动态匹配设计

动态匹配设计（精选九篇）

动态匹配设计 篇1

硅油减振器的结构尺寸和硅油的力学特性是其减振性能的主要影响因素, 为使匹配的硅油减振器达到预期的减振效果, 需要不断调整这些参数进行多次计算, 设计效率很低。为提高扭振减振器设计的效率和精度, 众多学者进行了减振器的优化设计方法研究:文献[1]对EQB210柴油机匹配的橡胶扭振减振器和硅油减振器的优化设计方法进行了研究;文献[2]采用BP神经网络模型对减振器参数进行了优化设计;文献[3]以曲轴复频响应共振幅值最小为目标, 对硅油减振器进行优化设计, 求得系统的阻尼系数比、转动惯量比, 进而获得硅油减振器的动力参数;文献[4]建立了基于灵敏度分析的减振器结构参数优化设计方法, 通过对扭振减振器模型设计参数的灵敏度分析及设计导数的选择, 对开发的减振器产品进行了优化设计。这些方法各有优缺点, 有的偏重于设计的精确度, 有的在于提高设计效率和便捷度, 但都建立在常用匹配计算方法基础上, 且仅针对其动力性能, 而现代柴油机的发展除了需要减振性能好、工作稳定可靠的减振器, 还要求尽量降低制造成本, 这就要求在进行硅油减振器设计时需要考虑其综合性能。

本文通过建立硅油减振器的优化匹配设计的数学模型, 采用遗传算法, 以曲轴系统扭振幅值、减振器工作温度和最小质量为目标, 实现硅油减振器的多目标自动匹配设计的优化。

1 硅油减振器优化设计数学模型

1.1 设计变量

图1为硅油减振器的基本结构, 主要由惯性环、壳体、轴承、硅油等部分组成。其中, R0、R1为减振器的外径与内径;B1为减振器总厚度;R2、R3为惯性环的外径与内径;B为惯性环厚度;δ1为侧隙;δ2为顶隙;C为轴承的厚度。

根据硅油减振器的结构特征得到:

由式 (1) ~式 (3) 对减振器的结构尺寸参数进行简化, 确定减振器的设计变量为外径R0、内径R1、总厚度B1、顶隙δ2、侧隙δ1。硅油的运动黏度为V。

1.2 识别目标与约束条件

在硅油减振器优化设计过程中, 需要选定合适的识别目标及约束条件。根据减振器设计需要以总质量最小、柴油机轴系自由端的扭振幅值最小和减振器壳体表面工作温度最低作为设计的目标, 根据减振器的安装空间、硅油特性等确定约束条件。

1.2.1 识别目标

1.2.1. 1 质量最轻

根据硅油减振器的外形尺寸计算出其体积, 再乘以密度 (惯性环的密度r1、壳体密度r2) , 得到其总质量, 如式 (4) 所示。

1.2.1. 2 曲轴扭转振动幅度 (扭角Ae) 最低

为了提高计算的精确度, 建立柴油机轴系的多质量系统振动方程, 使用数值计算方法中解析法进行计算求解。

1.2.1. 3 工作时温升ΔT最低

硅油减振器正常工作时温度会上升, 但硅油温度过高会降低减振性能, 甚至会导致减振器失效, 因此过高的温升不利于减振器工作的可靠性和使用寿命。根据减振器工作过程中热平衡方法可以计算出硅油减振器的表面温度T, 再减去工作时环境温度, 计算得到温升ΔT, 以其作为工作可靠性评估的一个指标。

1.2.2 确定约束条件

最大允许的扭振幅度根据柴油机厂家通过曲轴疲劳强度校核得出的曲轴自由端扭角最大允许值来确定;硅油黏度值根据目前市场上可采购到的硅油产品的黏度值范围来确定;硅油减振器温度根据硅油产品理化特性和工作可靠性及使用寿命来确定。

1.3 目标函数的建立

前文中优化目标曲轴扭振幅角和减振器工作温度的计算采用基于动态平衡的硅油减振器匹配计算方法。

1.3.1 柴油机轴系多自由度扭振方程的建立和求解

分别计算出各轴段的转动惯量J和相应轴段的扭转刚度k, 一般可以不考虑轴承的油膜刚度和系统的阻尼, 把柴油机复杂结构的曲轴和飞轮换算成扭转特性与相同的简化的多自由度当量系统, 如图2所示。其中, k1, k2, …, kn为第k至 (k+1) 曲轴段的扭转刚度, (N·m) /rad;Jd、Je分别为硅油减振器的惯性块和壳体的转动惯量, kg·m2;J1, J2, …, Jn为第k个质量的转动惯量, kg/m2;Cd为硅油减振器阻尼系数;C1, C2, …, Cn-1为柴油机各缸的内阻尼系数, 一般由柴油机厂家提供。

根据图2所示轴系多自由度建立系统的扭转振动方程组, 并以矩阵形式表示, 如式 (5) 所示。

式中, [J]为惯量矩阵;[k]为扭转刚度矩阵;[C]为阻尼矩阵;φ¨、φ·、φ分别为角加速度、角速度、角位移的列矢量;M为激振力矩列矢量;ω为激振频率。

设式 (5) 的解可按式 (6) 的形式表示, 并代入式 (5) , 得到式 (7) 和式 (8) 。

式中, A为振幅矢量;[H]为一个复矩阵, 称为阻抗矩阵。

由于[H]-1存在, 对于质量数较多的系统, 直接求解复数方程组。

1.3.2 硅油减振器动态阻尼系数Cd的计算

1.3.2. 1 硅油的动力黏度测试

硅油俗称聚二甲基硅氧烷, 是一种有机硅黏液, 其动力黏度会随温度和剪切速率的上升而下降, 可通过试验测得硅油在不同温度和剪切速率下的动力黏度值。

选用美国TA公司AR2000旋转流变仪来进行试验测试, 其依靠一对平板夹具 (直径10mm、间隙0.1mm) 的相对旋转运动来产生简单剪切流动, 测定各个剪切率对应的剪切应力, 可以快速确定材料的黏度值。测试过程中的参数如表1所示, 试验结果如图3所示。由图3可知, 黏度随剪切率的升高而降低, 同时温度升高黏度降低。根据这些离散的空间点, 可用MATLAB的二维数据插值库函数求得任意温度和剪切速率对应的动力黏度值。

1.3.2. 2 减振器阻尼系数的计算

减振器径向和侧向间隙中硅油产生的阻力矩可用式 (9) 表示[5]。

式中, ηt为侧向动力黏度, Pa·s;ηn为径向动力黏度, Pa·s;δ为间隙 (侧隙和顶隙) , m;ΔAed为硅油减振器壳体和惯性块之间的扭角差值。

将硅油作为纯黏性幂律流体, 其满足幂律流体的本构方程, 如式 (10) 所示, 则可得式 (11) 。

式中, κ为稠度系数;γ为剪切速度;n为流变指数;V为硅油减振器的线速度。当R=R2时, 侧向黏度等于径向黏度, 可得式 (12) 。

将式 (11) 代入式 (12) , 积分后得式 (13) , 总阻尼力矩如式 (14) 所示。

将阻尼系数cd分为径向阻尼系数cn和侧向阻尼系数ct, 可得式 (15) 。若使Mcn=cnωΔAed, Mct=ctωΔAed, 则可得式 (16) 。

式中, ηR为阻尼修正系数。

由式 (13) ~式 (16) 得到ηn与cd之间的关系式如式 (18) 所示。

从式 (18) 可以看出, 由于硅油的动力黏度值随着温度和剪切速率的变化发生改变, 所以减振器实际工作过程中的阻尼系数是变化的。

1.3.3 硅油减振器动态平衡匹配计算

当减振器随柴油机一起运转时, 曲轴系统随之发生扭转振动, 减振器的外壳也会随之一起振动, 由于壳体与惯性块之间的高黏度硅油受到剪切力作用, 会产生黏性阻力矩, 减小了振动幅度, 硅油所受剪切力越大, 产生的黏性阻力矩也越大, 所以在轴系的共振区减振效果也越明显。与此同时黏性力矩做的功将全部转化为热量, 这些热量将通过壳体向外散逸, 并同时使得硅油的温度上升, 而随着温度上升硅油的黏度下降, 又会造成黏性力矩下降, 引起轴系的扭振幅值上升。当发热量与减振器向外的散热量相等时, 整个减振器包括硅油的温度趋于稳定, 具体表现在减振器的热平衡建立, 减振器壳体的表面温度趋于稳定;当转速发生变化后原有的平衡会被打破, 再建立新的平衡。所以, 柴油机从低速逐渐上升, 经过共振转速区直到最高转速, 是一个不断打破旧平衡再建立新平衡的动态过程。

1.3.3. 1 减振器发热量的计算

根据能量守恒, 阻尼力矩所消耗的功为系统所产生的热量, 在单位时间内减振器每振动循环消耗的功为

1.3.3. 2 发热量的计算

此时将硅油减振器的外表面简化为外圆柱面、侧面和内圆柱面, 其发热量分别为[7]

式中, Q1、Q2、Q3分别为外圆柱面、单个侧面和内圆柱面的发热量;Δt=t-t0, 其中t为硅油减振器温度, t0为环境温度。

总放热量为

1.3.3. 3 热平衡公式

若硅油减振器的表面温度保持稳定, 则确定减振器内所产生的热量与通过对流或热辐射从表面散逸的热量之间的平衡, 即Qf=Qs。

1.3.3. 4 计算方法[6]

