【摘 要】
:
随着国民经济的迅速提高,汽车已经作为一种日常的交通工具走进了千家万户,这种现象促成了国内汽车市场的繁荣,给各大汽车主机厂创造了更多的发展空间和机遇。同时随着汽车产品的品种不断增多,人们对汽车个性化需求也日益增强,这给各大汽车主机厂提出了更大的挑战。针对于不同消费者的需求,如何快速的响应市场,推出差异化的产品,并降低汽车开发成本和生产成本已成为各大车企共同关注的问题,因此对汽车开展提高开发效率和降低
论文部分内容阅读
随着国民经济的迅速提高,汽车已经作为一种日常的交通工具走进了千家万户,这种现象促成了国内汽车市场的繁荣,给各大汽车主机厂创造了更多的发展空间和机遇。同时随着汽车产品的品种不断增多,人们对汽车个性化需求也日益增强,这给各大汽车主机厂提出了更大的挑战。针对于不同消费者的需求,如何快速的响应市场,推出差异化的产品,并降低汽车开发成本和生产成本已成为各大车企共同关注的问题,因此对汽车开展提高开发效率和降低产品成本方面的研究十分迫切和重要。然而车身在整车中承担着汽车大部分性能属性作用和绝大部分零部件的安装载体作用,对车身开展参数概念设计和车身模块化平台研究尤为重要,具体的工作内容包括:(1)建立了基于参数化的车身模块化平台开发流程,同时对各个阶段的工作重点内容及先后顺序进行详细分析和合理定义,保证基于参数化的车身模块化平台开发方法在实际的平台项目开发能高效率开展。(2)开展了基于弯曲刚度、扭转刚度、碰撞等工况的车身框架的材料分布拓扑优化分析,并结合工程经验解析得到车身框架路径。根据车身框架路径,开展了基于SFE Concept软件的隐式参数化的车身车型建模,实现了参数化的平台基础车型车身快速搭建和拓展车型车身模型快速拓展构建。开展了有限元仿真优化分析和实际车型产品试验,验证了平台基础车型车身的刚度、模态以及碰撞性能满足开发目标。(3)开展了车身零部件模块化设计和平台车型拓展设计研究,通过不同车型零部件进行模块化规划、接口标准化兼容研究,由基础车型拓展开发了MPV及SEDAN等不同车型,实现了车身模块化平台的开发目标,提高了开发效率和节约成本。
其他文献
近年来,可再生能源和氢能发展势头迅猛,利用可再生能源制氢已经成为碳减排的重要途径之一。由于风能/太阳能自身存在的随机性和波动性,使得可再生能源发电制氢系统的稳定性和经济性受到影响,这也是限制其大规模发展的主要原因。因此有必要思考如何利用好风/光资源,实现大规模稳定制氢。风能光能发电制氢是一个复杂的过程,本文先分析了风力发电、光伏发电、蓄电储能、电解制氢、储氢等各部分的工作原理,建立了数学模型,并运
随着无线通信系统的发展,±45°双极化天线因其具有抗极化失配以及抗干扰能力强等优点被广泛应用与基站系统,宽带天线能覆盖多个通信频段,减少天线数量,从而大大节约通信系统成本,因此,宽带双极化的研究具有重要意义。如今已经进入5G时代,我国已经对5G频谱进行了划分,要想同时满足中国移动联通、中国移动以及中国电信三家公司的5G频段,天线带宽至少要覆盖2.5GHz-4.9GHz,相对带宽达到65%。同时,5
我国的电力装机容量保持稳定的增长态势,但电力需求增长明显放缓,同时电力体制改革给发电公司带来严峻的挑战,电力市场竞争越来越激烈。如何减少项目投资、优化进度管理、提高安全管理水平是各发电公司亟待考虑和解决的问题。随着时代的发展,传统的电厂建设方式已不能满足电力企业对工程进度、成本和安全管理的需要。PDMS软件是电力行业三维建模的主流软件,其特点是全比例模型,以数据为中心,在管道设计方面有强大的优势,
