声强法对某新型轿车发动机噪声源的识别

汽车噪声污染越来越严重,我国的汽车噪声测量标准逐渐加强,文章通过降低发动机辐射噪声来降低车外加速噪声值,并运用声强测量法对发动机进行噪声源识别,指出发动机的主要噪声源为油底壳、皮带轮和凸轮轴。同时运用吸声材料对发动机进行降噪处理,使得车外加速噪声值由原来的74．1dB（A）降为73．11dB（A）,符合国家标准要求。     

基于神经网络技术的斜拉桥损伤分步识别方法

结合神经网络技术进行了斜拉桥损伤分步识别的系统性研究,提出了具体的斜拉桥损伤分步识别过程,给出了每一识别步骤中适当的损伤识别参数.可实现斜拉桥主要构件即拉索和主梁中损伤的有效识别.采用概率神经网络确定损伤构件的类型,采用径向基函数(RBF)网络实现损伤的定位定量分析.针对润扬大桥斜拉桥的损伤模拟分析表明:将测试数据进行平均计算可以大大降低噪声对于概率神经网络识别结果的影响;噪声水平对2个径向基函数网络的损伤位置和损伤程度的识别能力方面的影响较小.采用不同的神经网络分阶段实现大跨斜拉桥的损伤识别,不仅提高了损伤识别的效率和准确性,而且增强了损伤识别方法在实际结构中应用的可行性.     

不良汽车驾驶行为特征分析

对不同车型的不良汽车驾驶行为特征进行了分析,根据北京、上海、大连等城市的视频数据统计出8种典型不良汽车驾驶行为的形态比例,对比分析了大型车与小型车、客运车与货运车在发生不良汽车驾驶行为时的车速、持续时间以及所处道路的服务水平,得出了发生不良汽车驾驶行为时的车速和持续时间与车辆类型有关而道路服务水平与车辆类型无关的结论,并且利用多因素模糊综合评价法对各种车型的不良汽车驾驶行为的危险度进行了评价,得知小客车的不良汽车驾驶行为对道路交通安全影响最大。     

一种用于车辆半主动悬架控制的磁流变阻尼器模型

文中对适用于车辆半主动悬架控制器设计的磁流变阻尼器模型进行研究.首先分析阻尼力与位移、速度以及输入电流之间的关系,并结合现有阻尼器模型的优点,提出一种精确的便于控制的双曲正切磁滞模型.接着,将磁流变阻尼器安装在硬件在环仿真平台上进行试验,利用试验得到的阻尼器动态特性数据,进行阻尼器模型的参数辨识和曲线拟合.最后,将基于拟合参数的模型仿真结果与试验数据进行比较,验证了模型的正确性.     

柴油机表面噪声的声强测量与分析

依据声强法的测量原理，对一台车用增压柴油机进行了声强测量研究，得到了该发动机整机噪声分布的声强云图，确定了该机的主要噪声源位置。用振动速度法对声强法测量的结果进行了验证，两者是吻合的。     

基于动力学模型的车辆转向控制器不足与变结构控制方法的研究

本文从理论上分析了基于车辆二自由度转向动力学模型的转向控制器在低速时产生失稳的原因。为解决失稳问题,本文提出了相应的解决方法,建立了基于预瞄运动学的车辆转向控制模型,采用滑模变结构控制理论设计了车辆的转向控制器,使车辆转向控制具有良好的跟踪性能和鲁棒性。     

基于数据挖掘的危险货物运输风险驾驶行为聚类分析

不良驾驶行为(车速过高,车速变化过快等)影响危险货物及车辆的稳定性,是导致危险货物运输事故频发且后果严重的重要原因. 基于对营运车辆联网联控系统海量数据的分析处理,根据其属性提取8 个驾驶行为量化指标,采用因子分析和模糊C均值聚类相结合的方法,实现对危险货物运输车辆驾驶员风险驾驶行为的科学聚类. 结果表明,危险货物运输车辆驾驶行为特征可有效聚为急加减速、超速驾驶和变速驾驶3 种行为,且在每种驾驶行为下实现对驾驶员安全等级的分类. 由此可以识别风险较高的驾驶员,这对危险货物运输企业和行业管理部门有重要参考意义.     