计算时先设定转速, 根据柴油机外特性曲线各个转速点对应的负载计算主谐次激励力矩值;然后再设定温度值, 计算硅油动力黏度值, 再计算柴油机系统内阻尼系数和减振器的阻尼系数, 按照振动方程式 (5) 利用解析法求解, 再计算减振器系统发热量、散热量, 当发热量大则增加温度值, 重复以上的计算过程, 直到发热量和散热量非常接近, 结束整个计算过程;在此转速点的热平衡计算结束后, 再增加转速重新进行计算, 直到最高转速, 最后输出柴油机整个转速区间内的减振器性能参数变化和轴系扭振幅值图。计算流程如图4所示。

2 硅油减振器优化设计方法

硅油减振器优化设计是一个多目标一体化设计过程, 其设计变量、设计目标和约束条件众多, 同时还存在等式和不等式约束, 各设计目标之间还有很强的相关性, 有的还相互冲突, 目标函数的求解更是复杂的多峰问题。因此, 针对优化问题, 采用基于高效的多目标优化算法。

2.1 典型多目标进化算法

遗传算法 (genetic algorithm, GA) 是以自然选择和遗传理论为基础, 将生物进化过程中适者生存规则与群体内部染色体的随机信息交换机制相结合的高效全局寻优搜索算法, 运行一次可以获得多个Pareto最优解, 并且对问题自身的要求低, 可以用于不同类型问题 (如不可微、不连续的问题) 的求解, 十分适合求解多目标优化问题。多目标进化算法的基本流程建立在基本进化算法的基础上, 目前应用较多的是NSGA-Ⅱ (non-dominated sorting genetic algorithmⅡ) 和SPEA-Ⅱ等[8]。

2.2 NSGA-Ⅱ多目标优化算法

NSGA-Ⅱ算法作为一种基于遗传算法的高效快速排序算法, 无需对设计目标进行任何转化, 只根据个体之间的支配关系就可以达到筛选个体优劣的目的。算法还采用了拥挤距离评估方法取代常用的共享函数法, 使其无需确定一个共享参数就能控制个体的分布[9]。算法主流程流程图如图5所示。

NSGA-Ⅱ算法的基本思想[9]为:首先随机产生规模为N的初始种群非支配排序后通过遗传算法的选择、交叉、变异三个基本操作得到第一代子代种群;从第二代开始, 将父代种群与子代种群合并, 进行快速非支配排序, 同时对每个非支配层中的个体进行拥挤度计算, 根据非支配关系及个体的拥挤度选取合适的个体组成新的父代种群;最后, 通过遗传算法的基本操作产生新的子代种群。依此类推, 直到满足程序结束条件。

2.3 基于NSGA-Ⅱ硅油减振器优化设计方法

由于遗传算法独特的优点和广泛的应用, 相继出现了许多基于MATLAB的遗传工具箱, 其中出现最早、影响较大、较为完备的当属英国设菲尔德大学开发的遗传算法工具箱[11]。本文运用该Matlab遗传算法工具箱内的各种函数库, 如自动编码、样本复制、交叉、变异等, 实现图5的计算流程, 其中目标函数的计算根据图4方法用Matlab编程实现。

3 实例计算

选择某车用六缸四冲程直列柴油机和匹配的硅油减振器为研究对象, 缸径123mm, 活塞行程155mm, 标定功率309kW, 标定转速1900r/min, 最低和最高稳定转速分别为800和2200r/min。

根据柴油机曲轴系统构成零件的外形尺寸和材料特性, 采用集总参数法进行简化, 得到如图2所示的轴系的当量系统, 各参数如表2所示。

3.1 优化计算模型

根据硅油减振器的安装空间的要求及减振器制造厂家产品系列化的需要, 确定其最大外径为0.31m, 内径为0.191m;取惯性块的厚度为设计变量, 根据安装要求确定取值范围为0.018~0.029m;惯性块与壳体之间的间隙值δ根据工艺和部件装配的要求确定取值范围为0.003~0.005m;关于硅油的黏度值, 市场可以采购到产品黏度规格为0.2、0.3、0.4、0.5、0.6m2/s。

第一目标值曲轴自由端的扭振幅值, 最大值为0.16°;第二目标值硅油减振器工作时表面温度, 最大值为120℃;第三目标值硅油减振器的质量, 不设定限制范围。

以6谐次作为主谐次来计算柴油机的轴系扭转振动, 计算出6谐次的等效激振力矩幅值为210.45N·m。

3.2 优化计算的实现

按照以上计算流程图采用Matlab编程来实现, 种群个体数目36, 迭代次数70, 代沟0.9, 交叉概率0.7, 整个计算时间大约1h。

3.3 优化结果分析

优化后得到的硅油减振器设计自变量值:惯性块的厚度为0.0234m;间隙δ (侧隙和顶隙) 为0.003m;硅油黏度值为0.6m2/s。

优化计算得出的曲轴自由端的扭角 (6谐次) 为0.146° (图6) , 与优化前的轴系扭振幅值 (0.167°) 相比有所降低;减振器的表面最高工作温度为109℃ (图7) , 降低了11℃ (优化前的最高温度达到120℃) , 可以提高其可靠性和使用寿命;减振器总质量为11.4kg (图8) , 变化不大, 与优化前相比略微下降。优化后的减振器综合性能明显优于优化前的产品, 达到优化设计预期的目标。通过减振器设计变量的数值比较来分析原因, 可以发现优化后的硅油减振器的惯性块和壳体之间的间隙δ (侧隙和顶隙) 减小到0.003m (优化前为0.004 2m) , 同时硅油的黏度值增至0.6m2/s (优化前为0.5m2/s) , 提高了减振器工作时的阻尼系数, 从而改善了其减振性能。

计算得出优化后的硅油减振器的减振器壳体、惯性块的扭振振幅在柴油机工作转速范围内变化情况如图9所示, 减振器的表面温度变化如图10所示。

4 柴油机台架试验

为了验证优化匹配计算的准确性, 在柴油机曲轴的自由端安装上此型号的硅油减振器, 在台架上进行了曲轴扭振测试 (瞬时转速法) , 以获取各主要谐次的振幅及共振转速, 以及减振器工作时表面温度。

测试扭振时把磁电转速传感器和齿轮盘安装在曲轴的自由端前端 (图11) , 柴油机按外特性曲线进行加载, 从最低转速加到最高转速, 测试仪器自动进行信号采样, 由测试软件对测试数据进行处理, 得到各谐次对应的扭振幅值, 同时再通过红外测温仪测量减振器表面温度。

安装硅油减振器后进行了柴油机轴系的扭振和减振器温度测试, 柴油机运行1h后测试得到减振器平均温度为106℃, 柴油机轴系自由端的6谐次扭角为0.154°, 与理论计算值比较接近。

5 结论

(1) 采用曲轴系统的多自由度当量计算模型, 运用动态平衡的匹配计算方法计算得到硅油减振器轴系的扭转振动和减振器的温升, 通过NSGA-Ⅱ算法解决了多目标优化问题, 形成了一套比较完整的柴油机全工况下的硅油减振器优化匹配设计方法。该优化方法中含多个变量、三个目标, 同时考虑了其安装空间及柴油机厂家的技术指标控制要求, 优化设计得到的减振器综合性能与原设计相比得到了提高。

(2) 优化计算的预期结果 (扭角、共振转速和最高温度) 在柴油机试验台架的实测中得到了验证, 计算方法准确度较高。

摘要：为提高硅油减振器匹配设计的准确性和效率, 建立了柴油机曲轴系统多自由度计算模型;然后根据减振器系统工作时动态平衡的建立过程, 进行轴系的扭振响应和减振器温升的计算;最后, 建立优化匹配设计的数学模型, 采用遗传算法, 对以曲轴扭振响应的幅值、减振器工作温度和最小质量为目标进行优化求解, 实现了硅油减振器的多目标的自动匹配设计的优化。柴油机台架试验证实了优化计算结果的准确性。

关键词：内燃机,硅油减振器,遗传算法,多目标优化,动态匹配设计

参考文献

[1]郑国世, 方劲松, 高峻, 等.EQB210柴油机曲轴扭振减振器优化设计研究[J].柴油机, 2008 (5) :34-37.Zheng G S, Fang J S, Gao J, et al.Optimization design research of crankshaft damper of EQB210engine[J].Internal Combustion Engines, 2008 (5) :34-37.

[2]张俊红, 倪广建, 郑勇, 等.基于BP神经网络的柴油机轴系扭振减振器优化设计[J].内燃机学报, 2008, 26 (1) :83-86.Zhang J H, Ni G J, Zheng Y, et al.Optiman design of torsional damper of diesel engine crankshaft system based on BP neural network[J].Transctions of CSICE, 2008, 26 (1) :83-86.

[3]王红云.发动机曲轴硅油减振器的优化设计[J].广东工业大学学报, 2009, 26 (3) :46-49.Wang H Y.Optimization design of the silicon oil clamper for the engine crankshaft[J].Journal of Guangdong University of Technology, 2009, 26 (3) :46-49.

[4]柴国英, 黄树和, 岳文忠, 等.基于灵敏度分析的曲轴扭振减振器优化设计[J].农业工程学报, 2009, 25 (5) :105-108.Chai G Y, Huang S H, Yue W Z, et al.Optimal design for torsional vibration damper based on sensitivity analysis[J].Transactions of the Chinese Society of Agricultural Engineering, 2009, 25 (5) :105-108.

[5]陈之炎.船舶推进轴系振动[M].上海:上海交通大学出版社, 1987.

[6]汪萌生, 周瑞平.柴油机硅油减振器实际工作过程的扭振仿真计算研究[J].内燃机, 2012 (5) :11-15.Wang M S, Zhou R P.Research of the diesel engine silicone-oil damper actual working process torsional simulation[J].Internal Combustion Engines, 2012 (5) :11-15.

[7]刘楠楠.基于进化算法的多目标算法及其应用研究[D].南京:南京航空航天大学, 2010.

[8]Murata T, Ishibuchi H.MOGA:multi-objective genetic algorithms[C].Piscataway:Proceedings of the 2nd IEEE International Conference on Evolutionary Computing, 1995.

