汽车空气阻力系数CD值的测试

论述现用风洞试验测试汽车空气阻力系数存在的问题，介绍一种新的汽车空气阻力系数测试方法。     

用滑行试验法测定汽车空气阻力系数研究

测定汽车的空气阻力系数对开发汽车产品具有非常重要的意义，较详细地介绍了用道路上的滑行试验测定汽车空气阻力系数的理论基础，道路试验方法及数据处理方法，并给出了松花江中意HFJ6351C型微型客车的空气阻力系数的试验数据，研究表明，采用滑行试验法测定汽车空气阻力系数远比采用风洞法简单方便，且费用低廉。     

汽车空气阻力系数的试验测定法

阐述了应用道路滑行试验法测定汽车空气阻力系数的理论基础、试验方法和数据处理方法;建立了汽车滑行阻力的数学模型,分别给出了所建数学模型的最小二乘法的解和定积分法的解;对国产某型自卸车进行道路滑行试验,根据试验数据对所建立的数学模型求解,得出了其空气阻力系数值。将试验车辆滑行阻力数学模型计算所得的滑行时间与道路试验值相比,结果表明,所建滑行阻力模型的计算精度较高。     

基于道路试验的汽车滚动阻力和空气阻力系数计算方法研究

基于实车道路滑行试验数据,采用两段滑行试验法计算汽车的滚动阻力系数和空气阻力系数。通过在相同条件下车辆的低速滑行试验数据计算所得系数对上述计算结果进行初步判定,证明了两段法计算结果的合理性。采用多车速滑行试验法和功率法对两段法计算结果进行验证,证明了采用两段滑行试验法计算汽车滚动阻力系数和空气阻力系数的正确性。     

测定汽车滑行阻力系数的方法

从汽车滑行运动微分方程入手，经过积分推导出滚动阻力系数和空气阻力系数与滑行初速度、滑行总时间和滑行总距离之间的关系，用滑行过程中3个瞬时点的记录参数组成方程组，再用MATLAB求方程组的数值解，即可求出汽车的滚动阻力系数和空气阻力系数。本方法只需一次滑行试验，既方便易行，又比较准确。     

基于改进GA-BP的模糊神经网络在高速公路交通量预测中的研究

科学准确预测运营期高速公路通行量能够对运营决策提供关键性支撑,同时,对高速公路路网建设规划、国民经济评价及投资效益分析也至关重要。人工神经网络算法能够映射高速公路交通量产生与变化的非线性和复杂性规律。为了提高传统BP网络高速公路交通量预测精度,提出了改进算法,通过遗传算法优化网络初始权重,引入峰值理论和模糊算法提高网络模型对较大流量的预测准确度;将优化算法应用于网络模型,建立了基于改进GA-BP的模糊神经网络高速公路交通量预测模型;模型应用于太原市绕城高速公路长风东收费站交通量预测,将预测值与实际统计值进行对比;应用结果验证了改进神经网络模型的有效性和准确性。     

汽车滑行试验及阻力系数测定

在分析汽车行驶阻力特性后,建立了含有滚动阻力系数、空气阻力系数和传动系效率4个未知系数的车辆滑行运动微分方程,并经过积分推导出此4个未知系数与滑行速度、滑行时间和滑行总距离之间的关系。按照GB/T12536—1990《汽车滑行试验方法》对试验车辆进行了滑行试验,并根据试验数据,用MATLAB的符号微分方程求解法,求解出车辆滑行阻力模型的主要参数:滚动阻力系数、空气阻力系数、传动系效率。本方法方便易行又比较准确。     

平均风环境气动阻力系数

平均风环境气动阻力系数CD^-(VT)比传统的气动阻力系数更客观地表征汽车的气动性能。本文讨论了提出平均风环境气动阻力系数的背景、平均风环境气动阻力系数的概念，推导了平均风环境气动阻力系数的简便计算方法。     

基于BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

基于BP神经网络的发动机排放预测

选用运转参数中的转速和功率(负荷)为变量,对丰田Prius混合动力电动汽车的发动机进行了神经网络排放建模。通过对建立的BP网络进行训练和测试,模型能较好地预测排放性能,并对排放的实时测量和控制提供了一定的依据。     

基于BP神经网络的AGV防撞预测方法研究

在AGV(Automated Guided Vehicle)运行过程中,建立BP神经网络预测模型,对周围环境的智能移动体的运动轨迹进行综合动态预测和评估,结合纳什均衡理论建立移动机器人运动决策模型,使得AGV在运行过程中建立类人判断的能力即考虑AGV和其他移动智能体的相对位置的关系,对其他的移动智能体的预测价值可以有效的评估。文章通过构建动态博弈模型求解灰色碰撞概率,可以高效的为AGV防撞提供合理的参考。     

灭火智能车辆PID控制方法研究

为满足灭火智能车辆在火灾现场所需的精确运动要求和技术性能,充分利用BP神经网络能够逼近任意非线性系统的优点,将BP神经网络和PID控制相结合,把训练后的网络输出作为PID控制器输入,并不断调整其P、I、D参数,进而调整控制器的输出电压以控制灭火智能车辆的速度。     

基于BP神经网络的电动车电子差速器设计

针对双电机独立轮式驱动电动汽车,介绍了一种汽车行驶数据测量系统;考虑汽车转向行驶时内、外侧车轮转速与转向角和车体速度之间的非线性关系,提出了一种新型结构的基于BP神经网络原理的电子差速方案;设计了训练和在线计算算法,并编写了C语言计算机程序;仿真验证了该差速器的可行性。     

基于BP网络动态预测预报轻轨隧道围岩位移

分别利用ANSYS有限元程序动态施工反演分析方法和BP网络的方法,进行轻轨隧道围岩的位移预测预报,计算结果表明,基于BP网络的方法不仅克服了有限元反演分析方法的不足,而且能综合考虑隧道围岩节理、裂隙等对围岩位移的影响,为适时地进行围岩支护提供理论依据。     

基于神经网络实现交叉口多相位模糊控制

根据城市交叉口交通流的特点，给出了一种交叉口多相位自适应控制算法，综合考虑相邻车道上的车队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制。仿真结果表明，所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误，具有较强的学习和泛化能力。     

基于遗传神经网络的货运量预测的研究与实现

针对BP网络和遗传算法的缺陷，提出了一种新的遗传神经网络优化模型，可以用来同时优化BP神经网络的网络结构和权值阈值，叙述了该算法的设计过程。利用该算法对货运量进行预测，并与标准的BP算法预测结果进行比较，计算结果表明，该算法的预测精度大大高于标准的BP算法的预测精度。     

基于改进BP神经网络的柴油机故障诊断研究

根据柴油发动机故障与征兆之间关系来建立一种采用BP算法前馈型神经网络结构,然而采用标准BP算法对神经网络训练进行训练,但存在收敛速度慢等问题。因此,又采用添加动量项和自适应学习速率两种方法对标准BP算法进行改进,并将改进的BP算法运用于神经网络训练,结果表明改进的BP神经网络能够改善收敛速度慢的缺点,而且预测故障效果较好。     

基于GA-BP算法的工程船舶建模研究

工程船舶由于自身没有动力,其运动过程是一个复杂的非线型系统,因受到环境等因素的干扰,很难对工程船舶特点建立一个理想的运动过程的数学模型.文章利用遗传算法的全局寻优特点来优化BP神经网络的连接权系数,很好地解决了这个问题.经训练后的模型仿真实验得到了很好的证实.