她们与车本无缘

有这么一群人,他们拥有车,却不懂车,车就像吃饭、睡觉、刷牙一样成为他们生活中不可分割的部分。然而有一天,他们却因为车而走到一起。他们不聊汽车却津津有味地聊起了有车族的生活,在这里,谁又能说,他们与车无缘呢?     

基于Bootstrap和GA-Elman的土质滑坡坡表变形区间预测

坡体变形是表征边坡稳定性最直观的指标。如何科学合理地解译其演化特征,对滑坡灾害预警防范具有重大的工程意义及科学价值。由于滑坡灾害的影响因素中,很多不确定因素都不可能完全准确地定量分析,只能从定性层面建立影响因素与坡体变形的关系,为了解决滑坡确定性预测方法中未考虑预测与数据误差的问题,量化滑坡点预测结果中的不确定因素的影响,依托滑坡坡表变形点预测方法,提出基于残差Bootstrap与GA-Elman神经网络的区间预测方法。相比于传统方法,通过变形伪数据集的建立、GA-Elman模型的迭代训练与总方差估计、ELM网络残差训练与随机误差方差估计等步骤创建的区间预测方法在预测可靠性、区间宽度、针对特殊变化坡体的预测灵活度等方面都有显著提升。利用Bootstrap重抽样模型、GA-Elman神经网络预测算法以及区间预测理论方法,建立基于Bootstrap和GA-Elman的滑坡变形区间预测模型。研究导致滑坡变形的不同影响因素、预测模型参数及置信区间等对于区间预测模型效果的影响,并运用到现场滑坡中。分析结果表明,所提出的方法可适用于现场滑坡,更好地将滑坡降雨等影响因素与坡体表观变形建立联系,为滑坡...     

不同工况下汽车制动磨损颗粒物排放特征研究

选取某车型后制动器总成，利用乘用车制动器惯性试验台和颗粒物监测采集设备进行制动磨损颗粒物排放测试。在四种循环测试工况下进行制动磨损颗粒物的收集，并对磨损颗粒物的排放因子、粒径质量分布特征和数量分布特征进行分析。结果显示，不管是PM2.5还是PM10,NEDC循环测试工况下磨损颗粒物的排放因子最小，WLTP-Brake循环测试工况下磨损颗粒物的排放因子最大。粒径质量分布特征方面，粒径在2.5～5.0μm范围内的颗粒物质量占比较高，NEDC工况下细颗粒产生较多，在10 nm～0.1μm粒径范围内的颗粒物质量占比明显高于其他三种工况。粒径数量分布特征方面，四种工况下粒径小于0.07μm的颗粒物数量占总颗粒物排放数量的绝大多数，WLTC和WLTP-Brake循环测试工况下超过98%,NEDC和CLTC-P工况下超过了92%。