[9]Coello C A, Sierra M R.A Coevolutionary multi-objective evolutionary algorithm[C].Canberra:Proceeding of the 2003Congress on Evolutionary Computation, 2003.

[10]雷英杰, 张善文, 李续武, 等.MATLAB遗传算法工具箱及应用[M].西安:西安电子科技大学出版社, 2005.

动态匹配设计 篇2

基于动态匹配的大学生第二课堂经历与就业核心竞争力的关系研究

通过实证分析得出:动态匹配对独立学院大学生第二课堂经历满意度产生显著的正向作用,第二课堂经历满意度对就业核心竞争力产生显著的正向作用,因而动态匹配对就业核心竞争力产生显著的正向作用.因此,独立学院在设计第二课堂活动中,需要根据社会对人才需求的变化,及时调整活动方案,根据不同学生的`特点和能力,给予不同的政策支持.

作 者：王林祥 吴剑 沈雁飞 作者单位：浙江工业大学之江学院,浙江杭州,310024刊 名：新西部(下半月)英文刊名：NEW WEST年，卷(期)：2009“”(12)分类号：G64关键词：动态匹配 第二课堂 满意度 就业 核心竞争力

动态匹配设计 篇3

关键词 课堂提问；认知水平；探析

课堂提问是一项质疑、激发兴趣、引发思考的综合性教学技术，是启迪学生思维、培养学生能力的一个重要手段。有效的课堂提问是维持教学顺利进行的重要手段，不仅有利于实现教学目标，而且能够引起学生兴趣和吸引注意力，充分调动学生参与学习的主动性，实现学生在学习过程中的主体地位。文章采取的是美国卡麦隆大学的莫里教授在的问题分类法，把问题分为四类：事实性问题、经验性问题、创造性问题和评价性问题。关注教学的目标和效果、问题的认知顺序及水平是成功指导有效课堂的关键。如何设计有效的课堂提问，Wilen(1987)提供了几点建议：1.问题要符合学生的能力水平2.要有逻辑地有顺序地提问3.设计的问题要有水平区分度。根据Wilen的建议我们知道要设计出有效的课堂提问，就必须结合学生的认知水平。认知领域主要涉及知识和技能的传递，分为：知识、领会、运用、分析、综合和评价水平，下面具体阐述布卢姆认知水平与莫里四类问题的匹配。

一、知道水平与事实性问题的匹配

知道水平注重的是对有关信息的储存和回忆。表现在语文教学中，具体为生字生词的认读和课文基本事实的获取等学习行为。一般来说，在感知性认读阶段即课文的预习阶段实施知识水平的问题。事实性问题的智力特征是记忆，也属于“知识”水平，所以可以在这一教学阶段设计事实性问题。在《我有一个梦想》中，可以设计这样一个问题“课文中的哪些词语能表现作者的梦想呢？”知道水平的学习特征是记忆、再现和再认，这一水平的问题不仅有利于培养学生的记忆力，也为学生理解文章的重、难点打下了基础。

二、领会水平与经验性问题的匹配

领会水平强调对已经存储的信息进行整理，表现在语文教学中，具体为释词析句，划分段落，概括段意，归纳中心等学习行为。一般而言，主要在理解性研讨（分析）阶段实施“领会”水平问题。经验性问题的智力过程理解也属于这一水平，所以可以在这个学习阶段设计经验性问题。如在分析马丁路德金的梦想时，可以设计这样一个问题“为什么马丁路德金会有这些梦想？”领会这级水平的学习特征是转化、理解，“理解”水平问题可以使学生通过对学习材料进行重新组合，把握材料的意义，使已经回忆的信息变为更容易理解。

三、运用水平与创造性问题的匹配

运用水平强调处理信息，即利用学过的知识去解决特定问题。表现在语文教学中，具体表现为组词造句，短文写作，口头或书面作文等学习行为。一般而言，主要在运用性迁移阶段实施“运用”水平问题。创造性问题强调通过想象得到答案的独特性，因此可以在这一学习阶段设计创造性问题。如朱自清的《春》，我们可以设计这样一个创造性问题“如果你是作者，你还会把春天比喻成什么呢？”运用水平的学习特征主要表现在问题的新颖性和独特性，这个水平的问题可以培养学生运用性迁移能力。

四、分析水平与经验性问题的匹配

分析水平注重把整体材料分解成它的构成成分，并理解各部分之间的相互关系及构成方式。在具体的语文教学中，表现为结构探讨、形象分析、意境品味、主题揭示等学习行为，主要在理解性研讨阶段设计“分析”水平问题。经验性问题的智力过程之一分析也属于这一认知水平，所以在这一学习阶段可以设计经验性问题。

五、综合水平与创造性问题的设计

综合水平是指创造性地将各种要素和组成部分组织起来，形成一个新的独特整体的过程。在语文教学中，表现为思维训练和综合训练等学习行为，主要在应用性迁移阶段实施“综合”水平的问题。创造性问题的智力水平之一就是综合，所以在这一学习阶段可以设计创造性问题。如在《我有一个梦想》中，可以设计这样一个问题“如果你是马丁路德金，关于平等和自由的追求，你还有哪些梦想？”纵合水平的学习特征主要表现为思维的流畅性和敏捷性，这一水平的问题，可以培养学生独特思维和不人云亦云的能力。

六、评价水平与创造性问题的匹配

评价水平是指根据一定的准则，对有关观点、作品作出合理判断。在具体的语文教学中，表现为选择判断练习和心得体会交流等学习行为。一般来说，主要在评价性鉴赏阶段实施“评价”水平的问题。评价性问题的智力过程就是选择和评价，所以可以在这一学习阶段设计评价性问题，如《春》，可以设计这样一个问题“在作者所描写的这几幅春景图中，你最喜欢哪一幅？”评价水平的学习特征是价值判断，通过这一问题的设计，可以锻炼学生自我判断的能力，总之，问题的设计应该从学生的角度出发，与学生的认知水平、生理心理发展的特点相适应，同时又不局限于学生的认知水平，对学生学习水平达到的目标层次有所预期。一般而言，一堂课的问题设计的顺序都是按照知道、领会、运用、分析、综合、评价的顺序进行，这样不仅有利于整体学生学习的循循渐进，也有利不同水平的学生“因题制宜”，充分挖掘自己的潜力激发学习的兴趣，同时也使得整个课堂机构更加清晰有序。

参考文献：

[1]薛晓嫘.语文课程与教学论[M].重庆：重庆大学出版社，2011.

[2]盛群力.教学设计[M].北京：高等教育出版社,2005.

基于动态匹配的知识吸收能力模型 篇4

一、动态匹配的概念

研究者们在描述竞争差异性的时候, 通常会用“稀缺的、难以替代和模仿的、有价值的资源”来进行表述。这里, 实际上隐含着一个“匹配”的概念:企业的稀缺的、难以替代和模仿、并且具有价值的资源, 是相对于其所处竞争领域而言的。实际上匹配就是指企业的内外环境和要素之间的均衡。而所谓的“动态”是指企业为适应不断变化的市场环境, 必须具有不断更新自身竞争力的能力。企业吸收能力的动态匹配指企业能够保持或改变其竞争优势基础, 它存在于组织过程之中, 并能够使组织发生变化和演变, 从而使企业重构它的资源基础并适应不断变化的市场环境以实现企业的竞争优势。

企业的竞争优势来源于企业自身的独特能力与环境机会之间的匹配, 在当前迅速变化的市场竞争条件下, 任何企业的竞争优势都是暂时的, 只有保持持续不断地创新, 才有可能使企业产生持续的竞争优势, 这需要企业的独特能力与环境机会之间的动态匹配。动态匹配实际上体现的是企业的一种能力, 国内的部分学者在研究过程中提出了动态匹配能力的观点, 并指出在影响企业发展的三大要素 (流程、位置和路径) 中, 动态匹配作为一种能力要素始终贯穿其中, 与企业的生存发展息息相关。

二、知识吸收能力模型

研究知识吸收能力的动态匹配, 就是研究在动态变化的市场环境中, 知识吸收能力与各影响要素之间的关系。根据影响要素性质的差异, 本文将从两个方面研究动态环境下的吸收能力模型。

首先, 从知识吸收能力的定义来看, 吸收能力包含4个能力维度:获取能力、同化能力、转换能力和利用能力。这4个维度是吸收能力的4个行为变量, 分别表示为x1, x2, x3, x4, 则知识吸收能力的函数表示为:V (X) =V (x1, x2, x3, x4) 。

该式表明了知识吸收能力与4个行为变量之间的内在联系。根据4个行为变量所处的不同阶段, 将它们划分为潜在吸收能力 (获取能力和同化能力的函数) 和实现吸收能力 (转换能力和利用能力的函数) , 二者相互依存, 相互补充, 对于提高企业的业绩来说, 它们都是必要不充分条件。规定实现吸收能力与潜在吸收能力之比为效率因子, 记作μ, 它表明基于同样的知识资源, 不同的企业创造价值的能力是不同的, 实现吸收能力反映了企业在所吸收知识的基础上产生的杠杆效应。企业的效率因子越高, 则实现吸收能力越接近潜在吸收能力, 因为企业创造利益主要来自实现吸收能力。拥有同样知识资源的企业在竞争力上往往表现出很大的差别, 主要是由于吸收能力的效率因子不同。

