简支变连续箱梁连续端合理受力影响分析

某特大桥上部结构为整体预制单箱双室斜腹板预应力混凝土箱梁,为使其在存放及简支等阶段连续端合理受力,并满足大型浮吊吊装能力等要求,采用有限元软件Ansys,建立空间实体计算模型,比较分析横隔板构造形式、临时支座布置间距及方式、预应力等对箱梁连续端位移及应力的影响。研究表明,箱梁连续端预制全横隔板,在中腹板位置底板下部亦布置临时支座时,箱梁端部变形平缓,抗裂性得到提高。     

出行前停车诱导系统中两阶段停车选择方法

为了同时解决机动车辆出行过程中停与行的问题,减少车辆巡泊产生的无效交通,提高出行效率,提出了服务于出行前停车诱导系统的两阶段停车选择方法.第一阶段是以停车场距目的地的步行距离、停车设施类型、有效停车泊位数、停车费用等4项指标对候选停车场进行初选;第二阶段为组合选择过程,以步行距离最短、停放可行性最高、停放成本最低、停放安全性最高、驾车至停车场行驶时间最短为优化目标,采用基于模糊偏好的多目标决策模型,为用户提供各候选停车场的决策排序.该方法求解效率高,且充分考虑驾车者意愿,适用于出行前的停车诱导系统.     

重型汽车排气制动效能优化

介绍了排气制动的工作原理,并通过分析排气制动的工作方式建立了重型汽车排气制动器制动效能的数学模型.在排气制动器上加装限压阀进行排气制动效能的优化,解决了排气制动中存在的排气门"二次开启"问题;利用试验结果验证了排气制动效能理论的正确性.     

汽油机可变气门正时技术仿真及方案分析

以一台四缸1.6L汽油机为研究对象,用GT-POWER软件建立了性能和NOx排放分析的双区燃烧一维流动计算模型,并进行了试验验证.分析了几种可变气门正时方案对发动机的影响,包括全负荷扭矩和部分负荷时的油耗、NOx排放.结果表明,依靠凸轮相位调节可使发动机外特性功率平均提高3%左右,部分负荷的油耗和NOx排放均能得到有效改善.     

基于横摆率跟踪的主动悬架前后轴控制力匹配

研究了轮胎的非线性特性、侧向力与垂直载荷耦合特性对车辆操纵稳定性的影响,发现当侧向加速度较大时,4WS对横摆率的控制作用急剧减弱,而通过主动悬架的控制能有效提高横摆率的响应.提出了基于横摆率跟踪控制的4WS和主动悬架的协调控制方法,对前后轴主动悬架控制力进行了分配,提高了大侧向加速度时的横摆率响应.转向盘角阶跃输入的仿真分析表明,该方法可获得优于4WS和主动悬架简单叠加时的综合性能.     

基于灵敏度分析的微型货车车身结构动力修改

建立了某微型货车白车身的有限元模型,利用有限元法分析了该模型一阶扭转模态固有频率对主要零件厚度的灵敏度,并对找到的敏感零件进行动力修改.路面激励的计算结果表明振动特性得到明显改善.     

考虑热变形的摩托车发动机活塞敲击模型研究

内燃机活塞拍击现象与燃烧引起的振动和噪声在时域、频域高度重合.为了研究活塞的拍击噪声,建立了摩托车发动机活塞敲击有限元模型,并在不点火状态下对建立的活塞拍击模型进行验证.由于发动机台架试验不易直接测量出活塞的拍击力,所以可通过测出缸体敲击方向一特定点的加速度与仿真分析,得到同一点的加速度对比来验证有限元.     

药物在大鼠主动脉组织及其培养细胞的细胞膜色谱研究

目的比较细胞膜色谱法中细胞膜固定相的特异性。方法分别构建大鼠主动脉组织匀浆细胞膜固定相和培养大鼠主动脉平滑肌细胞膜固定相。用细胞膜色谱法研究10种-αAR激动剂和拮抗剂的生物亲和作用,测定其容量因子并进行相关性分析。结果10种药物在大鼠主动脉组织和培养大鼠主动脉平滑肌细胞膜固定相上容量因子之间存在正相关关系,相关系数r=0.923,有极显著性意义(P<0.01)。结论用培养的细胞制备细胞膜固定相具有更高的特异性,可提高药物的保留时间,也可用于药物的高效初筛。     

车辆装载几何参数超限识别方法

为了提高超限运输检测的精度,提出了车辆装载几何参数超限识别方法。应用2个激光测距传感器分别扫描通过车辆,得到不完整的端部轮廓以及各点坐标值,根据左轮廓最小横坐标、右轮廓最大横坐标与两轮廓的最小纵坐标,计算了车辆装载宽度和高度,再经过轮廓合成,得到完整的正投影,应用光幕和光电开关构成的复合基准点判定装载长度,并与载货汽车运输超限判定标准比较。现场测试结果表明:检测误差在±3%的范围内,可以实时存储通过车辆身份,因此,识别方法精度较高,检测结果直观。     

On real reward testing

We extend the traditional nonnegative reward testing with negative rewards. In this new testing framework, may preorder and must preorder are the inverse of each other. More surprisingly, it turns out that the real reward must testing is no more powerful than the nonnegative reward testing, at least for finite processes. In order to prove that result, we exploit an important property of failure simulation about the inclusion of the testing outcomes between two related processes.