液压转向系统冷启动沉故障机理及测试方法研究

液压转向系统冷启动沉故障在北方冬季是比较常见的一个故障,论文针对故障产生的机理进行了深入分析,并对产生故障的常见原因及改进方法进行了简单介绍,最后对如何确定故障源从测试方面提供了方法。     

应用型本科课程教学与相关证书认证培训的探索 ——以盐城工学院车辆工程专业为例

传统的教学模式重理论轻实践,课堂上主要以“填鸭式”授课模式讲授,很多专业课缺乏连续的创新性实践教学,以至于学生无法将所学知识得到运用。本论文将研究如何把“理论学习”“案例分析”“认证培训”“带薪预就业实习”的有机结合,运用在车辆工程专业创新人才培养中,为应用型高校理工科专业教学改革提供新思路。     

城市交通相关空气污染健康风险研究综述

交通空气污染问题作为交通问题重要部分,因危及到人体健康而越发受到人们的重视。文章将对近年来关于交通空气污染对人体健康影响的相关研究进行综述,并从不同交通空气污染物导致的相关疾病及其与特定污染物暴露研究方法分析介绍,从而更为系统全面了解地交通相关空气污染物作用于人体相关生物机理,为交通相关空气污染控制与防护提供科学依据。     

我国甲醇汽车冷启动技术研究发展综述

甲醇燃料在国内已经大量运用于汽车发动机,但由于甲醇的物化特性导致甲醇发动机存在冷启动困难问题,文章通过查阅相关资料,总结了国内相关研究者针对这一问题所做研究,并提出甲醇汽车冷启动技术未来发展方向。结果表明只要采取一定的辅助措施,就能让甲醇发动机在特定温度下顺利起动。其中,效果最好的能达到在-25℃下顺利起动。     

基于复配硬质沥青的大掺量高性能热再生技术

借鉴法国耐久性高模量沥青混合料的设计理念,充分利用沥青路面回收材料中沥青老化的特性和级配细化的特点,采用硬质颗粒复配低标号沥青,并通过丰度系数指标实现大掺量高性能热再生沥青混合料。室内性能评价与验证表明,热再生沥青混合料实现了大掺量,且性能满足现行施工技术规范要求,同时满足法国耐久性高模量沥青混合料的性能指标,为热再生沥青混合料的设计和应用提供了新的思路,具有较好的经济社会效益。     

考虑动态定价的煤炭调运方案优化研究

煤炭坑口价格的变化与市场供求有重要联系.本文在煤炭坑口价格动态定价的基础上,以煤炭产地和消费地间的煤炭调运量为决策变量,以煤炭流通过程中的总费用最小化为目标,分别构建了煤炭调运系统优化模型和考虑消费者竞争的煤炭调运优化模型,设计了遗传算法和Floyd算法相结合的求解算法.以我国内地煤炭调运问题为案例,分析了价格变化特性、可调出量与消费量比例等因素对煤炭调运方案的影响.结果表明,考虑消费者竞争时煤炭流通广义费用更低;随着煤炭可调出量与消费量比的增加,动态价格较固定价格的煤炭流通广义费用下降更快.     

自动引导车辆(AGV)地图生成方法研究

提出了在人工导引方式下生成AGV数字地图的方法.利用立体视觉提取障碍物边界点,将不同视点处得到的观测集成到数字地图中,进一步提高数字地图的精度.由于AGV运动的不确定性,在将最新的观测集成到地图中之前,通过匹配新的观测数据与地图数据计算AGV位置.实验表明了该方法的有效性.     

一种基于蚁群算法的服务组合方法

Web服务是一种新型的信息集成架构,将多个Web服务组合成一个能完成复杂任务的组合技术是Web服务中关键技术之一．文中提出了一种基于蚁群算法的服务组合方法,对于服务序列可生成全局最优联盟,同时算法基于蚁群系统的学习能力可以有效减少联盟生成的搜索时间和计算量,可实现性好．     

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。     

A mixed Bayesian network for two-dimensional decision modeling of departure time and mode choice

The modeling of travel decision making has been a popular topic in transportation planning. Previous studies focused on random-utility discrete choice models and machine learning methods. This paper proposes a new modeling approach that utilizes a mixed Bayesian network (BN) for travel decision inference. The authors use a predetermined BN structure and calculate priori and posterior probability distributions of the decision alternatives based on the observed explanatory variables. As a “utility-free” decision inference method, the BN model releases the linear structure in the utility function but assumes the traffic level of service variables follow multivariate Gaussian distribution conditional on the choice variable. A real-world case study is conducted by using the regional travel survey data for a two-dimensional decision modeling of both departure time choice and travel mode choice. The results indicate that a two-dimensional mixed BN provides better accuracy than decision tree models and nested logit models. In addition, one can derive continuous elasticity with respect to each continuous explanatory variable for sensitivity analysis. This new approach addresses a research gap in probabilistic travel decision making modeling as well as two-dimensional travel decision modeling.