故障一点通

Neon汽车发动机启动时发出沉闷的金属声故障现象:2000-2001年生产的Neon汽车,如果关闭发动机时空调在工作,那么第二天首次启动时,发动机舱就可能传出一种沉闷的金属声。故障分析:经过一夜或更长的时间,压缩机吸入冷冻剂中首批残留物时,这种噪音就会产生。克莱斯勒汽车公司称,在     

基于贝叶斯概率估计的智能电动车动态目标避障算法

为了实现智能电动车在中汽中心智能网联示范基地内的动态避障，首先将直角坐标系与曲线坐标系进行转换，构建以参考路径的弧长s为横坐标，横向偏移距离q为纵坐标的曲线坐标系；其次，在曲线坐标系中利用三次多项式生成满足初始位姿与子目标点位姿的候选路径，同时对标准化常量的似然函数进行定义，在此基础上利用贝叶斯定理对每条候选路径的危险等级进行概率估计；在动态避障过程中，借鉴速度障碍法对碰撞威胁进行实时检测，并建立最短避障时间和安全距离的数学模型来实现高效的动态避障，最后对行人占用车道行走与横穿马路2种典型场景进行动态避障试验。研究结果表明：在曲线坐标系中，通过横向偏移距离能够便捷地建立起一系列候选路径，克服在直角坐标系中寻找移动子目标点这个难题；在寻找安全路径方面，由于智能电动车工作环境的不确定性，利用贝叶斯定理对候选路径危险等级进行概率计算的方法可靠性更高，速度障碍法与避障数学模型的结合满足碰撞危险检测的实时性和动态避障的高效性要求。试验结果表明：采用曲线坐标系中的动态避障算法对行人占用车道和横穿马路2种场景进行了有效的避障，在路径选择上符合实际驾驶习惯，达到了智能网联示范基地动态避障的要求。     

混合动力及电动汽车维修安全(中)

<正>(接上期)三、高压安全与健康1.高压电带来的危险常规车辆上车载电源的电压一般都是12V或24V,当前电动汽车辆上的电压通常高达300V,而电压超过50V就会对人体造成伤害,被视为危险电压。为此,我们必须高度重视电动汽车上的高压电操作安全,充分认识电动汽车上高压系统可能存在的危险。这些危险包括:电击、电弧或闪络、与高压蓄电池有关的危险、二次事故。     

混合动力及电动汽车维修安全(下)

<正>(接2019年第3期)4.断电和通电在HV系统上或其附近进行工作时,应评估保养或维修活动中可能涉及到的潜在风险。识别危险以及识别面临危险的人员(群体、人数、易受伤害的人员)。还要评估危险的严重程度,面临危险的频率,控制措施的充分性。(1)断电。如果对车辆执行的任何维护或维修存在与任何HV部件接触的风险,则应该对HV系统执行断电和隔离程序。除非     

自动变速器的基本检查与调整

2)选档机构的调整如果检查发现选档机构中有不正常之处时,就应进行调整、修复或更换新件,以恢复原来的技术状况。选档机构的一般故障,除个别零件损坏严重需更换新件外,大多数都可通过调整来恢复技术性能。一般选档机构的调节部位都在变速器壳体外选档转轴摇柄的连接处,或者是选档手柄杠杆末端与拉线(或拉杆)的连接处。     

商用汽车动力传动系参数的优化设计研究

在汽车动力性和经济性模拟计算的基础上,以汽车能量利用率为目标函数,提出了一种商用汽车动力传动系统参数的优化设计方法,并采用该方法对某商用汽车动力传动系统进行了优化设计。模拟计算结果表明,经过优化传动系统参数,该车燃油经济性较原方案改善了3.82%,动力性提高了1.63%,从而验证了该方法的可行性。     

故障一点通

宝来1.8ATASR/ESP报警 故障现象：宝来1．8AT在行驶中ASR警告灯总是点亮；快速起步和急加速时ASR警告灯点亮（说明加速防滑系统正在工作），但是加速防滑工作结束后ASR灯依然点亮。此时关闭ASR开关，该灯也不熄灭，只有关闭点火开关后重新启动发动机，ASR警告灯才熄灭。数据流002组的第2显示区，发动机负荷为28％（规定值为10～25％）。     

HP3、HP4型电控高压共轨柴油机故障诊断(下)

3.HP4型输油泵的组成 HP4型输油泵结构与HP3型输油泵基本相同，它们是由泵单元（偏心凸轮、环形凸轮、两个柱塞）、SCV（吸入控制阀）、出油阀、燃油温度传感器和进油泵组成，主要差别是有三个柱塞。因为有三个柱塞，所以它们以120°的间隔围绕在环形凸轮外侧。此外，燃油输送量是HP3型泵的1．5倍，其结构如图13所示。[第一段]     

混合动力及电动汽车维修安全(上)

<正>近几年,我国正在逐渐普及混合动力、纯电动汽车等新能源汽车。混合动力或电动汽车均带有高压,虽然特约维修站的技术人员有受到厂家的相关技术培训,但是除了特约维修站外,普通的汽车修理厂技师人员也在维修这些车辆,因此,如何保证维修安全显得尤为重要。本文将以国外某知名车企为例,从车辆高压系统部件、高压安全与健康、安全维修制度与流程等三个方面讲解如何保证电动车辆维修安全。     

机器学习在隧道岩爆微震监测预警中的应用

深部隧道岩爆是地下工程建设中的安全隐患，准确预警岩爆能够保障工程人员的生命财产安全。机器学习等智能技术的出现为岩爆预警带来了新的思路和方法，提高了预警的准确性、及时性和智能化水平。对机器学习在深部隧道岩爆微震监测预警中的应用现状开展了系统研究。首先，对岩爆微震监测评估预警中的机器学习算法进行总结，分析了现有各类机器学习算法的特征优势，然后，对微震监测岩爆预警指标体系进行了归纳，进一步，分析了基于不同机器学习的岩爆微震监测预警应用效果。结果表明神经网络（NN）是岩爆预警算法中的热门方法，微震事件数（N）、微震能量（E）、视体积（V）及其变体是使用频次最高的岩爆预警指标，大部分岩爆预警指标个数主要在3～7个之间。岩爆等级是岩爆预警的研究热点，大部分机器学习方法的预警准确率基本能达到80%及以上，表明机器学习方法具有较好的应用效果与发展前景。最后，对发展方向进行了展望，更先进的机器学习算法、预警指标体系的有效性与全面性、样本的丰富性、岩爆发生时间预警、数据处理能力等需要进一步深入研究。