基于BP神经网络的驾驶员昼夜动态空间距离判识规律

为研究昼夜动态环境中驾驶员对空间距离判识的规律,进行了实际道路试验。随机选取32名驾驶员分别在昼、夜环境中不同深度距离和速度下,判识红、绿色障碍物的空间距离,统计并检验驾驶员对红、绿色障碍物判识距离的差异,获得判识特征值;运用BP神经网络拟合距离判识结果,分析距离判识变化规律。结果表明:BP神经网络可以很好地拟合距离判识变化规律,精度优于现有模型;绝对距离和相对距离判识结果均随速度增加而减小,随深度距离增加而增大;夜间判识距离大于白天,驾驶员对相对距离判识准确性高。     

基于GIS的三峡库区高切坡危险性评价与灾害管理系统

为了有效地评价三峡库区高切坡的危险性,基于MAPGIS平台采用Visual Basic高级程序设计语言建立了高切坡危险性评价与灾害管理系统。以三峡库区巴东新城区公路岩质高切坡为例,根据岩质高切坡发育的特点考虑地形、水文、地质及构造等方面选取10类影响因素。在因素研究的基础上采用信息量模型开展了高切坡危险性评价,对评价结果的合理性进行了分析。结果表明,通过建立高切坡危险性评价与灾害管理系统可以提高高切坡工程信息管理和危险性评价的效率,为控制高切坡的灾害风险和防治工程的规划提供决策依据。     

红旗/奥迪中央配电盒内部接线及电流走向

在国产轿车中,红旗、奥迪的市场保有量相当大。本文就红旗和奥迪100、200、2．2E等各种车型所共用的中央配电盒的内部结构及原理展开．主要说明各继电器端子、各熔断丝走向及背部各线柬端子的关联性,配电盒的内部框架结构。     

基于EMD的天然气发动机供气系统故障诊断方法

针对天然气发动机故障信号的非平稳性、非线性等特点,提出一种基于EMD提取能量特征参数的故障诊断方法。从天然气发动机供气系统正常、气门间隙大、排气阀漏气3种工况振动信号的EMD能量熵值中发现,当供气系统发生故障时,各IMF分量的能量会发生变化。因此运用EMD方法提取最有效的IMF分量的能量特征指标,利用C均值模糊聚类法对此特征进行聚类进而建立天然气发动机供气系统的故障识别模型。现场试验验证了该方法在天然气发动机供气系统故障诊断中的有效性。     

对欧洲公路重力式挡土墙的设计分析

结合在阿尔及利亚东西高速公路的设计经验,介绍了欧洲标准的高速公路重力式挡土墙设计方法;分析了欧洲和中国挡土墙设计中地震状态土压力计算、荷载组合以及圬工材料等规定,对比欧洲与中国挡土墙设计的异同,并通过实例评价了欧洲和中国两种标准下挡土墙计算的安全性。结果表明,欧洲挡土墙设计更加偏于保守和安全。     

电站控制器测试系统软件设计

介绍了在电站模拟平台上,利用LabVIEW8.5软件编写电站控制器测试软件的实现方法。该软件能方便实现基于ModBus协议的串口通信;通过访问数据库Access实现数据的存储和查询;利用ActiveX自动化调用Word生成美观、复杂的测试报表。能实现电站控制器基本参数、报警量和基本控制功能的测试,为控制器的测试提供了一个有效、可行的平台。     

基于虚拟仪器的移动电站动力检测平台设计

基于LabVIEW虚拟仪器开发工具,设计完成了移动电站动力检测平台,能够实现内燃机参数测量、内燃机性能试验、内燃机故障模拟以及满足科学研究的需求;平台测试系统具有集成性、实时性、可控性、开放性及易操作性等特点。     

降雨条件下南宁膨胀土坝体填筑稳定性分析

利用南宁膨胀土的物理力学性质,建立均质土坝模型,针对广西地区的气候条件,并根据非饱和膨胀土的强度随含水量变化的规律,利用数值模拟的方法研究在降雨条件下膨胀土坝填筑过程中的稳定性分析以及降雨持时对分层填筑的影响,并得到了膨胀土坝在降雨入渗后,其稳定性受到影响的结论,为土坝填筑施工参数的控制提供依据和注意事项。     

华南地区公路路面修筑成套技术研究及推广应用

介绍了“华南地区公路路面修筑成套技术研究及推广应用”课题的立项研究情况,重点阐述了课题的研究内容、研究成果、成果的推广应用及经济、社会效益等.课题研究成果将为我省公路路面建设的各个环节(设计、施工、养护、管理)提供有效的技术指导和技术参考.     

机外净化技术对 GDI 发动机颗粒排放的影响

通过缸内直喷汽油机颗粒测量试验,研究了怠速工况、最大扭矩工况及常用工况下三效催化器（TWC）和汽油机用颗粒捕集器（GPF）对发动机尾气中颗粒数量浓度及质量浓度的处理效率。结果表明：在低转速小负荷工况,三效催化器与颗粒捕集器对颗粒具有较高的处理效率;随着转速与负荷的增加,两者的处理效率均下降,三效催化器对颗粒处理能力明显降低,而颗粒捕集器整体保持较高的捕集效率;当二者联合工作时,在常用行驶工况下对颗粒的捕集效率达到80％以上。在高转速大负荷工况,由于尾气空速增加,颗粒捕集器捕集效率下降导致整个后处理系统对颗粒的处理效率降低。