针对飞机典型部位在遭到高速破片攻击后结构整体的战伤状态及破片的剩余行为开展数值模拟。应用LS-DYNA软件,结合有限单元方法(finite element method,FEM)和光滑粒子流体动力学(smoothed particle hydrodynamics,SPH)两者的优势,建立...针对飞机典型部位在遭到高速破片攻击后结构整体的战伤状态及破片的剩余行为开展数值模拟。应用LS-DYNA软件,结合有限单元方法(finite element method,FEM)和光滑粒子流体动力学(smoothed particle hydrodynamics,SPH)两者的优势,建立自适应的FEM-SPH耦合模拟方法,并构建2种飞机典型部位的计算模型,采用六面体网格局部细化方法实现了核心位置的精确模拟,并进行试验来验证数值模型;开展了一系列高速冲击战伤模拟,对比了不同工况下破片高速冲击结构后形成的碎片云和破口形貌,并对破片的剩余速度和质量进行分析,确定了破片在结构蒙皮上的临界跳飞角。结果表明:自适应FEM-SPH耦合算法的计算结果与试验结果吻合良好,能够对破片高速冲击战伤进行有效准确模拟;碎片云分布形状随破片速度增加变得狭长,冲击角度会改变碎片云和结构破口形状朝向;碎片云高度和扩散速度随破片速度或角度的变化趋势基本一致并都呈线性关系;破片的速度减少量不随初始速度变化,质量减少量则与冲击速度正相关,两者与冲击角度都负相关;破片临界跳飞角与冲击速度大小基本呈线性关系。展开更多
针对电池电气特性与热特性之间复杂的耦合关系、温度对电池功率性能的影响以及荷电状态(state of charge,SOC)、温度状态(stateoftemperature,SOT)与峰值功率状态(state of power,SOP)之间的复杂关联等问题,该文提出一种考虑电热耦合特...针对电池电气特性与热特性之间复杂的耦合关系、温度对电池功率性能的影响以及荷电状态(state of charge,SOC)、温度状态(stateoftemperature,SOT)与峰值功率状态(state of power,SOP)之间的复杂关联等问题,该文提出一种考虑电热耦合特性的电池模组多状态协同估计方法。首先,分析电池电气特性与热特性之间的耦合关系,将分数阶等效电路模型与集总参数双态热模型结合,构建电池模组电热耦合模型。其次,针对电热耦合关系需要准确的SOC与SOT来维持的问题,采用自适应扩展卡尔曼算法(adaptive extended Kalman filter,AEKF)实现电池模组SOC与SOT估计。最后,分析不同状态之间的关联特性,将电池的SOC、SOT引入到多约束条件下的峰值SOP估计中,实现电池模组多状态协同估计,提高电池状态估计的准确性。仿真结果表明,所提方法在SOC初始误差为20%情况下,能够快速收敛至真实值,且均方根误差在0.52%以内,核心温度与表面温度估计误差分别在0.36和0.31℃以内。在40℃时,核心温度约束起作用,峰值功率估计结果显著降低,为动力电池的实时安全监控提供了有力保障。展开更多
文摘针对飞机典型部位在遭到高速破片攻击后结构整体的战伤状态及破片的剩余行为开展数值模拟。应用LS-DYNA软件,结合有限单元方法(finite element method,FEM)和光滑粒子流体动力学(smoothed particle hydrodynamics,SPH)两者的优势,建立自适应的FEM-SPH耦合模拟方法,并构建2种飞机典型部位的计算模型,采用六面体网格局部细化方法实现了核心位置的精确模拟,并进行试验来验证数值模型;开展了一系列高速冲击战伤模拟,对比了不同工况下破片高速冲击结构后形成的碎片云和破口形貌,并对破片的剩余速度和质量进行分析,确定了破片在结构蒙皮上的临界跳飞角。结果表明:自适应FEM-SPH耦合算法的计算结果与试验结果吻合良好,能够对破片高速冲击战伤进行有效准确模拟;碎片云分布形状随破片速度增加变得狭长,冲击角度会改变碎片云和结构破口形状朝向;碎片云高度和扩散速度随破片速度或角度的变化趋势基本一致并都呈线性关系;破片的速度减少量不随初始速度变化,质量减少量则与冲击速度正相关,两者与冲击角度都负相关;破片临界跳飞角与冲击速度大小基本呈线性关系。
文摘针对电池电气特性与热特性之间复杂的耦合关系、温度对电池功率性能的影响以及荷电状态(state of charge,SOC)、温度状态(stateoftemperature,SOT)与峰值功率状态(state of power,SOP)之间的复杂关联等问题,该文提出一种考虑电热耦合特性的电池模组多状态协同估计方法。首先,分析电池电气特性与热特性之间的耦合关系,将分数阶等效电路模型与集总参数双态热模型结合,构建电池模组电热耦合模型。其次,针对电热耦合关系需要准确的SOC与SOT来维持的问题,采用自适应扩展卡尔曼算法(adaptive extended Kalman filter,AEKF)实现电池模组SOC与SOT估计。最后,分析不同状态之间的关联特性,将电池的SOC、SOT引入到多约束条件下的峰值SOP估计中,实现电池模组多状态协同估计,提高电池状态估计的准确性。仿真结果表明,所提方法在SOC初始误差为20%情况下,能够快速收敛至真实值,且均方根误差在0.52%以内,核心温度与表面温度估计误差分别在0.36和0.31℃以内。在40℃时,核心温度约束起作用,峰值功率估计结果显著降低,为动力电池的实时安全监控提供了有力保障。
