单元双块式无砟轨道支承层假缝设置优化

单元双块式无砟轨道支承层假缝与道床板伸缩缝对齐设置能够有效引导支承层裂缝发展,但伸缩缝位置轨道结构竖向抗弯刚度较小,列车通过时基床应力应变幅值较大,且在多雨潮湿环境中,雨水等杂物易侵入下部基础,破坏结构稳定.针对支承层假缝与道床板伸缩缝对齐设置存在的缺点和不足,对支承层假缝设计进行优化:伸缩缝位置支承层上表层铺设一定长度的土工布,土工布中心线与伸缩缝中心线重合,土工布两侧支承层分别切割深度为支承层厚度1/3的假缝.土工布的铺设使得板端形成一定长度的分层隔离区,通过对不同长度隔离区设计方案在温度、温度梯度或列车荷载等作用下的响应分析,并结合现场施工经验,发现隔离区长度在800～1 000 mm或1400～1 600mm时结构性能良好.综合考虑,土工布铺设长度选为1 720 mm.     

对地铁应急预案管理的初探

随着大城市轨道交通网络的形成,应对突发事件的快速、准确反应已经关系到全路网运行的安全性和可靠性.正是在这种大背景下,对地铁应急预案编制的出发点、管理流程进行初步的研究.     

城市轨道交通网络化列车开行方案优化方法

通过引入备选集,建立双层规划模型,将网络化列车开行方案这一复杂的混合交通网络设计问题简化成0-1规划问题;采用混合遗传模拟退火算法对城市轨道交通网络化列车开行方案优化问题进行求解。上层模型以城市轨道交通网络化列车开行方案涉及的运营单位和乘客综合费用最小化为目标,以交路必须覆盖整个运营网络、限制区间交路数、满足发车间隔时间限制和区间客流量小于列车运力为约束条件;下层模型为用于城市轨道交通网络客流分配的随机用户均衡问题优化模型,它充分考虑了乘客选择出行时路径感知费用与实际费用之间的差异。算例结果表明,采用基于备选集的双层规划模型和混合遗传模拟退火算法对城市轨道交通网络化列车开行方案进行优化是可行和有效的,而且求解效率高。     

智能网联趋势下车辆网关路由缓存研究与应用

伴随汽车智能网联发展,车辆电气网络架构行业趋势由1~2路CAN总线网络快速演变为7~8路CAN总线与4~5路百兆以太网相结合的融合网络架构。其中网关作为车辆网络的数据交互中心,提供了各网络之间的无缝通信,并需要以极低的延迟将这些数据进行可靠传输,这对低成本网关是一个巨大的挑战。提出了一种基于车载融合网络下低成本网关路由软件缓存区的设计方法,以路由软件缓存区去配合CAN控制器和以太网Switch硬件缓存区,设计中断式报文存储发送进程,将收到的数据实时发送到硬件发送缓存区,当硬件发送缓存区已满,则将报文存储到软件缓存区中。通过与软硬件缓存区的这种联动方式,能够实时的接收报文,保证报文不丢帧;也能够在目标总线负载率较大时,避免漏发报文以及保证发送报文周期。     

基于层次分析法的拉萨市交通安全评价模型研究

随着拉萨市经济水平的发展,城市道路交通安全变成了人们较为重视的社会问题。为改善道路交通安全现状,本文将从人为、车辆、道路和环境四个评价指标,采用层次分析法构建交通安全评价模型,对拉萨市交通安全进行评价分析,为城市道路交通安全提供参考依据。     

新能源汽车的动力电池标准体系研究

近些年来,随着我国环保观念的增强,新能源汽车行业得到了较为迅速的发展,作为其中关键的动力电池有着非常关键的作用。但是,从现实情况来进行分析,可以发现动力电池行业仍然存在着诸多问题,特别是标准体系的建立还并不完善,不利于新能源汽车行业的长期稳定发展。本篇文章简要分析了动电池标准体系的发展情况,研究了新能源汽车动力电池标准体系,并探究了新能源汽车动力电池标准体系今后的发展方向,希望能够为新能源汽车行业的稳定发展提供支持。     

电池SOC估算方法的研究现状

如今,锂离子电池已成为新能源产业和SOC的研究重点。在锂离子电池研究中,电池容量估算和计算是其中的重点研究之一。SOC直接关系到锂离子电池使用的效率和安全性,正确的SOC估算和计算方法不仅可以增加锂离子电池工作的安全性,并延长锂离子电池的使用寿命[1]。相反而言,不合适的SOC估算和计算方法不仅会加速电池的老化,而且会带来电池爆炸和燃烧的危险,危害使用者的生命和财产安全。因此,本文对各种SOC估计和计算方法进行研究,以获得更成熟和广泛使用的电池SOC估计和计算方法。     

电动汽车大数据处理活动中的伦理问题研究

为了解车辆零部件运行状态,分析整车故障原因,技术人员通过车载终端把电动汽车的整车控制系统各节点发送至大数据平台进行查阅、分析和下载使用。大数据的使用引发了信息工程领域的伦理问题。本文重点阐述了电动汽车产业运用大数据时可能产生的伦理问题及其产生原因,探索强化责任、加强职业道德教育等解决办法,并结合伦理学理论提出了建议。     

加周期纵肋圆柱壳声辐射

本文研究了水中加周期纵肋圆柱壳在点力激励下的声辐射特性.壳体振动采用薄壳理论的Donnell方程描述,纵肋振动采用相互独立的梁的纵振动和弯曲振动方程描述.通过周向模态展开和轴向Fourier变换导出圆柱壳体径向振速表达式,使用波数域稳相法积分得到了远场辐射声压的解析解.数值计算给出了接收点正对激励点情况下的远场辐射声压级,并据此进行了机理分析.在加周期纵肋无限长圆柱壳中存在两类辐射机理:亚音速的弯曲波辐射和超音速的Bloch弯曲波分量辐射.由于圆柱壳体表面存在曲率,亚音速的弯曲波也能辐射极小部分能量到远场,并形成频带极窄的共振峰.加周期纵肋圆柱壳在周向是一种无限周期结构,存在多阶次的Bloch弯曲波.低于水中声波数的Bloch弯曲波分量能够通过相位匹配的方式高效辐射到远场.Bloch弯曲波的辐射存在一定的频率下限,其下限与纵肋的间距有关,纵肋间距越大辐射的频率下限就越低.     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。