汽车外后视镜造型设计分析

对于整个小汽车而言,外后视镜是设计的重难点。对此,本文研究以汽车外后视镜造型设计为切入点,重点分析了其功能、结构与造型之间的关系,并提出了具体设计方案,以此来更好地指导实践工作。     

投影寻踪分类模型在中国工业经济效益综合评价中的应用

为提高工业经济效益综合评价模型的分辨率,提出了一种有效的和通用的模型——投影寻踪分类模型.采用基于实数编码的加速遗传算法寻找最优的投影方向,同时用投影方向信息研究了各因子对中国工业经济效益综合评价的影响水平.取得了符合客观实际的分类结果.     

多参考最小二乘复频域法在轮胎试验模态分析中的应用

与传统的最小二乘复指数识别(LSCE)法相比,多参考最小二乘复频域(LSCF)法既适用于弱阻尼也适用于强阻尼密集模态系统的识别。针对某轿车用195/65R15 91V型Hankook轮胎,采用LSCF法与LSCE法进行了轮胎试验模态分析。对比结果表明,LSCF法在低频区域尤其是在模态较密集的中高频区域所提取的模态均能很好的满足模态验证准则,具有LSCE法不可比拟的优势。     

高架道路下匝道衔接交叉口 U-turn 设计方法

高架道路下匝道地面衔接路段及其衔接交叉口的交通设计是城市快速路交通设计的一个重要组成部分,为解决我国城市高架道路下匝道与地面道路衔接交叉口排队和拥堵日益严重的问题,分析了U-turn设计对交叉口车辆延误和饱和度等运行效益指标的影响,以及U-turn在改善交叉口交通安全性方面的作用。以“变交叉为交织或避免交叉和交织”为目标,分析了高架道路下匝道不同接地类型与不同U—turn形式的最佳结合方法;以交叉口延误与左转交通流路段延误加权最小为目标的最佳U-turn选择模型,给出了高架路下匝道交叉口和路段两种U-turn的设计方法。最后,以上海市某高架道路下匝道及其衔接交叉口为例进行算例分析,实施U-turn设计后,可以显著降低交叉口的饱和度,最大降幅达29％：交叉口的车均延误最大降低60％,交叉口服务水平由D级上升到C级。     

面向应用型人才培养的汽车CAD教学改革研究

为了适应社会对车辆工程专业应用型人才的需求,以工程教育专业认证为契机,针对汽车CAD课程在传统教学中存在的问题,从教学目标、教学内容、教材、和教学方式等六个方面进行了全面的教学改革.经过一年的教学实践,新的教学模式取得了良好的教学效果,为培养车辆工程专业应用型人才提供参考.     

信号控制路段行人二次过街设置标准

从时空资源利用角度和延误角度对有信号控制路段行人二次过街进行分析,在对路段行人信号配时方案设计基础上得到有信号控制条件下行人延误公式。在一定路宽、行人流量条件下,以行人延误小于其极限忍耐时间为判定标准,得出二次过街允许的机动车流量范围,在该范围内设置二次过街可兼顾道路时空资源的利用和行人安全。研究表明:与一次过街相比,二次过街可更有效利用道路时空资源,同时行人每次获得通行权所需等待时间显著减少。     

澳门莲花停车场大跨度深基坑施工技术

以澳门莲花路重型停车场为例,简要介绍大跨度深基坑施工概况及方法,对施工中的优点及不足提出建议,供以后类似工程参考。     

天津地铁2、3号线计轴故障处理及实例分析

天津地铁2、3号线采用基于无线通信的列车控制系统,并利用计轴设备作为冗余支持。试运营以来,列控系统运行总体稳定,但计轴设备故障较为常见,对正常运营秩序有一定影响。根据计轴设备构成和工作原理,分析计轴故障对行车工作造成的影响。从行车人员的角度,阐述了计轴故障的基本处置方式。并以空港站为例,具体分析了计轴故障处置过程中的关键环节和注意事项。     

工程合同模糊综合评判

如何对合同的执行情况进行评估是工程实施管理的重要工作，为此首先研究了工程合同的特点，并有层次分析法（AHP）对工程合同进行了分析，提出了评价工程施工合同的模糊数学理论模型；然后给出了工程合同施工评判和工程合同分层评判的方法和实用模型，试图为工程合同评判提供一种科学适用的方法；最后通过对实际例子的分析，证明该模型具有现实意义。     

基于深度学习方法的路面裂缝目标检测

公路和城市道路最主要的路面损坏类型是裂缝类病害。能否准确识别,尤其在众多路面信息图像中高效甄别各类表观病害,为路面技术状况评定、养护科学决策和路面病害处置提供基础数据,是当前领域研究的重难点。为此,对横向裂缝、纵向裂缝、斜裂缝长度类和龟裂、破损板面积类等典型裂缝类病害几何特征进行分析,确定了自动识别裂缝样本标注方法,构建了路面裂缝目标检测样本库,包含沥青裂缝长度类图像样本6 311个、龟裂面积类图像样本4 086个、水泥裂缝长度类图像样本37 945个、破碎板面积类图像样本7 310个。基于Faster-RCNN进行训练验证,开展路面裂缝目标检测并实现自动识别。利用北京市政道路2 000 km路面图像进行试验验证,并与路面裂缝Unet分割自动识别方法进行对比。试验结果表明,开展路面裂缝目标检测可通过提出的深度学习方法,有效提高召回率和准确率,其值高达85%以上,自动识别运行效率为12.3帧/s,与Unet分割自动识别方法对比更接近路面裂缝实际情况。