排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
针对目前电动拖拉机底盘布置研究相对较少的情况,基于现有的整机匹配结果进行了底盘布置设计,利用三维建模软件建立模型,输入质量参数,提取整机主要零部件重心位置参数,然后通过分析拖拉机牵引机组作业时的力学特性,建立相关数学模型。以电动拖拉机的牵引效率和整机质量作为优化目标,采用NSGA-Ⅱ算法进行多目标优化。综合考虑了犁耕作业下拖拉机的稳定性要求、驱动力要求、载荷波动情况以及传动系和行走系零件寿命等影响因素,制定了算法运行的约束条件,建立了约束方程组。以电动拖拉机的使用重力、前后电池组的质心和整机质心为目标变量,推导出动力性和经济性最优的目标函数。通过ModeFRONTIER平台,采用NSGA-Ⅱ算法对电池分布式方案进行了多目标优化。两种不同耕深条件下的优化结果对比分析表明,按照本文方式优化布置后的电动拖拉机在耕深为180mm时,优化后的整体质量与经验法相比减少了14.3%,配重质量为25.3kg;耕深为240mm时,优化后的整体质量与经验法相比减少了10.3%,配重质量仅为4.4kg,说明在牵引工况下无需额外增加配重就能达到良好的牵引性能。与经验法相比,两种耕深条件下拖拉机的配重都小很多,说明基于传统拖拉机的配重经验法计算并不适用于电动拖拉机,同时也能说明,电动拖拉机因自身总质量超过同功率段传统拖拉机,可以通过合理设计底盘布置方案,在没有配重的情况下达到理想的牵引效率。优化后的电动拖拉机底盘布置方案,在作业工况下驱动轮滑转率小于特征滑转率,整机牵引效率明显提高。 相似文献
2.
针对联合收割机装配精度不高和装配质量难以检测的问题,提出一种基于麻雀搜索算法（SSA）优化变分模态分解（VMD）和长短时记忆神经网络（LSTM）的联合收割机装配质量检测方法。该方法首先利用SSA算法自适应寻优得到最优VMD分解模态参数K和惩罚因子α,然后利用最佳参数组合[K,α]将联合收割机振动信号分解成不同中心频率的本征模态分量IMF,并对各个IMF分别进行联合特征提取组成特征向量,最后将联合特征向量作为LSTM的输入,实现不同故障特征的分类。分析结果表明,SSA-VMD-联合特征提取方法分类准确率为98.1%,分别比集合经验模态分解（EEMD）和固定参数VMD高7.1%和6.1%,验证所提方法对联合收割机装配质量检测的优越性。 相似文献
3.
随着电力电子和储能技术的发展，动力装备电动化已成为全球车辆发展的重要方向，在新能源汽车领域已得到成功应用，我国率先形成了完整的产业基础。目前，全球电动农业装备处于起步阶段，多以理论研究为主，尚无批量化生产的电动农业装备产品，发展电动农业装备具有产业优势。本文简要分析了电动农业装备关键部件及软件平台，重点综述了国内外电动拖拉机、电动微耕机、电动移栽机、电动果园作业机、电动播种机研究现状，并对电动农业装备与传统农业装备进行了性能对比，得出了不同农业装备的优缺点，为农业装备的应用场景分析提供了支撑。针对不同农业装备的农艺特点和电动化关键部件特点阐述了不同形式农业装备的应用场景。结合当前电动车辆发展状况及农业装备作业特点对不同电动农业装备发展瓶颈进行了分析，为电动农业装备的发展指明了方向，可为我国电动农业装备的发展提供参考。 相似文献
1