异步真空预压法处理超软土的室内试验及机理*

针对真空预压处理超软地基过程中出现的排水板滤膜外土颗粒聚集现象,提出并通过室内试验研究一种新型真空预压方式——异步真空预压法。该法对相邻的竖向排水体在同一时间下施加不同的真空度,实现对超软土的异步真空吸水预压,缓解因土颗粒单向迁移造成排水体滤膜及膜外土体的淤堵。通过室内试验发现,真空度调节对真空预压的处理效果具有明显影响,同时,异步吸水真空预压排水量是常规真空预压的1.1倍,效果优于常规真空预压;通过对异步真空预压法的机理分析,认为异步真空预压法可保持零速面移动范围内的细颗粒含量,防止细颗粒的过量迁移,有助于缓解超软土的固结排水中的淤堵问题。     

干部带车的科学方法

干部带车作为落实安全管理规定的具体措施,已成为部队车辆管理工作的一种制度。实践证明,干部带车是加强军车运行管理的有效手段．是预防车辆事故、促进行车安全的重要举措。带车看似简单,实则不然．它是一项十分复杂而又细致的工作,是一门学问。     

老年人驾车出行转移行为影响因素分析

我国老龄化进程不断加快,公安部于2020年发布取消小型汽车驾驶证申请70周岁上限,老年人群的驾车出行行为备受关注。提出结构方程模型与贝叶斯网络的综合分析方法：以结构方程模型验证老年人转向驾车出行意向的社会认知理论因素,结合机器学习领域的贝叶斯网络计算输出关键决定因素并量化因素间的关系强度。研究结果表明：约16%的老年人有高水平的驾车出行转移意向;态度、主观规范与自我效能感对驾车出行转移意向产生的影响力最大;当老年人的自我效能感和态度由低状态变为高状态时,转移意向的高状态发生概率呈现约185%和265%的增长幅度。这有助于了解老年人的驾车心理需求,为预测未来高龄驾驶群体规模提供思路。     

取样剪切对管输原油流变性的影响

通过实验及理论分析,系统研究了取样剪切对管输原油流变性的影响,根据鲁宁线运行工况,计算了阀门节流剪切及过泵剪切时剪切率的大小.对于鲁宁线,在同一泵站,出站处阀门节流平均剪切率是过泵平均剪切率的3倍左右.     

整车制动性能主观评价方法研究与应用

在车辆开发测试阶段,从客户实际用车角度出发,遵循顾客的车辆驾驶习惯,对整车制动性能进行主观评价,分别对制动人机工程、制动踏板感、制动效能、制动方向稳定性、制动热稳定性、制动振噪6个维度进行主观评价,从车辆开发早期阶段参与同步开发评价,联合客观测试试验,对车辆制动性能开发提出改善方向及意见。     

基于蚁群算法优化的EPS系统PID控制

汽车电动助力转向系统是一个非线性时变的复杂系统,在对它进行控制时,单独采用常规PID控制难以达到平稳准确的效果,在此加入蚁群算法(ACO)对其进行优化而得到稳定的最优参数解.根据车辆动力学关系,建立了两自由度整车模型、电动助力转向系统模型以及带有蚁群算法优化的PID控制器模型.通过Matlab,对该模型进行仿真分析.仿真结果表明,蚁群算法和PID控制的结合,使系统控制更精确、运行更加平稳.     

基于半车模型的悬架与ABS系统协调控制研究

运用模糊控制和滑模控制方法分别对半主动悬架系统和防抱死制动系统进行控制,建立了半主动悬架和防抱死制动系统的联合仿真模型,同时建立协调控制器对制动系统和悬架系统进行协调控制,仿真结果表明车辆性能参数得到了有效改善。试验结果表明,车辆制动减速度增加15%,距离和制动时间分别得到13.86%和11.38%的减小,车身俯仰角和质心垂直振动加速度分别有18.1%和16.2%的减小,试验验证了仿真模型的正确性和协调控制策略的有效性。     

汽车主动悬架与电动助力转向系统自适应模糊集成控制

建立了包含转向运动模型、俯仰运动模型和侧倾运动模型的汽车整车模型,在设计了电动助力转向系统PD控制的基础上,构建了基于自适应模糊控制的汽车主动悬架与电动助力转向系统集成控制器,当控制系统偏差变小或变大时,调整因子总能保证系统稳定,便于工程应用。计算结果表明,该自适应模糊集成控制策略,既保证了车辆操纵轻便性,又显著提高了整车操纵稳定性、安全性和行驶平顺性等整车综合性能。     

采用64线激光雷达的实时道路障碍物检测与分类算法的研究

针对64线激光雷达数据量大,导致无人自主车的障碍物检测实时性差的问题,提出一种兼顾有效性和实时性的目标检测和分类算法。该算法首先通过多特征多层高度地图分离路面、障碍物和悬挂物;然后采用基于动态距离阈值的网格聚类算法对障碍物进行聚类,并结合相邻两个障碍物的运动状态信息对聚类结果进行修正,提高聚类的准确率;最后使用SVM对障碍物进行检测和分类。实验结果表明:该算法最优识别率达89.77%,耗时约为95 ms,在保证检测和分类准确率的基础上,满足无人自主车在道路行驶时检测障碍物的实时性要求,具有显著的工程实用价值。     

用于智能驾驶系统评价的乘员损伤模型

只有较少的交通事故数据资源被用于建立基于碰撞速度信息的乘员损伤模型,致使所得到的模型精度差。为此,提出了基于车辆变形深度的乘员损伤模型。对美国不同制造年代和车辆级别的事故数据进行聚类分析,论证出车辆变形深度与乘员损伤风险具有相关性。以车辆变形深度为自变量,通过回归分析得到乘员损伤模型。不同种类车辆的乘员损伤模型拟合精度R²约为0.9,证明了该模型的正确性。为进一步验证,以此模型为基础,评价智能驾驶系统的有效性。以自动紧急制动系统为例,对比基于变形深度和速度变化量信息2种方法的有效性计算结果。结果表明：2组结果的平均误差不超过1%,验证了基于变形深度的乘员损伤模型的准确性。该模型仅需要事故数据库中准确的变形深度信息,能够获得更多的事故数据支持,从而可以更好地适应于不同类别智能驾驶系统的评价需求。