摘要：B样条方法是设计内燃机配气凸轮型线的一种有效方法.它可以处理由从动件位移、速度和加速度给出的各种离散约束问题.文中通过实例说明该方法设计灵活,调节方便,运动规律高阶光滑,可满足各种运动规律要求.文中还讨论了约束相容性问题.

摘要：高速列车通过隧道时将会在隧道内引起相当复杂的气体压力波动,这是由于列车进入隧道时在隧道入口产生的压力波在隧道内来回传递并与列车经过时的气体压力扰动相互叠加的结果。从车体强度设计和列车运行安全性角度考虑,希望了解隧道内可能的最大气体正、负压力大小及其发生位置;气体压力波动与列车运行速度的关系。通过流体力学方程三维动态数值计算,仿真分析列车高速通过隧道的过程。计算结果证明了入口压力波效应与列车经过的扰动效应的叠加关系,得到列车通过时隧道内最大正压和最大负压发生的可能位置,以及最大正压值与最大负压值与车速间的关系式。可为高速铁路隧道和高速列车设计提供参考。

摘要：高速列车在隧道内会车有可能使列车侧壁上作用比明线会车时大得多的压力波动,原因是隧道入口压力波在隧道内来回传递并与会车形成的压力波叠加在一起形成复杂波系。列车上压力波如何变化,与隧道入口压力波有什么关系,可能达到多大的压力波极值,与会车速度是什么关系,这些一直是未能弄清楚的问题。通过计算流体力学三维数值分析,仿真计算列车在隧道内会车的动态过程,证明入口压力波效应与会车压力波效应的叠加关系,获得隧道内压力波在运动列车上的变化规律,得到隧道内可能的最大负压峰值计算式及其与会车速度的关系式,可为高速铁路隧道和高速列车气动设计提供参考。

摘要：以连续梁模型作为曲轴受力分析的基础，分析了平衡重对曲轴所受弯矩的影响。常规的设计理论认为，在曲轴上装设平衡重可平衡由曲柄离心力引起的内力拒，文中通过对一实例的大量计算，得出了与传统观念十分不同的结论。

摘要：运用概率分析方法建立某转向架构架的参数化有限元模型。选取构架的材料属性、几何参数和载荷等作为随机变量,通过统计分析得到其分布参数。用构架母材和焊缝部位疲劳薄弱处的最大主应力和其许用疲劳强度建立疲劳强度可靠性失效状态函数。基于蒙特卡罗数值模拟方法,计算转向架构架的可靠度及参数灵敏度。分析结果表明:在所选择的随机变量中,空气弹簧部位的载荷变量和材料的许用疲劳强度变量对构架的疲劳强度可靠性影响较灵敏,而板厚变量和局部的载荷变量对构架的疲劳强度可靠性影响不显著。提出了转向架构架可靠性优化设计的建议。

摘要：在分析内燃机示功图信号采集特点的基础上,提出了一种针对内燃机示功图的软硬件相结合的便携采集方案,在采集软件的设计中采用了多线程技术、循环缓存技术、与采集异步的连续存储技术和实时显示曲线的两次绘图法,以这些技术为基础在VC++6.0下实现了高速大容量内燃机示功图数据的连续采集、显示与存储。给出了关键算法的VC代码,最后给出了一个实测系统的采集实例。试验证明:结合适当的硬件,采用软件实现示功图信号的高速采集是可行的,能保证数据的正确性与完整性。

摘要：通过动态等效转动惯量分析,讨论了扭转减振器的减振频带特性与局域共振声子晶体带隙的相似性。基于局域共振声子晶体理论提出扭转减振器减振带隙的计算方法,并研究了扭转减振器几何设计参数及材料设计参数对减振带隙的影响规律。在此基础上,针对某国产MPV车型传动系扭转振动引致的车内轰鸣声问题,运用减振带隙计算方法设计扭转减振器,试制、安装样件并进行整车传动系扭振及车内噪声试验。结果表明,该扭转减振器可有效抑制传动系扭转振动,降低车内轰鸣声,提升整车声振舒适性。

摘要：列车在高速运行时,如果受到强横风作用,空气动力学性能显著改变。为探讨高速列车车头形状对横风气动效应的影响,基于Navier-Stokes方程和标准k-ε两方程模型,采用有限体积法,计算了CRH2、CRH3、CRH380A和德国ICE型高速列车在不同列车运行速度、不同横风速度25种工况下的侧向力、侧翻力矩及其系数。计算结果表明CRH3型高速列车横风气动特性最优,CRH380A型高速列车其次,两者气动特性相差不大,要优于CRH2和ICE型高速列车,并且受电弓两侧加侧挡板会使安装的那节车厢的侧向力和侧翻力矩大幅增加,并会给后面车厢的横风气动效应带来不利影响。

摘要：为研究高速列车液压减振器阻尼特性与阀系参数之间的定量关系,以高速列车广泛采用的一种液压减振器结构形式为研究对象,结合流体动力学原理与液压传动技术分析了其阻尼力产生机理,构建并验证了复原行程阻尼力计算模型,讨论了阀系参数对高速列车液压减振器阻尼特性的影响规律.研究结果表明:常通孔直径是影响开阀前减振器阻尼特性的主要因素,阻尼力变化高达52.4%;复原孔直径是影响开阀后减振器阻尼特性的主要因素,阻尼力变化高达80.1%.根据所得结论提出了高速列车液压减振器性能设计和调校的指导原则.

摘要：车辆悬架减振器异响严重削弱了车内声品质,针对该异响问题设计并开展了不同路况条件下的整车道路试验,对采集到的车内噪声信号分别计算A计权声压级与心理声学客观参量(响度、尖锐度、语音清晰度、抖动度和粗糙度)以提取减振器异响特征信息,并将其与主观评价进行了相关分析。另一方面,再引入小波包分解与样本熵的概念,对减振器异响特征信息进行了有效地提取,同时提出基于Adaboost的极限学习机(ELM)算法,建立了减振器异响声品质预测改进模型,并将其与支持向量机(Support Vector Machine,SVM)、广义神经网络(Generalized Regression Neural Network,GRNN)进行对比。研究结果表明:传统的A计权声压与心理声学指标不能有效地用于减振器异响声品质预测而结合小波包样本熵提取的异响特征与ELM-Adaboost算法能有效地对减振器异响声品质进行预测,并且效果优于SVM与GRNN。