其次, 从知识吸收能力与投入的要素资源之间的关系来看, 知识吸收能力是企业内外部要素共同作用的结果, 是相互联系、相互作用的复杂系统。

定义影响企业知识吸收能力的投入要素的集合为要素空间, 则投入要素的变化范围是要素空间的正象限部分。用f (x) 表示要素集合为x= (x1, x2, …, xl) 时企业所能获得的最佳吸收能力。在企业运营与管理过程中, 通常假定f (x) 可微, 则对于任何x∈EI (EI表示有效投入的全体, 称为知识吸收能力的有效投入区间) , Δx≥0, Δx= (0, ..., 0, Δxk, 0, …0) , x+Δx≥0, 有x+Δx≥x, 从而f (x+Δx) ≥f (x) (因为是有效投入, 比如在有效投入区间内, 增加R&D必然会增强企业的知识吸收能力, 此处假设决策者为理性) 。

因此, 在要素投入为有效的情况下, 知识吸收能力呈现出 (随要素投入量的增加而) 递增, 或至少不下降的变化趋势。对企业而言, 只有根据自身的发展状况, 确定要素的有效投入区间, 通过资源的配置组合, 以最小的投入获得最大的回报, 才能在市场竞争中占据有利位置。

同样的知识吸收能力可以通过投入要素的不同组合得到, 这需要对投入进行有效性分析。知识吸收能力具有非线性的特点, 根据相关的计量经济学理论, 非线性的存在会导致多重均衡, 所以本文强调了要素的有效投入区间, 只有确定有效投入区间, 知识吸收能力的发展才有规律可循。

三、结论

从扎哈和乔治关于知识吸收能力概念界定的研究之后, 学者对知识吸收能力的研究逐渐从概念的分歧转向对知识吸收能力特性的探讨, 并试图揭示吸收能力中的量化关系;从最初科恩和莱文索将R&D作为知识吸收能力的惟一变量, 到如今动态环境下复杂的吸收能力模型, 可以说, 知识吸收能力的研究已经成为当前企业竞争战略研究中的一个热点。本文从动态匹配的角度来研究知识吸收能力, 并从能力和资源两方面对知识吸收能力的影响要素进行分类, 揭示出由于“有效投入区间”的存在导致了不同企业之间的知识吸收能力的差异, 不仅指出资源差异化是影响企业竞争优势的重要因素, 也指出了不同的资源配置方式同样会对企业竞争优势产生重大的影响。

参考文献

动态匹配设计 篇5

一、基于职位的人力资源管理的弊端

1. 基于职位的人力资源管理缺乏系统全面的思维

职位是企业中的基本单元, 它有助于企业实现整体目标。职位不能脱离企业的战略、文化而独立存在。但是在实践中, 许多企业却背道而驰, 没有按步骤先确定企业使命目标、展开环境分析, 再进行职位分析, 而往往是将职位分析放在企业目标之前。这样会导致一种不良的现象是企业耗费大量人力物力完成职位分析后, 才发现需要进行战略重构、组织调整与改进, 伴随大规模的职位变动, 使得呕心沥血完成的职位说明书成为一纸空文。

2. 基于职位的人力资源管理与外部的多变性脱节

随着市场竞争的加剧, 来自外部的风险日益影响企业的长期发展。未来企业的发展越来越强调对外部环境的适应性和应变性, 继之而来的企业优化和改进逐步成为企业日常的管理与经营方式的产物, 在这种情况下, 势必要求职位分析在稳定中要保持多样性、多变性和活性, 要求企业根据不同职位受到的外部冲击的影响不同, 来展开针对性较强的分析, 但大多企业在职位分析时却不重视这些, 只关注职位的功能, 一律强调职位分析书的权威性与稳定性, 忽视外部的变化性与动态性。从而难以满足持续组织优化的内在要求, 造成职位分析与外部多变性的脱节。

3. 基于经验基础上的职位分析无法适应岗位动态变化

传统的职位分析通过询问与调查的方式搜集相关的职位信息, 其获得的结果是对于员工各个岗位工作经验的总结。一方面缺乏定量化的技术与数据做支持[另一方面缺乏系统性的思考, 这种以经验为基础搜集的职位信息根本无法满足岗位的动态变化, 在当今这个多变的市场中, 基于经验搜集的信息可能与企业未来发展的要求存在较大差异, 很难在实际中推广。

4. 基于职位分析的管理往往影响任职者的内在创造力

在报酬方面, 按照员工所在岗位支付薪水, 会导致不公平的分配, 不同岗位差别很大, 同一个岗位每个人的能力差异也很大, 多劳未必多得, 这会影响职工内在创造力的发挥。

二、胜任力“冰山”模型理论

胜任力概念来源于美国学者Mc C lelland博士。他在《Testing for Competency Rather than Intelligence》首次提出胜任力的概念。胜任力是指能将某一工作中出类拔萃者与普通者区分开来的个人深层次特征, 它可以是自我特质、工作动机、认知等任何可以被可靠测量且能显著区分优秀与普通的个体特征。Spencer等又经过相关研究, 提出冰山模型 (The Iceberg Model) , 将胜任力分为内隐胜任力和外显胜任力。内隐胜任力包括个人特质、工作动机、自我形象等不可见的因素。外显胜任力包括知识、技能等可视因素;两者共同影响一个任职者胜任力的发挥, 内隐胜任力通过外显胜任力发挥作用, 真正决定个人成败的因素是内隐胜任力的强弱。

三、基于胜任力模型实现人岗动态匹配的具体措施

1. 基于胜任力在人力资源规划上实现人岗动态匹配

在基于职位的分析中, 分析的成果是职位说明书。而在基于胜任力的分析中, 分析的成果是企业对所应具备的各项胜任特征水平的详细总结。人力资源规划是企业站在战略的高度, 面对来自各方面的变化, 结合企业的实际预测企业未来的发展对人力资源管理的要求, 并作出具有前瞻性和动态性的策划。基于职位的人力资源规划在规划时特别强调职位。基于胜任力的人力资源规划以胜任力模型为基础, 它强调结合当前企业所有成员的个人深层次特征, 对未来一段时期内人力资源结构进行全面系统的规划。这种规划强调持续性、前瞻性和动态性, 强调以战略为导向, 以胜任力为工具, 基于员工胜任力对人力资源规划做持续性改进。

2. 基于胜任力在人才选拔上要强调人尽其才

基于职位分析的人才选拔主要看中应聘者的学历、经验水平等, 而忽视对人特质和潜能的挖掘, 因此当代企业对核心人才的选拔上不仅应注重核心人才知识技能与岗位的匹配, 还要注重特质、动机和自我概念等内隐胜任力的匹配。招聘上可以采用无领导小组讨论考察核心人才的影响力和个人特质, 只有那些将企业远景目标、组织核心价值观与个人特质和动机完美契合的人才是组织真正需要的核心人才!定时对选拔的人才采用灵活的方式测试其胜任力能否与所在岗位相适应, 对出现的不称职现象要及时调整和淘汰。

3. 基于胜任力在绩效管理上实现人岗合理匹配

在胜任力模型基础下, 建立动态绩效管理指标体系, 将绩效分为三个维度任务绩效、关系绩效、适应性绩效, 任务绩效下设与与工作有关并与胜任特征相匹配的外显知识技能指标, 关系绩效下设与工作无关、促进组织氛围的内隐知识技能、自我概念和特质指标;适应性指标下设与适应变化相关的内隐知识技能、自我概念和特质指标, 通过对这些指标的考核来加强企业对核心人才有效的动态绩效管理。通过动态绩效管理可以有效促进核心人才和岗位的匹配。

4. 基于胜任力在薪酬体制上实现人岗动态匹配

基于职位的人力资源管理主要以职位的价值确定基本的报酬, 使得员工为了获得更多报酬而盲目追求职位等级的上升和工作权限的扩大。但随着外部环境的快速变化, 工作团队取代个人成为组织基本单位, 变成个人的胜任能力和对团队贡献作为薪酬高低的标准, 因此可以在薪酬激励体制方面施行1.基于长期激励的薪酬计划, 为了实现企业长期性、战略性目标, 设立虚拟股权计划, 分给具有高胜任力的员工股份, 为企业的出谋划策, 促进企业长久发展。2.基于利润分享的薪酬激励计划, 让员工共享企业快速发展带来的收益, 成为利益共同体, 激励他们继续为企业发挥自己的特质和潜能促进企业腾飞!3.基于非货币的激励计划, 对于企业核心人才, 应该还要注重认可、职业发展与晋升等精神层面的激励。

5. 基于胜任力培养和提升人才

在选拔了适合企业的优秀人才后, 企业应注重对这些人才的培养和提升。在熟悉了各个岗位的动态要求并结合员工的个人内在特征与差异后, 展开针对性较强的培养和提升。并且将这次培养作为晋升的机会, 这样会大大激发员工的热情并努力锤炼自己。目前, 基于胜任力的培训中, 比较常用的胜任力培训方法有拓展训练、情景模拟、无领导讨论等。组织在熟悉员工胜任力情况下可采用多种方式结合来加强训练效果, 使人岗实现更好匹配。

6. 基于胜任力为企业人才制定职业生涯规划

企业人才作为企业未来发展的动力, 因此做好这些人才的职业生涯规划是一件很重要的工作。一方面可以通过开展知识竞赛和个人才艺创新大赛, 充分发挥这些人才的主人翁精神, 激发员工的创新意识, 做好激励措施激发核心人才的内在创造力发挥。另一方面通过多种方式譬如人才成长计划、轮岗工作、脱产学习等对人才个人深层次特征进行挖掘通, 不断开发核心人才能力, 使核心人才适应未来企业发展的需要。

参考文献

[1]黄勋静, 龙静.基于胜任力的人力资源管理体系创新[J].中国行政管理, 2011 (, 04) .

[2]M cC ELLAN D DC.T est ing for comp etence rather th an for intelligence[J].Am erican Psychologist, 1973, 2.

[3]何健文.创新人才胜任力构成要素的实证研究[J].科技管理研究, 2011 (, 01) .

[4]谭庆飞, 高清.转型升级企业人力资源经理胜任力研究[J].现代管理科学, 2014 (, 02) .

