课程文献中心 更多>>

关键词： 电动汽车   驱动电机   振动噪声问题   分析优化  

摘要： 电动汽车作为绿色出行的代表,近年来得到了广泛的应用与发展,与传统的燃油汽车相比,电动汽车更低的排放与更高的能源利用效率,也面临着新兴的技术挑战,电动机振动与噪声问题就是其中之一。驱动电机的振动与噪声会影响车主的驾驶感受,还会对车辆的整体性能与可靠性产生负面影响。电动机具有较高的转速与较大的功率输出,振动与噪声问题在高转速、高负载条件下易产生共振现象,造成结构的损坏与性能的下降。电动机在运行过程中,磁场的不均匀性与电流的变化,会产生不同频率的振动波与噪声。电机与车身、底盘等其他部件的耦合效应,也会加剧噪声的传播,影响整车的NVH性能。为此,提出了多种减振降噪的方案,优化电机的几何设计、采用新型材料及改进电机的控制策略等。电动汽车驱动电机振动噪声问题的优化,能提高车辆的舒适性与性能,还促进电动汽车产业的可持续发展。

关键词： 土壤   六价铬   快速测定方法  

摘要： 本研究聚焦于土壤中六价铬的快速测定方法。六价铬作为有毒物质,广泛存在于工业废水、重金属污染物和汽车尾气等排放物中,对人类健康和生态环境构成严重威胁。为应对六价铬污染问题,本研究旨在改进现有标准方法(HJ1082-2019),提高检测效率。方法 包括优化称样重量、消解条件及测量步骤,并采用PinAAcle 900T原子吸收光谱仪等设备进行分析。结果 显示,优化后的方法将样品称重量减半,试剂用量和制备体积均减少,同时保持了良好的检出限、精密度和准确度。具体而言,土壤六价铬的检出限达到0.2mg/kg,相对标准偏差在1.2%至4.0%之间,符合标准方法要求。因此,本研究提出的快速测定方法具备实际操作可行性,为土壤中六价铬的监测与评估提供了有力支持。

关键词： 高速铁路   动车组   受电弓   气动噪声   降噪设计  

摘要： [目的]随着列车运行速度的提高,列车噪声指标逐渐成为制约高速铁路发展的重要因素。应进一步挖掘受电弓区域的气动声学正向优化设计潜力,提出受电弓区域气动噪声的优化设计方案。[方法]以复兴号标准动车组(型号为CR400BF)为研究对象,阐述了研究内容、技术路线及研究方法。采用LES(大涡模拟)算法及FW-H方程,对高速铁路动车组受电弓区域的气动噪声展开研究。对既有高速铁路CRH380BL型动车组受电弓区域的气动声学性能进行研究,针对受电弓中上部本体结构和底部导流结构的优化措施,设计了6个组合优化方案,评价了各优化方案的气动噪声优化效果。将最佳优化方案应用在CR400BF型动车组上,进一步测试其优化效果。[结果及结论]方案4为最佳优化方案。将方案4应用于CR400BF型动车组,在列车运行速度为350 km/h的工况下,在距离受电弓最近的标准测点处,整车的辐射噪声声压级减少了0.99 dB(A),受电弓区域的辐射噪声声压级减少了1.70 dB(A)。方案4作为受电弓新的降噪方法,技术要求较低,具有较大的市场应用空间。

关键词： 海南   杧果主产区   土壤pH值   有机质   分布特征   土壤养分   相关性  

摘要： 为探明海南杧果主产区果园土壤现状并为杧果园土壤施肥管理提供依据,通过对71个有代表性的果园土样进行采集,分析主产区土壤pH值和有机质分布特征及其与土壤养分的关系。结果表明:该产区0~20cm土层中土壤pH值平均为5.76,63.38%的杧果园土壤pH值处于适宜杧果生长的5.50~7.50范围内,36.62%的杧果园土壤pH值低于5.50,20~40cm土层中最适宜杧果生长的5.50~7.50的土壤样本数占总样本数的53.53%,46.48%的杧果园土壤pH值低于5.50;0~20cm土层中土壤有机质含量平均值为14.15g/kg,有59.28%的果园有机质低于15.00g/kg,20~40cm土层中土壤有机质含量平均值为10.70g/kg,有78.87%的果园有机质低于15.00g/kg。0~20cm土层中土壤有机质和有效铜呈极显著正相关,与有效锌呈显著正相关,土壤pH值与交换性钙呈显著正相关,与有效铁含量呈显著负相关;20~40cm土层中土壤有机质与速效磷呈显著正相关,与交换性钙成显著负相关,土壤pH值与交换性钙呈极显著正相关,与有效铁呈显著负相关。因此,防止土壤进一步酸化和提升有机质水平是海南杧果主产区实现果业可持续发展的紧迫任务。

关键词： 自卸车   电动机械   能耗比   经济型   噪声  

摘要： 以甘肃高速公路建设中某在建服务站区域的物料运输为工程应用场景,通过固定式路线作业的GPS数据统计油、电消耗及噪声采集等手段,开展纯电动和燃油自卸车的耗电、油经济效益及噪声对比分析。结果表明特定工况条件下,燃油自卸车和电动自卸车作业期间消耗柴油和电能分别为0.437L/t/km和0.069k Wh/t/km,花费的金额分别为0.246元/t/km和0.047元/t/km。运行阶段燃油自卸车在车外的噪声平均值为80.6d B(A),电动自卸车的平均值为62.1d B(A),电动车车内的平均噪声相对于燃油自卸车降低23%,电动自卸车能有效改善驾驶室噪声环境。

