共查询到20条相似文献,搜索用时 31 毫秒
1.
<正>本文所说的"不规范驾驶操作引起的故障",是指由汽车及其零部件非自然磨损、断裂、失调和变质等原因引起的故障。在维修实践中,不少汽车故障的产生并不是因为机械装置或者修理环节存在问题,而是由使用者驾驶操作不当引起的。为此,汽修人员需要进行甄别,必要时应向送修人员解释清楚。一、蓄电池短期亏电现今驾驶人员驾车出行携带的生活电器越来越多,为此汽车上安装了各式各样的电源输出接口(图1),为驾乘人员取电提供了极大的方便,点烟器是其中之一。点烟器(俗称"雪茄 相似文献
2.
3.
洗衣粉,顾名思义是专门用来清洗衣服的。但是如果用洗衣粉水溶液来清洗汽车蓄电池桩头氧化物,效果颇佳。汽车在使用过程中,蓄电池桩头与卡子之间经常生成氧化物,造成导电不良。所以,驾驶 相似文献
4.
经过“十·五”期间对镍氢动力蓄电池、锂离子动力蓄电池为代表的先进动力蓄电池的关键技术攻关和“十一·五”期间以产业化为目标的动力蓄电池系统及关键原材料的产业化技术研发。动力蓄电池的技术水平得到了很大的提升.我国动力蓄电池技术水平的迅猛发展得到国际社会的高度关注和认可。自主研发出混合动力汽车用高功率型动力蓄电池和纯电动汽车用高能量型动力蓄电池。 相似文献
5.
<正>3.带高压蓄电池的高压车载电气系统奔驰EQE中使用大功率的高压蓄电池。采用10个模块的设计,适用于新款奔驰EQE不同的电机输出功率和可达里程。高压蓄电池可用的总能量为90.56kWh并且位于底板中。通过高压蓄电池进行纯电动驾驶可实现545~660km的里程(WLTP),范围取决于蓄电池类型和电机的型号。 相似文献
6.
7.
8.
9.
为研究脑机接口(BCI)在交通运输中的应用,减少因疲劳驾驶导致的交通安全事故,提出基于前额脑电(EEG)信号多尺度小波对数能量熵的驾驶疲劳检测方法。首先,设计驾驶仿真模拟试验,利用脑电帽采集26名被试清醒驾驶和疲劳驾驶的前额EEG信号,试验过程中,使用主观检测方法每隔20 min对被试进行问询;其次,应用MATLAB对采集到的EEG数据进行预处理,基于2种驾驶状态形成被试初始样本数据集;进而,在该数据集基础上,利用多尺度熵的概念,提取EEG信号小波对数能量熵(WLE)特征,同时提取经典模糊熵(FE)特征进行比较分析;然后,运用极限学习机(ELM)对提取的特征数据集进行快速有效的精准分类,并使用留一交叉验证法进行验证评估;最后,对比经典FE分类表现,并结合多种性能指标对驾驶疲劳检测结果进行综合比较。研究结果表明:在本文试验条件下,基于多尺度WLE(MWLE)的前额EEG疲劳识别率显著高于基于多尺度FE(MFE)的识别率,其理论平均正确率达91.8%;基于多尺度熵的EEG信号特征提取方法能有效提高驾驶疲劳识别效果和算法效率;多种性能指标表明前额EEG的WLE可以作为衡量驾驶疲劳的有效生理指标;结果验证了采用基于ELM对MWLE的前额EEG信号进行驾驶疲劳检测方法的有效性和实用性,有助于促进可穿戴BCI在疲劳驾驶预警中的应用。 相似文献
10.
随着汽车向“新五化”发展,动力、底盘、车身、座舱、驾驶辅助等各域电气化程度越来越高,汽车电子元件数量大幅度增加,加上用车场景的复杂化,使得整车电气系统设计变得非常复杂,故正向的整车物理架构设计和关键的电平衡设计变得异常重要。文章简要阐述了整车物理架构开发流程,对每一步骤的工作内容和输出物进行简要说明;以某款重型商用车为例着重介绍了整车电平衡设计的方法。对整车而言,发电机、蓄电池以及整车用电器供电及用电是一个相互平衡的过程,电平衡计算即是确保这一过程:以满足启动、储运、供电、充电、驻车运行等多项性能和场景化功能为前提,围绕蓄电池和发电机选型开展设计。合理设计整车电平衡性能,不但可保证车辆电源系统的安全可靠,还可指导零部件选型,有效降低发电机、蓄电池等零部件的成本,增加蓄电池等零部件寿命,降低整车油耗。[1] 相似文献
11.
12.
13.
随着汽车科技的发展,越来越多的辅助驾驶设备被装配在汽车上,它们不仅可以大大减轻驾驶者的负担,让驾驶变得更为轻松,同时更可以辅助减少违章行为的发生,使汽车驾驶变得更加安全。 相似文献
14.