[5]王淑珍, 张巧玲.任务绩效-关系绩效-适应性绩效管理体系研究[J].中国人力资源开发, 2012, (08) .

动态匹配设计 篇6

无人机高精度定位[1]和自主导航技术[2,3]以及攻击型无人机精确末制导技术是目前各个国家研究的焦点。先进的导航系统在无人机系统中具有重要作用, 是决定无人机完成作战任务、提高生存力的关键。近十年来, 无论在定位、跟踪还是在自主信息处理方面, 无人机载荷的发展已取得重大进展, 如现代卫星导航技术、惯性导航系统、通讯和监控技术、图像处理等, 此外, 新的视觉感知和处理设备也已经装备到无人机上。为了在未知的、动态变化的复杂环境中执行任务, 在大多数情况下, 无人机使用全球定位系统 (GPS) 导航定位。如Volpe Report[4]所述, GPS的估计精度直接取决于参与定位的卫星的数量以及接收设备接收信号的质量与电台的影响, 例如多径传播可能导致在估计误差增大。此外, 相邻设备的无线电频率干扰或信道堵塞都可能导致位置估计的不可靠, 而这些问题又是普遍存在且难以解决。

无人机任务的复杂性对导航系统的准确性和可靠性提出了更高要求, 促使导航系统向综合化和容错化方向发展[5]。景象匹配视觉导航是常用的辅助导航定位系统, 可作为GPS实效、故障或精度下降的情况下的备用导航系统。此外, 在复杂电子环境中GPS导航误差很大, 采用基于自然地标的视觉导航方式可辅助无人机进行精确导航定位。对于中小型无人机, 载荷重量是一个最大限制。各种传感器设备如3D或2D激光扫描仪因太重而无法携带, 而EO/IR视觉传感器重量轻、功耗小、探测距离远、分辨率高, 是中小型无人机视觉导航的优选载荷。

针对可见光图像, 本文提出适合无人机平台的自然地标的景象匹配 (Natural-Landmark Scene Matching, NLSM) 视觉导航算法, 利用图像特征提取技术自主抽取实时图序列中包含自然地标的关键帧;运用图像镶嵌[6]中用于视频序列的帧间图像配准技术, 放弃实时图与基准图的“绝对”景象匹配, 转而采用实时图与实时图中计算的动态关键帧图像进行“相对”景象匹配, 该策略克服了非适配区图像度量特征非常稀少的困难。同时, 为了提高本文景象匹配导航方法适应性, 本文采用帧间逆向动态定位策略提高景象匹配导航方法的可靠性和适应性。另外, 在NLSM算法的基础上, 本文提出了一种动态关键帧[7]管理机制, 算法在不增加计算量的同时, 可大幅度降低长时间视频镶嵌的累积误差, 而且在图像序列中出现噪声干扰、运动模糊时也具有较强的鲁棒性。

1 自然地标辅助定位

传统的无人机视觉导航技术通常需要预先知道无人机的起始坐标以及地面控制点的精确坐标, 虽然这些先验信息可以提高地图绘制的精确性以及视觉导航的实时性与可靠性, 然而, 在实际应用中, 往往需要无人机深入未知复杂环境去完成探测、监视、跟踪或攻击任务, 无法预先认为设置地面控制点。因此, 研究不受先验信息约束的、自主寻找自然地标进行视觉导航误差校正的导航方法是保障复杂未知环境下无人机顺利执行任务的前提。

通过分析机载摄像机获取的图像序列 (本文称为“实时图序列”) , 自主寻找特征明显的自然地标, 将包含自然地标的序列帧 (下文称为“关键帧”) 抽取出来, 并与卫星数字地图 (下文称为“基准图”) 进行景象配准, 计算其大地坐标作为辅助定位的依据。

1.1 自然地标关键帧

关键帧[8,9]一种被广泛应用于视频分析与检索领域的技术, 可以减少视频数据流在内容上的冗余度, 是视频内容结构化过程中的关键步骤, 与视频分析和视频检索中抽取关键帧的方式类似。包含自然地标的关键帧同样是实时图帧序列中具有明显特征、丰富纹理的图像帧, 关键帧能在景象匹配算法中以较高的概率与基准图相配准。同时, 由于关键帧与实时图均为无人机平台在同一传感器、同一成像条件、同一时间段获取的图像, 从而使得基于关键帧的帧间景象匹配存在如下独特优势:实时图与关键帧之间无成像条件差异;实时图与关键帧均有相同的噪声分布。

1.2 地标关键帧的选取

地标关键帧的特征是图像中包含大于设定长度的连续几何曲线的数量。数目越多表明图像特征较多, 相应的匹配点也较多。河流、桥梁、港口、道路、机场、标志性建筑物等的线特征通常比较稳定, 可作为自然地标标识的“不变特征”, 这些线特征越多表明实时图与基准图的信噪比 (Signal Noise Rate, SNR) 较高, 匹配概率较大。本文先通过图像预处理技术对原始图像进行去噪、增强、几何校正等, 然后实施边缘特征提取, 剔除部分杂点, 保留基于区域的主边缘特征, 最后通过Hough变换提取连续几何曲线, 计算出图像中连续几何曲线的位置及数量。

实时图只要包含至少一个自然地标, 该帧实时图就可选取为“关键帧”, 通过后文的相对图像配准即帧间景象匹配算法对无人机进行定位, 同时, 基于UKF[10]对之前的定位数据进行更新。图1显示了符合选取要求的关键帧。

1.3 动态关键帧

假设选择实时图像序列的第一帧为关键帧, 用Hi, j表示从第j帧到第i帧的局部映射模型 (i

其中im表示关键帧的标号,

2 帧间景象匹配

2.1 帧间景象匹配模型

在景象匹配过程中, 动态关键帧随着实时图序列的增加而不断更新。图3表达了景象匹配过程中关键帧与当前帧之间的分组与循环关系。H表示组内当前帧与关键帧之间的局部映射模型, Hg表示相邻组间关键帧之间的局部映射模型, T表示组内关键帧与当前帧之间的坐标变换模型, Tg表示相邻组间关键帧之间的坐标变换模型。

至此, 本文的非适配区帧间景象匹配形成了以动态关键帧为核心的组内与组间的循环景象匹配过程。

假设某一动态关键帧在基准图上的定位坐标为P (X, Y) , 其中心坐标为P0 (X0, Y0) , 若当前帧m与该动态关键帧进行“相对”景象匹配后的定位坐标为Pm (Xm, Ym) , 则当前帧在动态关键帧坐标系下的位移为∆pm (∆xm, ∆ym) , 其中:

设当前帧m在基准图坐标系下的定位坐标为P′m (X′m, Y′m) , 则其计算公式为

本文的景象匹配算法基于边缘测度加权的Hausdorff距离相似性度量, 能够忍受图像间存在一定的尺度、旋转情况下稳定、准确的获得两幅图像间的匹配关系[9]。因此, 基于动态关键帧的非适配区帧间景象匹配可以对当前帧与动态关键帧进行分组、连续景象匹配。一方面, 同一组内的所有实时图帧直接与本组对应的动态关键帧相匹配, 消除了组内的累积误差, 提高“相对”景象匹配的实时性与精确性;另一方面, 当组内某一帧发生运动模糊时, 并不影响后续帧的正确映射, 因此可增强“相对”景象匹配算法在复杂条件下的鲁棒性。

2.2 帧间逆向动态定位

为了提高本文景象匹配导航方法适应性, 针对中高空无人机飞行过程中俯仰角、横滚角、航向角变化在5~15°之间的情况 (包括平飞与转弯) , 使得视觉传感器不正对地面等等情况, 本文采用帧间逆向动态定位策略提高景象匹配导航方法可靠性和适应性。

假设在第m帧图像中虚线区域中心的坐标为 (x, y) , 若平稳飞行 (航向角、俯仰角、滚转角均无变化) , 如图4所示, 实线区域中心在第m+1帧图像中心坐标为 (x1, y1) , 位移∆x=width/2-x1, ∆y=0, 则第m+1帧中心的定位坐标为 (x+∆x, y) 。

1) 俯仰角动态变化情况

若俯仰角动态变化, 如图5所示, 实线区域中心在第m+1帧图像中的坐标为 (x1, y1) , 位移∆x=width/2-x1, ∆y=0, 则第m+1帧中心的定位坐标为 (x+∆x-∆L, y) , ∆L=速度/帧率。

2) 横滚角动态变化情况

若横滚角动态变化, 如图6所示, 实线区域中心在第m+1帧图像中的坐标为 (x1, y1) , 位移∆x=width/2-x1, ∆y=High/2-y1, 则第m+1帧中心的定位坐标为 (x+∆x, y+∆y) 。

3) 航向角动态变化情况

若航向角动态变化, 如图7所示, 实线区域中心在第m+1帧图像中的坐标为 (x1, y1) , 位移∆x=width/2-x1, ∆y=High-y1, 则第m+1帧中心的定位坐标为 (x+∆x, y+∆y) 。

3 NLSM算法鲁棒性测试

1) NLSM算法的旋转鲁棒性测试

景象匹配导航精度随着实时图旋转角度的增加逐渐降低。当旋转角度小于5°时, 导航精度小于1 pixel;当旋转角度增大不超过14.8°时, 导航精度小于2 pixel;当旋转角度增大超过14.8°时, 导航精度很快下降, 测试结果如图8所示。

2) NLSM算法的尺度鲁棒性测试

景象匹配导航精度随着实时图尺度的增加逐渐降低。当尺度增加为小于1.1倍时, 导航精度小于2个像素;当尺度增加为大于1.1倍时, 导航精度很快下降。同样, 景象匹配导航精度随着实时图尺度增加的减小逐渐降低。当尺度减小为大于0.9倍时, 导航精度小于1.5个像素;当尺度减小为小于0.9倍时, 导航精度快速下降, 测试结果如图9所示。

