的战略议题。针对目前技术主题演化趋势预测研究中存在的不足:技术创新过程中随机特征的忽视、人工分类的缺陷以及专业术语难以识别等问题,本研究提出一种组合方法,首先使用维特比(Viterbi)算法识别专利文献中的专业术语,其次利用机器学习中的隐含狄利克雷分布(LDA)算法捕捉专利文献中潜在的技术主题聚类,分析各时期技术主题的分布特征和演变规律,然后结合包含双重随机过程的隐马尔可夫模型(HMM)对未来技术趋势进行定量预测,最后以船用柴油机技术为例,应用上述组合方法分析船用柴油机技术的主题分布、演化规律及未来趋势。对比实验显示本文方法具有有效性和实用价值。