考虑时空修正的轨道交通封站短时客流预测方法

为了实现封站情况下轨道交通短时客流的精准预测和探索客流的变化机理,提出了一种考虑时空修正的融合动态因子模型(DFM)和支持向量机(SVM)的短时客流预测方法(DFM-SVM); 利用符号聚合近似方法(SAX)与动态时间规整(DTW)相结合的算法(SAX-DTW)识别受封站影响的时空范围,利用DFM预测常态下的短时客流,利用SVM提取和处理受封站影响车站与时段客流量的非线性特征,对受影响车站与时段的客流量进行修正; 以北京地铁封站情景下车站的进站量预测为例,验证方法的有效性。研究结果表明: 与既有SAX相比,提出的SAX-DTW不仅能全面考虑到客流数量和客流趋势的变化,还能更准确地识别出多个车站的异常时段; 与传统DFM相比,DFM-SVM能显著降低各车站的预测残差,其中奥体中心车站的预测残差降低约60%;与基线模型霍尔特-温特(Holt-Winters)、SVM、门控循环单元(GRU)和长短期记忆(LSTM)相比,在整体客流量预测效果方面,提出的DFM-SVM在其均方根误差方面分别降低43.39%、70.00%、33.18%和70.83%,平均绝对误差分别降低43.72%、67.17%、28.98%和57.08%;在单个车站的客流量预测效果方面,提出的DFM-SVM在均方根误差和平均绝对误差方面有70%的车站均低于其他基准模型。可见,提出的DFM-SVM能够捕捉封站影响客流的非线性关系,极大提升了客流预测精度,能够为运营管理者提供可靠的客流预警信息与决策依据。     

基于改进EEMD和WVD联合时频分析的车轮多边形状态识别方法

为了准确识别高速列车车轮多边形状态以及磨耗幅值,提出了一种改进的聚合经验模态分解(EEMD)与魏格纳-威尔分布(WVD)相结合的随机振动信号联合时频分析方法;利用相关系数法和频谱分析来评估筛选轴箱振动加速度信号经EEMD分解后的变量,然后进行WVD计算,在保持WVD高时频分辨率的同时可有效抑制交叉干扰项;应用该方法分析了周期性车轮多边形磨耗与现场实测随机车轮多边形磨耗引起的轴箱振动加速度信号。研究结果表明：利用EEMD-WVD二维时频谱的主频率可识别车轮多边形状态,利用EEMD-WVD三维时频能量谱的能量幅值分布可评估车轮多边形磨耗幅值,最大误差为0.3%;将改进EEMD和WVD联合时频分析方法的识别结果与短时傅里叶变换、小波分解、WVD传统时频分析方法进行对比,表明此方法应用时无需改变任何参数,自适应强,保留了WVD高时频分辨率的特点,而且可有效抑制EEMD产生的模态混叠现象和WVD产生的交叉干扰项,验证了所提出联合时频分析方法的有效性及其优势,为高速动车组车轮多边形识别和评估提供了新的技术途径。     

一种用于浅埋隧道抗震分析的拟静力数值方法

提出一种用于浅埋隧道抗震分析的拟静力数值方法,该方法用等效静载反映地震波对围岩与衬砌结构的作用,考虑地震波特点,分别计算体波（Ｐ和Ｓ波）和面波（Ｒ波）的影响,并将计算得出的衬砌反应与静载作用下的隧道衬砌的已有应力迭加视作隧道在地震时最大应力,地震波作用及静载作用的结构位移及应力均采用有限元或其它数值方法计算,提出的方法已在南昆铁路隧道抗震研究中的运用。