基于壁面加热功率回归模型的车用电子水泵控制策略研究

为了提高车用电子水泵对发动机温度控制效果的稳定性,提出了一种基于温差的PID控制与壁面加热功率回归模型补偿的控制策略.通过对影响发动机当前工况产热量的相关参数进行分析,建立非线性回归模型作为水泵转速的实时补偿值,以改善温度响应延迟的缺点,在AMESim中建立整车和冷却系统模型并进行了仿真验证,结果表明:相比于单一的温差...     

悬挂式单轨交通水平曲线地段设备限界加宽研究

悬挂式单轨交通主要适用于道路狭窄或者建筑密度大的特殊地区,通常这些地区设置曲线段较多。曲线段的设备限界直接影响工程可行性、工程投资以及行车安全等问题。悬挂式单轨交通系统与传统轨道交通系统差异较大,目前国内外暂无可直接利用的限界相关规范和标准,为此,以德国H-BAHN型悬挂式单轨车辆为例,通过对车辆结构的分析研究,进而分析水平曲线地段的设备限界加宽因素和计算公式,并采用研究的相关公式计算得出曲线段内侧和外侧的加宽量。     

公务船海上靠帮碰垫选型浅析

公务船在海上执行任务过程中,会进行人员换乘或物资补给,两船靠帮后的人员换乘和靠帮补给是最直接的方式,而在两船靠帮过程中,碰垫的选择对安全靠帮起着重要作用.该文旨在通过分析研究运输船常用的靠帮碰垫计算和选型方法,根据公务船靠帮作业的特点,并结合碰垫的类型,给出公务船碰垫的选型计算方法,同时对两船靠帮时碰撞能量计算公式的选择提出指导性建议.     

半潜起重平台双吊联合吊装方式对比

简述国内半潜起重平台的发展情况,并总结影响双吊联动回转作业的主要因素。以Zeelandia平台吊装Spar上部模块为研究对象,重点阐述吊物方向角不变和吊臂提升角不变2种回转方式的主要特点和具体操作流程,并在此基础上探讨2种方式各自的优缺点和两者结合的必要性。提供的解决方案既可为Zeelandia平台的尺寸优化和总布置改进等后续工作的开展提供基础,又可为其他起重平台海上联合吊装作业研究提供参考。     

公路工程计量及变更的工作要点及注意事项

主要对我国现阶段的公路工作计量工作进行科学的研究,从公路计量核算工作的现状、公路工程计量及变更工作的制度规范、公路工程计量及变更工作目标的设立等多方面进行了分析,最后提出了在我国现阶段公路工程计量及变更的工作中的工作要点以及在当前我国公路工程计量及变更的正常工作中需要重点注意的事项。     

基于雨量光线传感器的雨刮灯光智能控制系统

本文介绍一种车辆雨刮灯光智能控制系统,基于系统雨量光线传感器的雨量大小及光照强度的信号采集,增加雨刮AUTO开关和灯光AUTO开关,通过车身控制器对开关信号、雨量大小及光照强度的判断,实现手自一体的智能灯光雨刮控制功能。系统智能化程度高,有助于减少驾驶员的重复手动操作,提高车辆的驾驶舒适度。     

吹填层厚度对疏浚淤泥沉积特性影响的试验研究*

疏浚泥向堆场内吹填的过程中，宜分层进行，吹填厚度的选择直接影响疏浚泥在堆场内的沉积。利用不同高度的沉降柱，对同一含水率的泥浆进行沉积试验，研究泥浆高度对于泥浆沉积规律的影响。结果表明，在相同初始含水率情况下，较低的泥浆高度易于使泥浆发生固结沉降，泥浆高度较高则易于发生阻碍沉降；泥浆高度对于阻碍沉降模式下沉降速率的影响较小，沉降阶段持续时间与泥浆高度呈正相关；泥浆高度越高，沉积物平均含水率越小，且随着泥浆高度的增加，沉积物平均含水率趋于稳定。在本次研究范围内，当泥浆高度达到40 cm以上，沉降速率和沉积物含水率趋于稳定，沉降模式不再发生变化，泥浆高度对沉积规律的影响较小。     

数据驱动跟驰模型综述

车辆跟驰模型是被交通科学与交通工程领域广泛认可的微观交通流模型，是交通流理论 的基础。近年来，信息感知与获取、大数据、人工智能等技术快速发展，推动了数据驱动跟驰模型 的快速发展。数据驱动跟驰模型，是以真实的车辆行驶数据为基础，利用数据科学与机器学习等 理论和方法，通过样本数据的训练、学习、迭代、进化，挖掘车辆跟驰行为的内在规律。本文系统 回顾了数据驱动跟驰模型在过去20余年的发展历程以及由神经网络和深度学习带动的两次研究 热潮，归纳了基于传统机器学习理论的跟驰模型、基于深度学习的跟驰模型、模型与数据混合驱 动的跟驰模型3类数据驱动跟驰模型，并分别介绍了其中的典型代表。分析数据源发现，尽管各 种高精度轨迹数据不断涌现，目前研究仍多使用美国于2006年发布的Next Generation Simulation (NGSIM)高精度车辆轨迹数据，模型的可移植性和泛化能力值得思考与研究。提出关于模型输 入、输出的3个问题：如何考虑更多驾驶行为变量，是否有必要考虑更多行为变量，现有输入、输出 是否可替换。在模型测试与验证方面，发现并讨论了目前测试不充分、对比不完整、缺少统一测 试集与测试标准等问题。最后，探讨了数据驱动跟驰模型原创性与成功的关键因素等问题。期 望通过本文的梳理，帮助研究者更好地了解数据驱动跟驰模型的过去与现状，促进相关研究的快 速发展。