汽车动力总成结构参数敏感性研究

定义了结构参数敏感度.以整车动力总成优化为例,对影响汽车动力性及燃油经济性的动力总成结构参数进行了敏感度数学分析.针对某车型,利用AVL Cruise模拟软件绘制了敏感度曲线,得到了不同参数对性能指标的敏感度排序,并对各参数敏感度变化进行了比较和分析,从而提出了动力总成优化方案.优化后该样车的NEDC百公里油耗降低.     

干式离合器起步接合最优控制

离合器起步、换挡最佳接合规律是自动变速器的研究难点.考虑干式离合器接合过程中滑磨功和纵向冲击度这两个相互制约的性能指标,根据状态反馈原理,建立了线性二次状态反馈最优控制器和能够综合反映最小能量接合与乘坐舒适性的目标泛函.起步工况仿真结果表明,所建立的最优控制器设计合理,得到的最优控制律性能优于一般接合规律.     

变论域的进化模糊控制器

设计了一种新型模糊控制器－进化模糊控制器,其规则库由整数编码遗传算法在线调整．提出了自适应模糊控制新的调整因素：论域．仿真结果验证了设计的合理性与有效性。     

聚酯玻纤布复合沥青混合料疲劳性能

通过UTM试验系统对纯沥青混合料（BN）、复合1#聚酯玻纤布沥青混合料（BT）与复合2#聚酯玻纤布沥青混合料（BU）进行了应变控制疲劳性能试验,建立了应变与疲劳寿命的疲劳方程和累计疲劳能耗与应变的回归方程,引入能量方法对疲劳试验结果进行了分析。结果发现聚酯玻纤布复合沥青混合料疲劳性能优于纯沥青混合料疲劳性能,累计能耗与疲劳寿命相关,聚酯玻纤布能够提高沥青混合料的疲劳性能,能量法是研究和评价沥青混合料疲劳性能的有效方法。     

一种新的炮兵装备维修资源优化配置模型

文章从炮兵装备维修系统的投入产出效率出发,针对文献[4]中资源配置模型的缺点,提出采用锥结构的资源配置双目标DEA模型,并证明了双目标DEA在提高效率方面优于单目标DEA模型的性质,建立了炮兵装备维修资源优化配置模型,最后,通过对一个算例的具体分析表明,利用文中引入的锥结构双目标DEA模型可以对装备维修资源进行统筹安排和合理配置。     

SSCV Ⅱ半潜式起重海洋平台流场数值模拟

以Raffles SSCV Ⅱ半潜式起重平台为研究对象,应用数值方法,对两个不同水线面外形方案的风载进行了预报,通过对风洞模型风载试验结果的验证可知,数值计算结果可信,并进一步应用该数值方法对2个方案的绕流场进行了分析,研究了Raffles SSCV Ⅱ半潜式起重海洋平台立柱外形差异对绕流场及风载产生的影响.所建立的数值方法可为海洋平台风载预报提供新的手段,关于海洋平台立柱外形对风载影响的分析结果可为相关海洋平台设计提供参考.     

太仓港区发展集装箱运输竞争力策略

为使太仓港区建设成为上海国际航运中心北翼集装箱干线港和长三角地区江海联运重要枢纽,概述太仓港区发展集装箱运输的基础与条件,分析太仓港区发展集装箱运输的影响因素,并提出太仓港发展集装箱运输的对策建议：构建战略联盟;建立高效的物流辅助系统;建设物流园区。     

新的轮式驱动电动车电子差速控制算法的研究

提出了一种用于轮式驱动电动车的电子差速控制算法,将转弯时转矩分配计算和基于车轮滑移率的开关控制相结合,对车辆左右驱动轮输入不同的转矩,同时根据轮胎偏转角的变化率确定目标滑移率。仿真研究证明,与采用机械差速器相比,新的电子差速控制系统鲁棒性好,车辆的驾驶更安全平稳,并能获得更优异的转向性能和更快的响应特性。     

高速公路路堤下暗挖隧洞施工引起的路基沉降实例分析

在高速公路路堤下进行暗挖隧洞施工将不可避免地对围岩产生扰动,从而引起地层位移和路基沉降,过大的路基沉降将影响高速公路的正常运营,因此分析和控制路基沉降是高速公路路堤下隧洞设计与施工的难点和重点.以黔东火电厂排洪及供水隧洞为实例,采用FLAC3D软件分析了隧洞施工对高速公路路基沉降的影响特点.计算结果表明,加强超前支护是控制地层位移和路基沉降的有效手段,采用大管棚及超前小导管注浆技术能有效控制路基沉降并保证高速公路正常运营.在隧洞施工过程中对路基沉降进行了详细监测,监测结果表明隧洞开挖对高速公路路基有一定扰动,但对高速公路正常运营基本无影响.     

基于双路神经网络融合模型的高速公路雾天检测

高速公路天气状况实时监察对于高速行车安全具备重要意义,然而气象检测只能对大范围区域的气象情况进行预报,不能满足高速行车各个路段气象情况实时检测的需求. 为此,提出一种基于双路神经网络融合模型的高速公路雾天检测算法. 该算法基于双路深度神经网络融合模型,提取雾天图像的可视深度图以及暗通道图像两种视觉特征,并利用深度神经网络进行建模,获得初步分类结果;然后,再利用均值融合层进行分数融合. 为了全面评测该算法的性能,构建了一个覆盖多个省份高速公路的视频监控雾天数据集（express way fog detection dataset,EWFD）,该数据集能够全面涵盖国内高速公路的天气情况,并在该数据集上做了全面的分析对比实验. 实验结果显示,本文所提出的双路神经网络融合模型的雾天监测算法取得了93.7%的准确率,与国际前沿的检测分类算法101层残差网络（ResNet-101）相比,本文提出的算法准确率提高了10%以上.