为了准确预测纯电动客车蓄电池的荷电状态(SOC),提出了基于广义生长剪枝径向基函数(GGAP-RBF)神经网络的多参数纯电动客车蓄电池SOC预测模型.首先以蓄电池端电压、放电电流、环境温度和循环次数作为神经网络输入参数建立GGAP-RBF神经网络蓄电池SOC预测模型,然后以不同放电倍率、环境温度和循环次数的蓄电池放电试验数据作为样本对模型进行训练,并建立了蓄电池仿真模型和纯电动客车整车仿真模型,最后进行了城市道路循环行驶工况(UDDS工况)下单体蓄电池放电试验和纯电动客车40 km · h-1等速行驶续驶里程试验研究.结果表明:UDDS工况下,SOC预测值与试验值的均方根误差为0.026 4,平均绝对误差为0.020 6;纯电动客车40 km· h-1等速行驶工况下,SOC预测值与试验值的均方根误差为0.039 9,平均绝对误差为0.031 3;表明所建立的蓄电池SOC预测模型在各种工况下均能精确预测蓄电池SOC. 相似文献
15.
越来越多的人开始将驾驶当作爱好,而不再只是一种谋生的技能。毫无疑问,这些人对驾驶技巧具有极其浓厚的兴趣,并希望在这方面有所见长。那么,我们该如何练成真正的驾驶高手呢?宝马精英驾驶培训是实现目标的捷径之一。 相似文献
16.
针对现有端到端自动驾驶模型未考虑驾驶场景中不同区域的重要性和不同语义类别之间的关系而导致预测准确率低的问题,受驾驶人注意力机制和现有端到端自动驾驶模型的启发,充分考虑驾驶场景的动态变化、驾驶场景的语义信息和深度信息对驾驶行为决策的影响,以连续多帧驾驶场景的RGB图像为输入,构建一种基于注意力机制的多模态自动驾驶行为预测模型,实现对方向盘转角和车速的准确预测。首先,通过语义分割模型和单目深度估计模型分别获取RGB图像的语义图像和深度图像;其次,为剔除与驾驶行为决策无关信息,以神经科学和空间抑制理论为基础,设计一种拟人化注意力机制作为能量函数来计算驾驶场景中不同区域的重要度;为学习语义图像中与驾驶行为决策最为相关类别之间的关系,采用图注意力网络(Graph Attention Network,GAT)对驾驶场景的语义图像进行特征提取;然后,以保留RGB特征为原则对提取的驾驶场景的图像特征、语义特征和深度特征进行融合,采用卷积长短期记忆网络(Convolutional Long Short Term Memory,ConvLSTM)实现融合特征在连续多帧之间的传递,进而实现下一帧驾驶场景对应驾驶行为的预测;最后,与其他模型的对比试验、消融试验、泛化试验和特征可视化试验来充分验证所提出自动驾驶行为预测模型的性能。试验结果表明:与其他驾驶行为预测模型相比,所提出模型的训练误差为0.021 2,预测准确率为86.97%,均方误差为0.031 5,其驾驶行为的预测性能优于其他模型;连续多帧的语义图像和深度图像、拟人化注意力机制和面向语义特征提取的GAT有助于提升驾驶行为预测的性能;该模型具有较好的泛化能力,其做出驾驶行为预测所依赖的特征与经验丰富的驾驶人所关注的特征基本一致。 相似文献
17.
18.
作为近年来智能网联汽车领域的研究焦点,生态驾驶旨在提高驾驶安全的基础上,通过改善驾驶行为,有效缓解能源消耗和污染排放等问题,引起了各国政府、企业、高校和研究机构等的高度重视。同时,随着智能网联车辆技术的迅速发展,网联环境为生态驾驶提供了新的发展契机。为了分析智能网联车辆生态驾驶的研究进展,通过与传统生态驾驶进行对比,从车辆自身特性、驾驶人个性、道路交通状况与社会条件4个方面分析了智能网联环境下的生态驾驶的影响因素;从生态驾驶控制策略和生态驾驶应用现状2个方面对现有智能网联生态驾驶研究进行了归纳与分析;并从影响因素、控制策略和决策优化3个方面讨论了生态驾驶的意义、应用与目前所存在的问题,致力于为未来的相关研究提供有益的指导与借鉴。分析结果表明:智能网联环境下的生态驾驶和传统生态驾驶的影响因素较为相似,不过网联传感器和通信条件对智能网联环境生态驾驶有着较为显著的影响;相较于传统生态驾驶,智能网联环境下生态驾驶的控制策略与决策优化多考虑复杂驾驶工况、多车级别的全局生态驾驶;且由于各种新型技术的快速发展,结合先进的技术、适应行业发展需要也将成为未来智能网联生态驾驶发展的必然趋势。 相似文献
19.
蓄电池的正确使用①蓄电池的拆装。在车上拆装蓄电池时,首先断开车上全部用电设备.用合适的工具拆装极柱螺栓,不要硬撬硬砸;拆卸蓄电池时,应先拆蓄电池的负极柱连接线,然后再拆下正极柱连接线;安装蓄电池时,应按照相反的顺序。整个拆装过程中,要避免工具和金属物品同时接触蓄电池极柱;在断开蓄电池连接线前,必须先查看点火开关是否在关闭状态下, 相似文献