新能源汽车电子真空泵噪音影响机制研究

根据电子真空泵的工作原理并结合整车应用,基于相关验证经验,提出降低真空泵运转噪音以改善整车NVH的思路和开发经验,对新能源汽车的电子真空泵噪音的降低有一定的指导作用。     

盾构隧道穿越特殊地质围岩位移向量趋势线变形响应特征

为减少由于地质因素导致的盾构施工灾害的发生,做到早发现、早预防,利用FLAC3D模拟软硬岩层、断层破碎带、岩层产状、岩溶、球状风化体等多种不良地质体对盾构隧道三维位移的影响,并借鉴国内外学者所发展的隧道三维变形展示方式来呈现隧道开挖地层的反应特性。结果表明： 1）盾构由软岩往硬岩掘进时,位移向量趋势线减小; 反之,位移向量趋势线增加。2）随着断层破碎带宽度的增加,位移向量趋势线呈现出规律性变化。3）地质界面倾斜时的位移向量角比地质界面垂直时小。4）相邻地层强度差异越大,位移向量趋势线变化越明显。5）岩溶和球状风化体的尺寸越大,位移向量趋势线变化幅度越大。     

面向网联环境的汽车平视显示器人因测试研究综述与展望

平视显示器（HUD）是网联环境下车内人机交互的新兴方式和未来发展的热点方向,开展汽车HUD人因测试是保证其预期安全效益的关键前提。该综述介绍了HUD的产品分类、现状应用及信息建议;绘制了HUD人因测试研究知识图谱以明晰现有研究的关键内容及其随时间和空间的变化趋势;从功能场景、测试变量和测试方法提出网联环境下HUD人因测试框架,并针对出行导航、安全辅助、自动驾驶及其他交互辅助场景的人因测试展开进一步论述;归纳总结了现有研究的不足,梳理和展望未来HUD人因领域的相关研究内容,为推进网联环境下人机交互及智慧座舱的建设提供参考。     

基于多分类Logistic模型的城市轨道交通接驳方式选择研究

城市轨道交通适用于主干性运输,可达性相对较低,通过与步行、自行车、公交车等其它交通方式的有效接驳,才能充分发挥城市轨道交通系统的运输服务能力。本文对城市轨道交通接驳方式选择进行研究,以轨道交通出行者的性别、年龄、收入、月通勤费用、接驳距离等作为影响因素,以成都市地铁2号线犀浦站为例,对选择结果的影响因素进行定量研究,结果表明模型具有可行性及正确性,为多分类logistic模型用于轨道交通车站接驳方式的选择预测提供了理论支持。     

基于大数据的车用动力电池开路电压估计方法研究

开路电压是电动汽车动力电池的重要参数之一,对电池电量(SOC)参数的估计具有关键作用。然而,在电动汽车实际使用过程中,动力电池的稳定开路电压状态却往往很难得到。传统的试验获取开路电压的方法难以满足动力电池复杂的实际工况条件。为准确获取实车动力电池的开路电压值,通过大数据分析电动汽车在充电完成状态及下次启动状态的动力电池电压状况,利用随机森林回归(RFR)算法预测动力电池电压变化特性,实现了对充电完成状态的开路电压预估,估计精度可以达到87%,为SOC标定、电池等效电路参数辨识和SOH估计工作实现奠定了基础。     

基于同心圆结构的新型液冷板优化设计及其性能研究

为提升电池热管理系统的综合性能，本文提出了一种具有同心圆结构通道的液冷板。首先，利用控制方程讨论了环形通道数量和宽度对液冷板综合性能的影响，并通过综合评价指标选出了最佳环形通道数量和宽度。然后，为了更大程度上降低液冷板压降，将部分曲段通道进行直化，并优化了直段通道角度以及圆心距。与初始模型相比，最优模型的压降降低了62.83 Pa(67.61%)，温度降低了1.1℃。最后，为进一步提升系统的散热性能，在最优模型的基础上引入了不同种类和体积分数的纳米流体作为冷却介质，与纯水相比，在低雷诺数下采用纳米流体作为冷却介质可以获得较好的综合性能，综合评价指标最高可提升16.19%，效果显著。     

山东省普通国省道养护管理现状及发展对策研究

为推动山东省普通国省道养护管理高质量发展，本文从机构改革、管理模式、养护资金、养护市场化、养护决策与养护技术五个方面分析了普通国省道养护管理的发展现状，发现当前面临的主要问题和困难来自于管理机制、资金供需、养护基础三个方面，从管理机制改革、资金保障、市场化改革、科学决策、技术集成与创新、智慧化六个方面提出了相应发展对策，以期为制定普通国省道养护管理发展政策提供有益参考。     

基于DCNN-SVM的道岔智能故障诊断方法研究

针对道岔故障难检测、难分类、时效差等难题，以S700型转辙机道岔为研究对象，提出一种基于DCNN-SVM的道岔故障诊断方法。首先从道岔正常转换曲线和发生故障时的动作曲线入手，总结故障类型、故障原因和故障信号形态特征，并对道岔转换动作曲线进行预处理，即数据统一维度和归一化。然后计算标准电流曲线和功率曲线，根据道岔转换曲线与标准曲线的相似度来识别道岔转换正常和异常。再采用分区时域特征提取和ReliefF特征筛选，选取对故障分类具有明显效果的时域特征，以及根据深度学习算法获取的图像特征，形成有效特征向量空间。最后使用训练集对DCNN-SVM道岔故障诊断算法进行模型训练，并基于诊断模型实现道岔故障的实时诊断。实验表明：在样本数据量足够大的情况下，DCNN-SVM道岔故障诊断方法正确率达99.01%,相比SVM算法提高0.64%,对保障行车安全具有十分重要的作用。