关键词： 海洋电场测量   窄带滤波   石英晶振  

摘要： 海洋电场测量对于监测海洋活动、探测海底资源具有重要意义。由于海洋电场信号频率低,对于微弱的信号,电场测量不可避免受到器件的1/f噪声和环境变频谐波噪声的影响,其中环境变频谐波噪声的频率可能非常接近待测电场信号,难以通过现有的斩波放大技术抑制。针对现有测量电路难以抑制环境变频谐波噪声的问题,提出了一种开关变频石英晶体谐振窄带抑制噪声的海洋电场测量方法,将海洋电场变频到32.768 kHz,上变频信号经过高Q值石英晶振实现超窄带滤波的海洋电场测量。通过对开关变频海洋电场的过程以及变频调谐窄带测量电路的选频特性进行理论分析,推导出变频调谐窄带测量输出信号的表达式。搭建了电场测量实验平台,对设计的变频调谐窄带测量电路进行了实验测试。实验结果表明,当海洋电场信号频率为0.01~0.2 Hz时,变频调谐窄带测量的灵敏度是直接测量的2.78倍,测量电路的带宽<0.4 Hz。对于频率为0.1 Hz的海洋电场信号,变频调谐窄带测量的信噪比相比于直接测量提高了19.82 dB。这种方法不仅可以用于强噪声下微弱海洋电场信号的识别和测量,还可以用于未来海洋电场测量阵列的构建。

关键词： 大地电磁   变分模态分解VMD   长短时循环神经网络LSTM   深度学习   信号去噪  

摘要： 在大地电磁法中,强干扰噪声限制了该方法还原真实地下结构的精度,会对后期资料解释造成不良影响。本文基于大地电磁时间序列的特点,对不同类型噪声的特征进行分析,提出了一种基于VMD(变分模态分解)与LSTM(长短时记循环神经网络)预测重构的信号去噪技术。首先通过VMD信号分解算法对原始大地电磁数据进行去基线漂移处理,对处理好的时间序列继续通过VMD分解为多个不同的模态IMFs,选用含噪声轮廓信息的RSE分量中无干扰数据训练LSTM时间序列检测模型,对RSE分量进行识别并标记含噪时间段,计算噪声的步长,将噪声信息传递给原始信号并截断删除。最后通过对IMFs训练LSTM多维预测模型,对空缺的位置预测不同模态下的信号,将所有模态输出结果叠加可得大地电磁预测信号,重构信号后针对VMD方法识别度不高的尖脉冲噪声进行二次信噪分离即完成去噪。通过该技术可精确识别大地电磁信号中的强干扰噪声,只针对噪声发生时间段进行处理,有效保护了信号中无干扰数据,且预测数据误差可控制在大地电磁信号数据处理的误差允许范围内,去噪效果显著。

关键词： 无人机   环境   监测   管理  

摘要： 以全面提高生态环境监测与管理自动化、标准化、信息化、数字化水平为指引,依托无人机高空作业的天然优势,借助飞速发展的数字技术,建立基于无人机的生态环境监测与管理系统,智能调度搭载在线检测仪的无人机,对目标区域的空气质量和水质进行全面、准确、高效、快捷的监测,实时回传数据,便于工作人员及时发现问题并制定解决方案,有助于提高环境监测能力和管理水平。

关键词： 环境监测   污水   现场采样   质量控制  

摘要： 随着社会经济的发展,技术进步与管理工作在社会的各个层面都取得显著的提升。在环保领域,技术的创新与应用,推动了我国环境保护事业的发展。而环境监测采样质量管理作为其中的关键环节,能确保环保数据的准确性和可靠性。对此,探讨环境监测采样的重要性,分析其影响因素等,并提出有针对性的优化策略,为提升环境监测采样质量管理水平贡献力量。

关键词： 污水处理   水质预测   溶解氧   局部异常因子算法   集合经验模态分解   长短期记忆神经网络  

摘要： 为了精准预测污水中溶解氧(DO)浓度值,通过局部异常因子(LOF)算法对深圳某污水处理厂5个月的数据进行分析。利用集合经验模态分解(EEMD)-长短期记忆(LSTM)神经网络模型,对曝气控制系统的出水水质影响较大的DO浓度进行准确预测。首先,通过LOF算法剔除数据中的异常值。然后,使用EEMD算法筛选出输入数据中强相关的特征子序列。最后,将特征子序列输入LSTM模型中以得到DO预测值。试验结果表明,LOF-EEMD-LSTM模型的准确率可达95.4%、平均绝对误差(MAE)为0.036、均方误差(MSE)为0.0038、均方根误差(RMSE)为0.0614、平均绝对百分比误差(MAPE)为0.046。以上指标相比于反向传播(BP)神经网络、随机森林、LSTM、LOF-LSTM、EEMD-LSTM和变分模态分解-最小二乘支持向量机(VMD-LSSVM)预测模型皆有明显的提升。所提模型的预测精度较高,具有较高的实用价值。