一种新型小型单轨游览车牵引悬挂装置

随着跨座式单轨火车的发展,部分小型单轨高架游览车车厢较小,车厢重量较轻,采用的单节车厢设置一个转向架的结构,现有的单轨车牵引悬挂系统不适用于此类结构,故本文基于该状况,设计开发一种新型小型单轨游览车牵引悬挂装置。     

6缸柴油机改用单排气总管的模拟计算与实验研究

某车用柴油机改型为船用,排气管相应地由风冷改成水冷。本文对原机进行了模拟计算和实验校核。在此基础上,对改用水冷单排气总管的机型进行模拟计算,对排气管结构,进、排气阀正时对柴油机运行的影响进行了分析。实验研究表明：采用单排气总管增压系统,新的机型能够满足功率要求,在低工况下燃油经济也较好。     

Sensorimotor self-learning model based on operant conditioning for two-wheeled robot

Traditional control methods of two-wheeled robot are usually model-based and require the robot’s precise mathematic model which is hard to get. A sensorimotor self-learning model named SMM TWR is presented in this paper to handle these problems. The model consists of seven elements: the discrete learning time set, the sensory state set, the motion set, the sensorimotor mapping, the state orientation unit, the learning mechanism and the model’s entropy. The learning mechanism for SMM TWR is designed based on the theory of operant conditioning (OC), and it adjusts the sensorimotor mapping at every learning step. This helps the robot to choose motions. The leaning direction of the mechanism is decided by the state orientation unit. Simulation results show that with the sensorimotor model designed, the robot is endowed the abilities of self-learning and self-organizing, and it can learn the skills to keep itself balance through interacting with the environment.     

新能源公交车辆大数据决策支持平台的研究

新能源汽车具有能源利用效率高、环境污染小、适用清洁能源种类多、噪声低、方便保养、安全性高等优点,成为未来公共交通发展的重点方向。为了实现更高的信息化程度,为国内大型城市的新能源公交车辆的规模化应用提供便利,相关的信息化系统平台的建设非常重要。大数据技术为新能源公交车辆决策支持平台建立了数据分析与应用基础,该大数据决策支持平台能够存储、处理来自不同数据源的多维数据,利用联机分析处理实现多维度数据分析,运用数据挖掘技术利用新能源公交车辆信息,提供新能源车辆充电决策、充电场地建设决策、电池容量及衰退分析等功能。     

地铁车站站台火灾影响分析与人员疏散研究

掌握地铁车站站台火灾对人员的危害性及其发展规律是确保安全运营和人员高效疏散的前提.本文在计算流体动力学的基础上,结合Pyrosim仿真软件构建地铁车站站台火灾仿真模型.分析了站台内火灾烟气的扩散规律,并在此基础上根据热释放速率、火源数量及位置,以及排烟速率的不同设计火灾场景,探索这些因素变化对火灾发展的影响,并结合通风策略对人员疏散时间和速度进行比较分析.所得研究结论为站台火灾发生时的应急措施和人员疏散提供依据.     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

轿车万向节星型套精锻集成智能设计系统

研究了轿车万向节星型套集成智能设计系统的开发过程。利用专家系统与神经网络相结合的智能技术建立了GC/GD-ANN-ES集成智能设计系统模型。采用CSG树方法进行星型套锻件几何造型;利用规则与框架相结合的方法建立子知识库,并通过黑板推理与正向推理相结合的推理机制建立了ES子系统;应用模糊神经网络技术进行了回弹量预测。通过实际生产验证了集成智能设计系统的可靠性。     

基于PCA-Elman-PSO算法的动力电池低温充电优化

为研究低温下电动汽车电池的充电性能,通过在不同温度下对电池进行充放电试验,获取大量试验数据,分析低温环境下影响电池充电性能的因素。通过PCA算法对众多影响因素进行降维处理,得到主要的影响因素。建立PSO-Elman神经网络模型,用于估计锂离子电池低温充电能耗。基于此基础上,利用PSO算法对传统充电CC-CV充电方法进行优化,在达到充电截至电压前,采用粒子群优化算法得到最优充电曲线的近似值,将充电时的能量耗及充电所用时间作为优化目标构建粒子群优化算法的适应度函数,用粒子群优化算法进行迭代优化。仿真测试结果表明,优化后的充电策略能有效减少锂电池低温充电时间和能量消耗。     

基于有限理性满意决策原则的出发时间选择模型

通过对交通行为建模的经济学假设进行分析,认为经济学研究方法可以应用于交通科学,但完全理性假设不符合交通行为的决策规则。为此,引入有限理性满意决策原则构建出发时间选择模型。建模的基本思路是设定驾驶员决策目标为满意到达时间,将决策范围限制在满意的最早和最晚到达时间所构成的效用区间,寻求区间效用最大化。     

车用抗菌材料

随着人民生活水平的日益提升,用户越发关注车内的安全与健康。汽车内饰零件合理选用抗菌材料,采用合适的测试方法进行验证并判定,是车用抗菌材料开发的关键所在。文章介绍了抗菌材料的机理和检测方法,并通过摸底测试全面探究了车用抗菌材料的行业现状。结果表明,原材料中添加抗菌剂对塑料的抗菌性能起着决定性作用,但却对织物面料影响甚微。此外,对车用抗菌材料的成本上涨原因进行了详细解析,并展望了车用抗菌材料的应用前景。