3) NLSM算法的遮挡鲁棒性测试

景象匹配导航精度随着实时图尺度遮挡面积的增加逐渐降低。当遮挡面积增大为实时图总面积的2.08%时 (即40像素×40像素) , 导航精度不变 (即误差为零) ;当遮挡面积增大为不超过实时图总面积的22.01%时 (即150像素×150像素) , 导航误差小于2像素;当遮挡面积增大为不超过实时图总面积的29.3%时, 导航误差小于5像素;导航误差很快增大, 测试结果如图10所示。

NLSM算法的鲁棒性测试结果表明:该景象匹配导航技术在满足配准精度小于2像素的条件下, 实时图尺度、旋转、遮挡的极限为:0.85<尺度缩放容限<1.18倍;旋转角度容限<14.8°;遮挡面积容限<22.01%。

4 实时图序列实验与分析

实验环境:Windows XP, 1.86 GHz CPU, 1G内存, 基于MATLAB仿真实验平台, 关键帧与实时图均为320像素×240像素, 帧率为25帧/秒。采用基于边缘响应加权Hausdorff距离[11]作为相似性度量的依据, 对可见光图像进行单帧帧间景象匹配。可见光图像实验数据来源:基准图来自于Google Earth, 实时图来自无人机某次飞行试验的航拍影像, 且存在10°以内的俯仰、滚转和航向角动态变化, 并有轻微 (<10%) 的云层遮挡。

实验中通过计算图像特征, 自主抽取包含自然地标的关键帧并与基准图实施景象匹配, 且关键帧依据地标关键帧的选取规则动态更新;关键帧与实时图序列帧之间每隔4帧实施帧间景象匹配方法配准一次, 实时计算出实时图帧相对于关键帧的“相对”定位坐标, 并以当前关键帧与基准图的配准坐标为依据, 解算出每一帧实时图在基准图上的“绝对”定位坐标。

本实时图序列在基准图上的定位实验数据统计结果如表1所示。由于篇幅所限, 只列出部分实时图序列帧, 表中将实时图序列帧简称为当前帧。

从表1可以看出, 由于抽取了包含自然地标的实时图像作为关键帧, 而后利用帧间的强相关性进行帧间景象匹配, 同时, 验证了本文提出的动态关键帧机制, 采用UKF对无人机的定位坐标不断更新, 使得定位误差收敛到一个像素左右, 大幅度降低长时间帧间景象匹配的累积误差。由于实时图与关键帧二者的尺寸较小, 景象匹配所需要的时间远远少于实时图与基准图之间景象匹配所需要的时间, 大大提高景象匹配的实时性。

5 结论

针对GPS故障或失效情况下, 基于视觉导航的景象匹配辅助导航技术能够为无人机提供可靠地导航功能, 基于自然地标的动态关键帧景象匹配视觉导航算法。通过从机载摄像中自主抽取包含特征明显的自然地标作为关键帧, 与卫星数字基准图进行景象配准, 计算其大地坐标作为辅助定位的依据, 基于UKF并不断更新定位坐标。同时, 利用实时图帧间的相关性, 将实时图当前帧与计算的动态关键帧图像进行“相对”景象匹配, 进而实现当前帧在基准图上的精确定位。本文采用了帧间逆向动态定位策略提高景象匹配导航方法可靠性和适应性, 提高了本文景象匹配导航方法适应性。文中采用动态关键帧机制, 在不增加计算量的同时, 可大幅度降低长时间帧间景象匹配的累积误差, 实验结果表明, NLSM算法可以满足无人机实际工作环境对景象匹配算法的实时性、精确性、鲁棒性要求, 可作为GPS故障或失效情况下的最优备份导航技术。

参考文献

[1]Caballero F, Merino L, Ferruz J, et al.Vision-Based Odometry and SLAM for Medium and High Altitude Flying UAVs[J].Journal of Intelligent and Robotic Systems (S1573-0409) , 2009, 54 (3) :137-161.

[2]Chen Jessie Y C, Clark Bryan R.UAV-Guided Navigation for Ground Robot Operations[C]//Human Factors and Ergonomics Society Annual Meeting Proceedings, 2008, 52 (19) :1412-1416.

[3]Arpit Gupta, Abhishek Kr Gupta, Bocaniala C, et al.Avoidance of threat zone by UAV for automated navigation[C]//INDICON2008.Annual IEEE, India Conference, 2008, 2:531-535.

[4]Volpe J A.Vulnerability assessment of the transportation infrastructure relying on the global positioning system[R].Technical report, Office of the Assistant Secretary for Transportation Policy, 2001-08.

[5]Timothy W McLain, Randal W Beard.Trajectory Planning for Coordinated Rendezvous of Unmanned Air Vehicles[C]//AIAA-2000-4369, 2000:1247-1254.

[6]Brown M, Lowe D G.Automatic panoramic image stitching using invariant features[J].International Journal of Computer Vision (S1573-1405) , 2007, 74 (1) :59-73.

[7]Li Zhao, Wei Qi, Stan Z Li, et al.Key-frame extraction and shot retrieval using nearest feature line (NFL) [C]//Proceedings of the2000ACM workshops on Multimedia, Los Angeles, United States, 2000:217-220.

[8]Missaoui R, Sarifuddin M, Vaillancout J.Similarity measures for efficient content-based image retrieval[J].IEE Proceedings:Vision, Image and Signal Processing (S1465-153X) , 2005, 152 (6) :875-887.

[9]Markos Mentzelopoulos, Alexandra Psarrou.Key-frame extraction algorithm using entropy difference[C]//Proceedings of the6th ACM SIGMM international workshop on Multimedia information retrieval, New York USA, 2004:39-45.

[10]Geir Evensen.The Ensemble Kalman Filter:theoretical formulation and practical implementation[J].Ocean Dynamics (S1616-7228) , 2003, 53:343-367.

动态匹配设计 篇7

近些年来, 文献语音识别技术发展迅速, 相应地, 也产生了很多模式匹配技术。然而, 真正能够应用到工程系统中的却很少。目前最流行也最实用的模式匹配技术主要有两种, 它们分别是动态时间弯折模式匹配技术 (DTW) 和隐马尔可夫模型模式匹配技术 (HMM) 。DTW是效果最好的一种非线性时间规正模板匹配算法, 解决了在为两段音频信号做相似性度量时存在的时间对准问题, 它应用动态规划方法成功解决了语音信号特征参数序列比较时待比较语音时长不等的难题, 在语音识别中获得了良好性能。HMM模型是一种参数表示的、用于描述随机过程统计特性的概率型, 它是由马尔可夫链演变来的, 具有双重随机性, 是一种双重随机过程。

1 动态时间弯折技术介绍

动态时间弯折技术是采用动态规划技术 (Dynamic Programming, 简称DP) 将一个复杂的全局最优化问题化为许多局部最优化问题一步一步地进行决策。

设参考模板特征矢量序列为A={a1, a2, …, aI}, 输入语音特征矢量序列为B={b1, b2, …, bJ}, I≠J。DTW算法就是要寻找一个最佳的时间规正函数, 使被测语音模板的时间轴j非线性地映射到参考模板的时间轴i, 使总的累计失真量最小。

设时间规正函数为:

其中:N为路径长度;c (n) = (i (n) , j (n) ) 表示第n个匹配点对是由参考模板的第i (n) 个特征矢量与被测模板的第j (n) 个特征矢量构成的匹配点对。二者之间的距离 (或失真值) d (ai (n) , bj (n) ) , 称为局部匹配距离。DTW算法就是通过局部优化的办法实现加权总和最小, 即公式1-2:

其中:Wn是加权函数。

在公式1-2所表达的优化过程中, 一般应对时间规正函数C作某些限制, 以保证匹配路径不违背音频信号各部分特征的时间顺序。

再定义一种最小累计失真函数g (i, j) , 表示到匹配点对 (i, j) 为止, 前面所有可能的路径中最佳路径的累计匹配距离。g (i, j) 存在如下递推关系:

其中, (i', j') 表示局部路径 (i', j') → (i, j) 的起点, 权Wn的取值是预先制定, 且与局部路径有关的。

2 DTW算法实现过程

DTW算法的具体步骤如下:

2.1 初始化:

其中约束区域Reg是上节约束条件4规定的平行四边形, 它的起点是 (1, 1) , 终点是 (I, J) 。

2.2 递推求累计距离g (i, j) :

根据局部路径约束, 定义:

其中i的值取1、2、3时分别对应0°、{45°、90°方向的局部路径。易证得:W=I+J;累计距离g (i, j) 的值为:

其中i=2, 3, …, I;j=2, 3, …, J; (i, j) ∈Reg。

2.3 求DTW平均距离D:

3 对DTW算法改进的实现过程

本文对上述DTW算法进行了改进, 减小了计算量和相应的内存需求, 使之更适合实时识别的需要。具体说明如下:

在识别前需根据实时语音和模板的长度进行初始化工作:

设参考模板特征矢量序列为A={a1, a2, …, aI}, 输入语音特征矢量序列为B={b1, b2, …, bJ}, I≠J。则:

其中约束区域Reg是上节约束条件4规定的平行四边形, 它的起点是 (1, 1) , 终点是 (I, J) 。

根据本系统实际需要, 定义如下局部路径约束:

其中i的值取1、2、3时分别对应0°、45°、90°方向的局部路径。

然后利用递推法求累计距离g (i, j) 。累计距离g (i, j) 的值为:

其中i=2, 3, …, I;j=2, 3, …, J; (i, j) ∈Reg。最后, 求DTW平均距离D:

由上文可知, DTW是递推算法, g (i, j) 的值只与g (i-1, j) , g (i, j-1) 和g (i-1, j-1) 有关。因此, 为尽量减少实时的处理所需时间和空间开销, 本文在对实时音频信号做DTW时, 简化了通常使用的数据结构和计算方法, 仅使用两个一维数组分别保存g (I=i, j) 和g (i, J=j) 的数据。显然, 在求g (i, j) 时, 只需知道g (i-1, j) 和g (i, j-1) 即可, 当DTW结束后, 返回平均距离D。

4 改进后的数据结构和封装的具体方法

本文设计的改进后的DTW数据结构和封装的方法如下:

virtual～DTWMeasure () ;

protected:

float ComputeMinNumber (float f Horizontal, float f Vertical, float f Diagonal) ;

float Vector Distance (float*first Array, float*secondArray, int dimension) ;

BOOL InRange (int i X, int i Y) ;};

其中, n Max Pointer用于储存的待DTW的数据个数, f DTWReal Data用于储存待DTW的实时数据, str DTWModel Name储存要识别的一系列语音模板名。以上数据均使用静态存储, 以便在构造DTW对象时不需对上述数据作初始化。此外, 还有若干数据结构用于计算DTW距离。如:f Distance Matrix, 它储存对应点 (x, y) 的欧氏距离, b Point In Range用来储存对应点是否在需要计算的平行四边形内, 而真正用于存储计算结果的是f Total Distance, 它用来存储到达该点的最小距离。将最后一个f Total Distance除以I+J, 就得到了最终结果。这里应该注意到的是存储实时数据的f DTWReal Data是一个向量, 而不是传统DTW使用的一个向量组。这样可以提高计算的速度。

DTW识别步骤:

4.1 指定要DTW的文件:

即:DTWMeasure::SetDTWObject (model[i])

4.2 加入准备DTW的数据:

即:DTWMeasure::InitializeRealData ()

4.3 对每个待识别模板均进行启动一个DTW线程, 并利用信号亮进行同步:

即:Release Semaphore (hsemaDTW, record ResultPointer, NULL) ;

Afx BeginThread (DTWAD, (LPVOID) &nDTWCounter[i]) ;

4.4 在线程中, 初始化DTW对象, 然后计算, 并将结果返回:

即:dtw.MeasureInitialize (i) ;

Wait For SingleObject (hsemaDTW[i], INFI-NITE) ;

f Last DTWDistance[i]=dtw.Measure () ;

结束语

实验证明, 改进后的DTW算法很好地解决了语音文献检索中动态语音识别问题, 识别率更高, 识别速度也更快。对相关的工程实践有较高的实用价值。

摘要：首先介绍了动态时间弯折技术, 然后探讨了利用该技术进行文献语音识别设计的思路, 对DTW算法进行了改进, 减小了计算量和相应的内存需求, 使之更适合实时识别的需要, 提供了改进后的DTW数据结构和封装的具体方法, 并分别给出了相应的基本源代码, 上述算法的编程思路和源代码对有关的工程实践有较高的实用价值。

关键词：DTW,算法,识别,动态规划

参考文献

[1]T.K.Vintsyuk.Speech Discrimination by Dy-namic Programming[M].kibernetika, Jan.-Feb.1968, 4 (2) :81-88.

[2]D.R.Reddy.An Approach to Computer Speech Recognition by Direct Analysis of the Speech Wave[J]Tech.Report No.C549, Com-puter Science Dept.Stanford Univ.September1966PP.49-45.

[3]王仁华, 江辉.正反向隐马尔可夫模型及其在连续语音识别中的应用[J].电子学报, 1996, 24 (10) :63-68.

动态匹配设计 篇8

目前我们使用的彩色空间有R G B、Y U V、Y I Q、H I S、C I E X Y Z、C I E LAB、YCrCb等。YCrCb是由亮度Y与色差信号Cr、Cb构成,它可以通过RGB信号与一个常量矩阵相乘得到,在此我们选取YCrCb空间出于以下考虑:

1)大部分比赛,拍摄时的编码是采用的MPEG技术,由于经过MPEG1解码子系统的解码以后,首先得到的是Y’CrCb颜色空间的图像而不是RGB颜色空间的图像。如果再将Y C r C b颜色空间的图像转换到RGB颜色空间必将造成信息的损失。

2)减少计算量。用Y’C r C b颜色空间可以在两个方面减少计算量:

一方面不必进行颜色空间的转换;另一方面Cr矩阵和Cb矩阵只有Y矩阵的1/4大,相对于RGB与高质量的YUV来讲存在一定的优势。

由于在足球比赛中,成像距离远远大于被跟踪物体本身的尺度以及物体本身的尺度远远小于总的运动距离,所以我们用刚性模块(固定尺寸的象素块)为物体建模。用8*4的象素块来表示物体。物体模型如下图1.1所示:

二算法描述

2.1匹配准则的定义

首先我们给当前帧查找区域中的每一个象素位置定义一个能量函数,最佳位置就是对应能量函数最小的位置。最佳位置对应的运动向量就是物体的帧间运动向量。令Y(m,n)表示当前帧(Ft)Y分量矩阵中处于(m,n)位置的Y分量的值我们定义:Y(m,n)、Cr(m,n)t-1、Cr(m,n)t、Cb(m,n)t-1和Cb(m,n)t。位置(m,n)处的能量函数为E(m,n),其中α、β、γ分别表示为权重,M、N分别表示块的高度与宽度,方程定义为:

且的方程定义如下:

2.2运动矢量估计

运动估计的准确性依赖于在块匹配过程中所用的匹配准则。因为两个相匹配的象素块之间的失真度量(Block Distortion Measure,缩写为BDM)常常有几个谷底(最小值点),如果在前面的步骤里作出了不合适的选择就会把全局最优的运动向量排除在外。为了避免这种问题,我们通过比较最佳匹配位置的BDM跟当前阶段其它查找位置的B D M,为下一步保留多个候选。定义如下:

这里,BDMmin和BDMX分别是当前阶段最小的BDM值和第x个位置的BDM值。如果对于所有的x,Gx都接近于1,那么意味着朝当前位置寻找全局最优运动向量的方向很可能是正确的。那么下一步的查找区域应该只限于当前最小位置的邻域里。

如果一个或多个Gx接近于0,准确的查找方向就不确定,保留一个或多个候选用作下一步的查找中心。

在Gx接近于0时给定门限GT来确定是否选择某个候选。如果BDMmin大于预先设定的门限T,必须使用大的GT值(记为GT1)来不让它陷入局部最小值处;否则G T等于门限G T 0(G T 1>G T 0)。计算当前所有查找位置(即对所有的x)的Gx。如果Gx大于GT,那么选定该候选作为下一步的一个查找中心。

2.3基于预测修正的复合查找策略

根据过去运动估计的结果,在查找窗口中定义一个最可能出现的区域(子窗口),在子窗口中进行遍历查找(即测试子窗口中的每一个运动向量),得到一个最佳运动向量VE。

在整个查找窗口进行三步查找得到一个最佳运动向量VF,比较VE和VF对应的能量函数,然后确定最终的最佳运动。

2.4查找距离自适应

利用查找原点的B D M作为对块的运动进行分类的准则。按如下方式定义三种运动类型(低速运动、中速运动、以及高速运动):

1)如果BDM>T1,那么就是高速运动块;

2)如果T 2<B D M≤T 2,那么就是中速运动块;

3)如果B D M<T 2,那么就是低速运动块;

这里T1和T2是两个门限值。高速、中速和低速运动的最大位移分别设为。完成对块进行分类之后,根据相应的查找距离利用基于预测修正的复合查找策略找出物体在当前帧中的最佳位置从而给出物体的运动向量。每个图像序列的开始对T1和T2进行初始化。通过下面的四步操作完成门限T1和T2的初始设置:

1)用全搜索块匹配(FSBM)算法找出第一帧中每个块的运动向量。

2)计算每个块查找原点的BDM,并根据BDM值按降序进行排序。

3)找出位移大于w2的块数(N A)及位移大于w4的块数(N B)。

4)令T 1等于第N A个最大的B D M值,T 2等于第N B个最大的B D M值。

2.5跟踪速率自适应控制

物体的运动时慢时快,而原始数据的采样速率通常是恒定的(一般为3 0帧/秒)。在物体运动较慢的情况下,显然不必对每一帧都进行跟踪。我们提出跟踪速率的自适应控制策略来解决这一问题。利用运动估计得到的运动速率预测物体在未来帧的运动情况,从而确定是否对当前帧进行运动分析。我们定义式的函数如下:

式中Nt指当前帧(Ft)的编号(流水号),N t是最近一次被跟踪过的帧的编号,Vt是最近一次运动估计给出的物体运动速率,W是查找窗口的宽度。我们设置一个阈值,当Mt大于阈值时就对当前帧(Ft)进行运动分析,否则跳个过当前帧。

三实验结果

实验数据由一个图像序列组成,该序列是一段足球比赛实况,由130帧385×285的图像组成,图一到图四分别是其中某的一帧图像。

图一所示是跟踪足球运动员运动的实验结果,其中位于“□”内的运动员是被跟踪的对象。首先通过单击鼠标指定被跟踪的物体,从第28帧开始进行运动估计,从而跟踪运动的物体(运动员)。图3.1、图3.2、图3.3、图3.4分别对应于第28帧、38帧、58帧、78帧的运动跟踪结果。

从实验结果看,在复杂的环境下(背景比较复杂,灯光不强)动态跟踪的效果比较理想。

四讨论和总结

从整个实验的结果来看,该方法对背景、光照等环境条件的依赖不强,我们可以不作任何修改而直接把它用于其它领域。比如军事领域的多目标跟踪,以及球类比赛中对运动员或者球的实时跟踪等。

需要解决的问题包括摄像机的标定、遮挡处理以及运动解释(即根据运动估计得出的运动信息并结合实际应用的背景对物体的运动进行分析、总结)。

参考文献

[1].S.LakshmananandH.Grimmer“,Detecting straightedgesinradarimageusing deformabletemplates”,IEEETrans.PAMI,1996.

