在分析液压系统能量损失的基础上,建立了系统的能量损失表达式。以单执行元件的液压系统为研究对象,绘制了系统图谱,包括1个非节能的系统(No Energy Saving,NES)和14个采取了不同节能措施的系统(Energy Saving,ES)。在工作参数相同的条...在分析液压系统能量损失的基础上,建立了系统的能量损失表达式。以单执行元件的液压系统为研究对象,绘制了系统图谱,包括1个非节能的系统(No Energy Saving,NES)和14个采取了不同节能措施的系统(Energy Saving,ES)。在工作参数相同的条件下,计算了NES和ES系统在待命、工作(快进、工进、保压)和快退时的功率损失。分析对比说明:就液压系统本身而言,14个ES系统比NES系统相对减少功率损失为28.6%～99.04%。讨论了液压节能系统ES在工程应用中的相关问题。展开更多
为了准确评估温拌再生融合技术的环境效益,基于生命周期法确定路面建设期间环境效益的边界范围,建立碳排放计算模型。通过现场调查及数据分析,运用模型分别计算温拌再生技术与热拌技术的能耗及温室气体排放。最终对比分析了温拌再生融...为了准确评估温拌再生融合技术的环境效益,基于生命周期法确定路面建设期间环境效益的边界范围,建立碳排放计算模型。通过现场调查及数据分析,运用模型分别计算温拌再生技术与热拌技术的能耗及温室气体排放。最终对比分析了温拌再生融合技术的节能减排效益。结果表明:温拌再生路面施工过程中,原材料生产能耗324.47 MJ,温室气体排放为19.65 kg CO_(2e),混合料拌和能耗为217.28 MJ,温室气体排放为18.15 kg CO_(2e)。与热拌技术相比,温拌再生融合技术在混合料拌和阶段能耗和温室气体排放都有减少,RAP掺量为40%时,温拌再生路面建设期能耗节约33.33%,CO_(2)排放降低20.11%。展开更多
为提升夏季电动汽车驾驶过程中乘员热舒适性与车辆节能续航能力,针对某型电动汽车空调节能制冷控制方法开展了优化研究.根据车辆试验台架建立了AMEsim空调-乘员舱耦合系统,搭建了面向控制的空调-乘员舱系统动态特征预测模型,并结合车速...为提升夏季电动汽车驾驶过程中乘员热舒适性与车辆节能续航能力,针对某型电动汽车空调节能制冷控制方法开展了优化研究.根据车辆试验台架建立了AMEsim空调-乘员舱耦合系统,搭建了面向控制的空调-乘员舱系统动态特征预测模型,并结合车速-制冷能力的耦合关系设计了考虑热舒适的节能模型预测控制器(energy saving model prediction controller,简称MPC-E),最后将Matlab控制模块与AMEsim模型进行了联合仿真.研究表明,搭建的面向控制的预测模型较好地表征了系统动态特征,可作为控制器的内嵌预测模型;相较于传统的比例积分微分(proportional integral derivative,简称PID)控制,MPC-E将空调系统蒸发器风温约束在更合理的范围内,并提供了更佳的乘员舱热舒适性体验,而且实现了12.9%的空调系统总能耗降低.展开更多
文摘在分析液压系统能量损失的基础上,建立了系统的能量损失表达式。以单执行元件的液压系统为研究对象,绘制了系统图谱,包括1个非节能的系统(No Energy Saving,NES)和14个采取了不同节能措施的系统(Energy Saving,ES)。在工作参数相同的条件下,计算了NES和ES系统在待命、工作(快进、工进、保压)和快退时的功率损失。分析对比说明:就液压系统本身而言,14个ES系统比NES系统相对减少功率损失为28.6%～99.04%。讨论了液压节能系统ES在工程应用中的相关问题。
文摘为了准确评估温拌再生融合技术的环境效益,基于生命周期法确定路面建设期间环境效益的边界范围,建立碳排放计算模型。通过现场调查及数据分析,运用模型分别计算温拌再生技术与热拌技术的能耗及温室气体排放。最终对比分析了温拌再生融合技术的节能减排效益。结果表明:温拌再生路面施工过程中,原材料生产能耗324.47 MJ,温室气体排放为19.65 kg CO_(2e),混合料拌和能耗为217.28 MJ,温室气体排放为18.15 kg CO_(2e)。与热拌技术相比,温拌再生融合技术在混合料拌和阶段能耗和温室气体排放都有减少,RAP掺量为40%时,温拌再生路面建设期能耗节约33.33%,CO_(2)排放降低20.11%。
文摘为提升夏季电动汽车驾驶过程中乘员热舒适性与车辆节能续航能力,针对某型电动汽车空调节能制冷控制方法开展了优化研究.根据车辆试验台架建立了AMEsim空调-乘员舱耦合系统,搭建了面向控制的空调-乘员舱系统动态特征预测模型,并结合车速-制冷能力的耦合关系设计了考虑热舒适的节能模型预测控制器(energy saving model prediction controller,简称MPC-E),最后将Matlab控制模块与AMEsim模型进行了联合仿真.研究表明,搭建的面向控制的预测模型较好地表征了系统动态特征,可作为控制器的内嵌预测模型;相较于传统的比例积分微分(proportional integral derivative,简称PID)控制,MPC-E将空调系统蒸发器风温约束在更合理的范围内,并提供了更佳的乘员舱热舒适性体验,而且实现了12.9%的空调系统总能耗降低.
