带侧翼式扩散器对汽车气动特性影响研究

来源 :汽车工程 | 被引量 : 0次 | 上传用户:mao_320
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为研究带侧翼式扩散器对汽车气动特性的影响,将其安装在CAERI Aero Model标准模型上,采用计算流体动力学(CFD)软件对不同扩散器安装角度下车辆的气动阻力和升力进行仿真,并与安装普通直板式扩散器进行对比,其中直板式扩散器某一安装角度的仿真结果通过了风洞试验的验证,以确认仿真的可靠性.仿真结果表明,带侧翼式扩散器能改变车辆底部和尾部涡结构的分布,与直板式扩散器相比,带侧翼式扩散器在不同安装角度下均能有效降低车辆的气动升力,在安装角度α=10.5°时,气动升力降低最大,达38.1%.带侧翼式扩散器能在气动阻力略为增大的条件下大幅减小气动升力,有效提升车辆的气动行驶稳定性和安全性.
其他文献
为了提升网联交叉口车辆通行效率与燃油经济性,设计了一种网联信控交叉口协同控制应用场景,提出了一种分层解耦式网联交叉口信号-车辆轨迹协同优化控制方法,其中顶层采用“作业调度”和遗传算法以最小化交叉口平均旅行时间延误为优化目标实现信号配时与相序优化;底层结合最优配时结果,采用分段优化方法以最小化平均燃油消耗为优化目标实现车辆轨迹优化.仿真结果表明,本文中提出的协同控制方法在交叉口车流量均衡与不均衡、低密度和高密度工况下,均可以有效提升交叉口通行效率和燃油经济性;提出方法效果随最小绿灯时长的减小、V2X通信范围
为使智能汽车在转向操控方面尽量接近人类驾驶员的转向操控水平,提出一种训练并学习熟练驾驶员行车轨迹的非线性拟合方法.基于分段多项式方法构建右转、掉头、车道保持和换道等4种典型转向工况表达模型,并结合自适应伪谱法实现分段轨迹的有效衔接.为避免传统神经网络学习算法(如BPNN)需要人为设置大量的网络训练参数,且易产生局部最优解的不足,提出了基于改进型极限学习机(ELM)的熟练驾驶员行车轨迹非线性拟合策略.引入卡尔曼滤波(KF)算法,对ELM输出权重矩阵进行滤波处理,更新阶段循环计算,实现对ELM算法的优化,提高
鉴于电池的内短路是触发热失控的关键环节和快速而有效检测短路的困难,本文提出一种适合不同短路阻值的基于平均-差异模型的串联电池组短路电流估计方法.首先分析了短路电池平均-差异模型的适用性和参数校正方法,并利用迭代最小二乘和卡尔曼滤波对模型参数进行在线辨识.然后推导基于模型参数和电池端电压的短路电流估计表达式和瞬时压降与短路阻值之间的关系,并根据是否有明显瞬时压降将短路电流估计方法分为长时和短时两种.最后实验验证结果表明,该方法可以较精准地对短路电流进行估计,适用于不同阻值的短路检测.