摘要: CTB（cell to body）电池车身一体化技术在提升续航里程、整车刚度和耐撞性等方面具有很大优势，已成为新能源汽车行业发展新方向，但要将电池上盖与车身地板二合为一，密封是限制CTB技术发展的最大难题之一，目前行业在CTB密封领域的研究还是空白。本文从CTB密封策略、密封结构设计、密封组件选型、失效后果分析和用户工况设计验证展开研究，首次提出攻克行业内CTB密封设计难题的解决方案，加速CTB技术普及应用，推动全球新能源汽车产业电动化转型。

摘要：针对双碳目标，应用低碳/零碳燃料是实现内燃机高效清洁燃烧的有效途径。本研究基于一个双燃料柴油机台架开展，缸内直喷燃料分别选用柴油、生物柴油/汽油混合燃料（BG70）和生物柴油/汽油/乙醇混合燃料（BG50E20）；氨为进气道喷射，能量替代率为0~28%。试验工况为1 200r/min、0.8 MPa指示平均有效压力（IMEP）。对比分析了不同燃料的一氧化碳（CO）、总碳氢（THC）、氮氧化物（NOx）排放以及颗粒物粒径分布。结果表明：单燃料模式下，BG70和BG50E20的指示热效率高于柴油。BG70的CO排放相比柴油降低30%，但THC和NOx排放在3种燃料中最高。BG70和BG50E20的总颗粒物数量（TPN）排放低于柴油。相比各燃料单燃料模式的燃烧与排放性能，添加氨后的3种燃料的指示热效率降低1%~2%；CO排放增加约1倍；柴油和BG70 的NOx 排放减少接近50%，BG50E20的NOx排放减少约30%。另外，氨的加入对BG70和BG50E20的TPN有显著影响，当氨能量替代率从0增长至28%时，BG70的TPN排放增加20倍。

摘要：提出了基于深度学习的汽车梁类零件回弹预测方法。基于二维回弹理论，将三维梁类零件离散为若干截面，采用双平面投影法和图像二值化方法，将梁类零件的截面曲线转换为神经网络模型可识别的双通道图像数据。基于拉丁超立方采样法对影响梁结构零件的冲压工艺参数及板料材料参数变量进行采样，通过ＣＡＥ回弹仿真得到后续深度学习网络的训练样本。为研究梁结构在不同几何截面、材料参数、工艺参数作用下的回弹问题，采用基于ＬｅＮｅｔ－５、ＡｌｅｘＮｅｔ、ＮｉＮ的卷积神经网络模型作为几何截面识别模型，同时使用全连接神经网络模型耦合材料参数和工艺参数的方法，得到该梁类零件回弹算法模型。以某汽车梁类结构零件作为研究对象，基于高斯混合聚类将回弹样本分为小回弹、中等回弹、大回弹三个类型。将各类回弹样本分别通过回弹算法模型进行验证，结果表明，基于ＡｌｅｘＮｅｔ的模型准确度最高，同时算法鲁棒性相较于其他两种也更强，更适合梁类件的回弹预测。