[2].A.L.Yuille,P.W.HallinanandD.S.Cohen“,Featureextractionfromfacesusing deformabletemplates”,IJCV,Vol.8,No.2,133-144.1992.

[3].L.H.Staib,andJ.S.Duncan“,Boundary findingwithparametricallydeformablemodels”,IEEETrans.PAMI,Vol.14,No.11,pp.1,061-1075,Nov.1994.

[4].唐建雄“,基于机器视觉的人运动检测HumanMotionDetectionBasedonMachineVision”,现代电子技术Modern Electronics Technique

[5].李远刚;蒋咏梅.“基于肤色特征的人脸检测算法”.中国临床康复.2007

[6].陈忠碧,张启衡“.基于块估计的运动目标检测方法”.光电工程.June,2006

动态匹配设计 篇9

一、散热装置匹配设计方法

柴油机冷却系统主要由储水罐、缸体水套、水泵、水散热器、风扇、水管和温度调节装置等组成。挖掘机生产厂家选配柴油机后,柴油机缸体水套、水泵、温度调节装置均确定,挖掘机生产厂家只需根据其冷却系统散热量选配水散热器、风扇、导流罩等散热装置,并根据柴油机及挖掘机结构确定相关管路。

1. 散热装置散热量

(1)确定柴油机热平衡功率

挖掘机选配的柴油机,其热效率通常可达30%～40%,其余热量经过各种传热方式传递给柴油机冷却系统。柴油机冷却系统匹配的实质是实现能量平衡,该能量平衡应以柴油机最恶劣工况计算。柴油机最恶劣工况有2种,即最大扭矩工况和额定功率工况。最大扭矩工况时,柴油机转速较低,冷却液压力较低,缸体水套处可能形成气泡,使柴油机出现过热现象。挖掘机作业时,柴油机油门往往最大,并处于额定功率状态。柴油机处于额定功率时,比较符合挖掘机实际作业工况,冷却系统的水散热器、风扇、管路以柴油机应以额定功率作为计算工况。

(2)散热装置散发的总热量

根据柴油机额定功率,可以初步计算出单位时间散热装置散发的总热量Qw,可采用公式(1)计算

式中:Qw——散热装置单位时间散热量,kW;

Φ——柴油机冷却系统的热量占燃料热量的百分比,取值0.18～0.25;

ge——柴油机燃油消耗率,kg/(kW·h);

Pe——柴油机功率,kW;

hn——燃料热值,柴油取41870kJ/kg。

由于散热装置工作时受环境、柴油机结构、柴油机安装仓结构、液压系统散热等很多因素的影响,散热装置散发的总热量很难精确计算。在设计之初,为了简化计算,柴油机工作时需要散热装置单位时间散发的总热量Qw可按0.65～0.9倍的柴油机额定功率计算。当挖掘机采用直喷燃烧型式和大缸径柴油机时,可以取偏下值。考虑到初始设计时的余量,可取0.7,或参照柴油机参数表给出的测试数值。

(3)确定冷却空气需要量

冷却空气的需要量通常根据水散热器的散热量确定,而水散热器的散热量va通常等于散热装置的散热量,具体计算公式如下:

式中:Va——水散热器单位时间散热量,kW;

⊿tl——空气通过水散热器后的温差,取25～35℃;

ρ1——空气的密度,取1.01kg/m3;

Cpl——空气的定压比热,取值为1.047kJ/kg.℃。

(4)计算冷却液的循环量

根据热平衡理论,计算散热装置所需要的冷却液的散热量Vw可按公式(3)计算:

式中:vw——冷却液单位时间散热量,kW;

⊿t2——冷却液在水散热器中循环时的温升,取6～12℃;

p1——水的密度,取1000kg/m3;

Cp2——水的比热,取值为4.187kJ/kg.℃。

2. 水散热器设计

(1)确定导热系数和芯片距离

根据冷却液的循环量、冷却空气通过量,选取几种不同芯片结构水散热器,利用FLUENT流体软件分别模拟分析出各种水散热器导热能力的强弱,通常是模拟温度传导时导热量,即导热系数K,再选取导热系数K的最大值,以此值作为所选水散热器的导热系数K(。

水散热器芯片结构不仅影响水散热器的导热系数K,而且影响空气流动阻力,进而影响风扇消耗的功率。另i外由于挖掘机作业环境灰尘较多,容易造成芯子堵塞,会使散热性能大大下降。因此在满足散热量的前提下,应尽量增加散热芯片之间的距离。推荐工程机械水散热器散热芯片之间的距离为2.7～4mm。

(2)水散热器迎风面积计算

当确定水散热器芯片结构、芯片间距、翅高等参数后,导热系数K受环境温度和水散热器内冷却液压力影响较小,而受冷却风风速的影响较大。但研究结果表明,当风速超过10m/s时,导热系数K的增大很不明显,故在挖掘机初期设计中,通常取风速10m/s。则水散热器迎风面积S可根据冷却空气需求量Va除以风速V计算出来。

(3)水散热器冷却面积计算

水散热器冷却面积可通过公式(4)计算出水散热器冷却面积A:

式中:A——水散热器冷却面积,m2;

K—水散热器对空气的传热系数,取0.085kJ/m2·s·℃;

△T——水散热器中冷却液与冷却空气的平均温差。

平均温差△T由水散热器进水温度、水散热器出水温度、水散热器进风温度、水散热器出风温度计算或试验得出。

考虑到经过水散热器各个位置的冷却空气流速不均匀、水散热器芯片还会蒙上尘土,且散热孔容易堵塞等情况,均可使其散热性能有所下降,实际散热面积A0应为1.2～1.3倍的计算散热面积A。

在散热装置设计中,若挖掘机水散热器、液压油散热器、柴油机中冷器采用叠加结构,上述方法可分别计算出水散热器、液压油散热器和柴油机中冷器各项参数,然后求和,可得挖掘机整机散热器参数。

3. 风扇设计

(1)确定风扇的直径和传动比

根据水散热器的正面尺寸、整机尺寸、风扇与水散热器的相对位置确定水散热器导风罩的直径,从而确定风扇的直径。由于风扇产生的噪声与风扇转速有关,因此风扇叶尖线速度限制在90m/s以下,根据这一要求选择合适的

1——风量曲线2——柴油机机罩阻力曲线3——风扇静压效率A——匹配点

(2)风扇的选型与匹配

挖掘机用柴油机的风扇通常采用轴流式吸风扇,风扇的转速、叶型必须设计合理,并与整机系统阻力相匹配,以使工作点在风量曲线的高效区,同时避开喘振区,如图1所示。图中1为风量曲线,2为柴油机机罩对风速的阻力曲线,3为风扇静压效率曲线,曲线1和曲线2的交点A为匹配点,该点所对应的风扇风量应满足冷却空气的需要量,而且该交点应位于风扇静压效率较高区域,以使风扇能够稳定工作,远离喘振区。

4. 导风罩设计

风扇安装在导风罩内,风扇导风罩通常固定在柴油机上,其安装结构如图2所示。风扇未进入导风罩的轴向距

离A是风扇叶片厚度的1/3～1/2时,散热效果最佳。导风罩与风扇之间的径向间隙B不能大于2.5%的风扇直径,通常取15mm。

由于气流中障碍物会影响到风扇的性能,风扇相对于柴油机前端面和风扇相对于水散热器芯片的距离对于散热装置的散热能力影响比较大。另外,水散热器芯片、冷却风扇之间的距离与风扇直径有一定的关系。对于吸风式风扇,当其直径大于600mm时,风扇端面与水散热器芯片端面之间的距离应为50～1OOmm,且在不发生干涉的情况下,尽量取大值。

A——风扇未进入风罩的距离B——风扇轴向间隙

5. 散热装置管路布置

水散热器底部的冷却液经水泵加压后通过分水管压送到气缸体水套,再进入气缸盖水套内,冷却液吸收柴油机机体热量后经气缸盖出水孔流回水散热器。水散热器周围的空气由风扇的强力抽吸,空气流由前向后高速通过水散热器,热量不断地散发到大气中去,水散热器内的冷却液得到降温。冷却后的冷却液到水散热器的底部,冷却液如此不断循环,如图3所示。

根据水冷柴油机冷却液循环特点,确定散热装置的管路数量和走向,根据挖掘机、柴油机、风扇、导风罩结构确定管路长度,根据冷却液的循环量确定管路的直径。根据挖掘机、柴油机、水散热器的位置和间隙,确定补水罐的位置和大小(补水罐的位置应高于水散热器)。

二、匹配实例

为了验证挖掘机柴油机散热装置匹配设计方法的准确性,我们运用该方法对某公司20t级挖掘机散热装置进行匹配设计,该挖掘机及柴油机参数如表1所示。

1. 散热装置设计计算

按照散热装置匹配设计方法计算出柴油机额定功率下水散热器和液压油散热器的各项技术参数,计算结果如表2所示。挖掘机水散热器、液压油散热器布置方式采用并联式。

根据风扇匹配原理,选择风扇直径为750mm,风扇轮与水泵轮的传动比为0.95,风扇实际转速1850r/min,要求在最佳静压效率区,风扇风量不小于7.58m3/s。风扇风量、静压、静压效率的具体特性如图4所示。

1——风量曲线2——静压效率

2. 热平衡试验

我们将该散热装置装配在挖掘机样机上进行柴油机热平衡试验,作业工况为挖掘坚实土壤,测试时环境温度为135℃。试验时分别在水散热器、液压油、冷却液散热器等处布置温度传感器。测试时待挖掘机各部位温度平衡测试结果如表3所示。