面曝光3D光固化打印技术采用切片逐层固化成型方式,具有打印精度高和打印速度快等优点,广泛应用于高精度复杂结构试样的制备。面曝光3D打印过程的模拟仿真与精度研究一直是人们所关注的重点。在面曝光3D打印成形的仿真模型中,存在逐层曝光、多物理场耦合、约束载荷实时更新迭代等众多影响因素,同时打印材料的差异也会引起打印过程新现象的出现。目前在面曝光打印成形仿真模拟时,研究人员对几何模型的处理、载荷条件、反应
演化计算是一种适用于求解复杂、高维、大规模问题的全局搜索算法。通过将数据向量模拟为生物中的基因型,模拟自然界中物种的进化过程,对数据向量进行交叉、变异等操作,并从新生成的个体以及原有个体中选取更加适应环境的个体作为新的种群,从而不断迭代对数据进行优化,最终寻找全局最优解。在聚类问题中,作为一种经典的全局优化算法,演化计算提供了强大的求解办法。根据应用的场景,聚类算法又可以分为在向量空间和图空间上的
近年来,信息越发透明化、公开化,大数据时代的隐私安全问题受到广泛关注,数据隐私成为机器学习建模的壁垒,如何在保护数据隐私的同时完成机器学习建模亟待解决,联邦学习应运而生。联邦学习是一种拥有广泛应用场景的分布式机器学习框架,参与训练的客户端在不交换数据的情况下的完成联合建模。联邦优化算法是联邦学习的核心,典型代表是谷歌公司提出的FedAvg联邦优化算法,客户端本地训练完成后将模型参数传输到服务端进行
人工智能的不断发展,智能机器人近些年得到了飞速发展,广泛的应用于各个领域。且随着传感器及驱动器技术的日趋成熟,使得设计一款尺寸接近人手、抓取行为仿人手的灵巧手成为现实。同时随着机械手的广泛应用,刚性灵巧手暴露出相应的缺点,如:适应能力差,无法抓取易碎物体等,柔性灵巧手成为了新的研究热点。因此本文研究开发了一款尺寸接近人手且抓取行为仿人手的柔性灵巧手,使机械手的应用场景更加广泛。本文首先对人手的抓取
出血控制仍然是一个重大的挑战,尤其是对于枪伤和锐利物造成的深层不可压缩创面出血。据统计出血死亡在伤害死亡中占比30-40%,其中33-56%发生在患者被送往医院之前,因此院前使用止血材料早期控制出血能够有效降低死亡率。然而传统的止血方法如纱布、止血带和按压止血对这些极端出血是无效的。另外,多孔沸石、高岭土、明胶海绵和水凝胶止血剂等不适用于这种伤口,且这些材料功能单一,不能在止血后进一步抑制创面感染
木质纤维素底物中的纤维素可通过纤维素酶酶解转化为可发酵糖,进而通过发酵生产纤维素乙醇。酶解成本偏高制约了纤维素乙醇的发展,实现纤维素酶的多酶协同增效是降低酶解成本的重要方法。针对β-葡萄糖苷酶等电点偏高和纤维二糖底物溶于水的特点,本文提出对β-葡萄糖苷酶进行亲木质素改性,即在其表面接枝阳离子基团,通过增强其与木质素间的静电作用力使其优先吸附在木质素上,构建β-葡萄糖苷酶/木质素非均相酶解纤维二糖体
一个理想的软件缺陷预测模型能发现软件中隐藏的各种缺陷,能够极大地帮助开发团队降低开发周期,减少维护开销,提高软件可靠性等等。在软件缺陷预测中,软件特征和分类算法的选择对于预测性能有重要影响。因此,研究者们就如何设计能反映软件质量的特征,以及提出相应算法来构建预测模型展开了研究。当前所使用的传统软件特征主要关注软件模块的代码规模,复杂度等属性,忽视了源代码中丰富的语法和语义信息。在传统特征上构建的预