五螺杆泵型线分析及改进

简缩了传统五螺杆泵齿型实用计算,并对型线改进进行探讨.给出提高五螺杆泵性价比的方案及计算实例,以供不同生产条件之参考.     

基于CFD的空气滤清器入口结构改进设计

采用基于时均Navier-Stokes方程和高雷诺数k-ε紊流模型,对某一型号空气滤清器入口部分进行了流动计算,并根据计算结果对压力、速度特性进行了分析,提出了改进模型。通过对改进后模型的计算,可以看出内部流场和流速的分布都得到了改善,证明改进后的结构更符合气体流动特性。     

重型汽车低附着路面制动稳定性的仿真研究

文章利用trucksim重型汽车动力学仿真软件,对六轮双轴重型汽车在低附着路面左右车轮附着系数不一致情况下进行紧急制动的行驶工况进行了仿真研究。研究结果表明在低附着路面进行紧急制动时,对制动轮进行制动压力控制,有ABS控制的重型汽车比没有ABS控制的重型汽车具有更好地行驶稳定性。但在低附着路面上,有ABS控制的重型汽车比没有ABS控制的重型汽车的制动距离增加了很多,这对重型汽车的行车安全性非常不利。     

带有最优流量记忆时间差的一类新格子模型

为了分析最优流量记忆时间差对交通流稳定性的影响,本文基于考虑驾驶员估计得到的最优流量信息,同时考虑驾驶员在驾车过程中受到记忆时间的影响,给出了一类新的格子流体动力学模型.首先,基于线性稳定性理论,获得了新模型的稳定性条件;随后,通过非线性分析方法,给出该模型的mKdV方程;然后,基于求解上述方程所得到的扭结-反扭结孤立波可用于描述交通拥挤的转化和传播过程.最后,通过仿真算例验证了上述理论分析的结论,即驾驶员的记忆时间和最优流量记忆时间差能够显著影响交通流的稳定性,同时增大记忆时间步长和强度系数可以有效地增强交通流的稳定性.     

随机交通分配中有效路径的确定方法

对用于随机交通分配的三种不同路径进行了比较和分析,研究了无环简单路径的寻求方法和无环简单路径集上的随机交通分配问题。重新定义了有效路径,提出通过利用求解确定性用户均衡分配问题的迭代过程来产生有效路径的启发式方法,算例表明该方法是有效性的.     

天然岩沥青改性对沥青流变性能的影响

借助动态剪切流变仪(DSR)、低温弯曲流变仪(BBR)和Brookfild旋转黏度仪,对不同掺量的天然岩沥青改性沥青的性能进行了试验研究,分析了岩沥青改性剂对基质沥青流变性能的影响。结果表明:加入岩沥青后沥青胶结料的PG高温等级和黏度提高,抗车辙因子增大,相位角减小,大大提高了沥青的高温稳定性和降低了温度敏感性,且随着掺量的增加变化幅度增大;低温条件下蠕变劲度模量增大,低温性能有所下降,但当岩沥青掺量为2%~8%时,不会对沥青胶结料的低温性能产生大的不利影响。     

改进的遗传算法在车辆路径问题中的应用

通过对车辆路径问题的深入分析,针对遗传算法中“种群多样性”和“选择压力”两个最重要因素,对“交叉算子”和“变异算子”进行了改进,并和一般的遗传算法进行了比较,通过计算结果证明：在算法性能方面,改进的算法收敛速度较快,所求得的最优解质量较高,且计算结果稳定;在车辆配送路径方面,改进算法得到四条最优配送路线,并且四条线路没有交叉,完全形成回路,又同时满足车辆满载率的限制,而一般的遗传算法得到五条配送路线,最低装载量仅为3．1t,并不能达到车辆相应的满载率,因此,改进的遗传算法明显优于传统的遗传算法．     

孔结构对水泥混凝土性能的影响研究

介绍水泥混凝土中孔结构的分析测试方法,着重分析孔结构对水泥混凝土的力学性能、低温性能、抗渗性能的影响,探讨孔结构对混凝土的作用机理,提出了改善水泥混凝土孔结构的措施,并对今后的研究重点给出了建议。     

城市交叉口交通流特征与短时预测模型

时间尺度大于15 min的城市交通流预测模型已无法满足交通信号实时控制和交通信息实时发布的需求,通过对广州市中心区交叉路口交通流长期观察和数据采集,分析了各种时间尺度的交通流特性,提出以路口信号周期作为时间尺度,绿灯流率作为变量的ARIMA(p,d,q)短时交通预测模型。以1个和3个信号周期的时间尺度为例,对城市交叉路口不同时间段交通流进行建模和预测。结果表明ARIMA(p,d,q)预测模型结构稳定,算法简单,时间尺度为3个信号周期的预测模型可以很好地保持交通流特征,均方根误差为0.015 9,预测精度较高。     

快速城市化地区公交规划方法研究

目前中国许多地区进入快速城市化发展阶段,在长期城乡二元格局影响下,这些地区形成独特的公交需求特性.本文研究了快速城市化地区社会经济发展特性和公交统筹发展要求.根据公交线路服务特性将公交线路分为城乡公交线路和城区公交线路两类,提出了基于层次分析的快速城市化地区公共交通线网规划方法.通过张家港市公交规划的实例分析,体现出该方法适应地区发展趋势以及城乡统筹发展的战略要求.