自然通风隧道火灾的烟气特性和控制标准

建立自然通风隧道火灾三维数值计算模型,并应用缩尺隧道试验数据对数值模拟进行验证,采用验证过的数值计算方法对自然通风地铁区间隧道的火灾烟气特性和安全控制标准进行三维数值模拟研究。结果表明,数值模拟结果与试验结果吻合较好;孔口尺寸对隧道顶壁烟气温度、人员高度处的CO浓度和能见度的影响较大,但对人员高度处的温度几乎没有影响;在隧道火灾4种安全控制标准中,人员高度处的能见度起主要控制作用。     

电动汽车的蓄电池技术

电动汽车是21世纪汽车的发展方向。介绍了世界各国研究的电动汽车的蓄电池技术。     

含水率对路用水泥混凝土的影响及微波在线测湿系统

在讨论了含水率对路用土质量的影响因素后，通过对不同种类测试器的分析，确定了较为适用的微波传感器，并给出了微波传感器的输出电压与集料含水率之间的关系式，进而对测试准确度进行计算。     

刚架拱桥的典型病害诊断分析与加固

介绍几座刚架拱桥经过十几年的运营而出现的一系列典型病害,扼要地分析其原因,针对这些病害采用目前比较流行的新型加固材料和方法,分别提出了几种可行的加固设计思路.     

需求信息的延迟对牛鞭效应的影响

研究在一个库存环境中,用于未来需求预测的需求信息的延迟对于需求预测的影响.当通过一种补充订货策略控制补货时,这种延迟降低了历史订单信息的波动性,最终减弱了牛鞭效应的影响.     

立管横流-顺流双向涡激振动数值预报方法

海洋立管涡激振动属于典型的流固耦合问题,涡激振动在横流及顺流方向上会同时发生并存在耦合效应。在以往的相关研究中,常忽略顺流向振动或将横流及顺流向振动响应间相互作用进行弱化。本文以顶张式立管为研究对象,基于圆柱体双自由度受迫振动试验数据,使用有限元方法和能量平衡方程建立涡激振动频域预报模型。该数值模型能够同时得到立管在横流及顺流方向涡激振动响应特性。通过与均匀流、阶梯流和剪切流3种不同类型来流工况下顶张式立管自激振动实验数据进行对比,验证了数值模型的有效性。该预报方法可为深入理解海洋立管涡激振动问题提供一定的参考。     

Sensorimotor self-learning model based on operant conditioning for two-wheeled robot

Traditional control methods of two-wheeled robot are usually model-based and require the robot’s precise mathematic model which is hard to get. A sensorimotor self-learning model named SMM TWR is presented in this paper to handle these problems. The model consists of seven elements: the discrete learning time set, the sensory state set, the motion set, the sensorimotor mapping, the state orientation unit, the learning mechanism and the model’s entropy. The learning mechanism for SMM TWR is designed based on the theory of operant conditioning (OC), and it adjusts the sensorimotor mapping at every learning step. This helps the robot to choose motions. The leaning direction of the mechanism is decided by the state orientation unit. Simulation results show that with the sensorimotor model designed, the robot is endowed the abilities of self-learning and self-organizing, and it can learn the skills to keep itself balance through interacting with the environment.     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

基于曲轴转速波动的OBD失火诊断策略研究

发动机失火诊断是车载诊断（OBD）系统重要功能之一,根据OBD对发动机失火监控原理,说明了基于曲轴转速波动的失火诊断策略。试验使用发动机失火发生装置模拟发动机失火,分析了失火时的曲轴转速波动,并根据OBD失火诊断方法,确定出参考阀值,计算出发动机运行粗暴度。     

基于PCA-Elman-PSO算法的动力电池低温充电优化

为研究低温下电动汽车电池的充电性能,通过在不同温度下对电池进行充放电试验,获取大量试验数据,分析低温环境下影响电池充电性能的因素。通过PCA算法对众多影响因素进行降维处理,得到主要的影响因素。建立PSO-Elman神经网络模型,用于估计锂离子电池低温充电能耗。基于此基础上,利用PSO算法对传统充电CC-CV充电方法进行优化,在达到充电截至电压前,采用粒子群优化算法得到最优充电曲线的近似值,将充电时的能量耗及充电所用时间作为优化目标构建粒子群优化算法的适应度函数,用粒子群优化算法进行迭代优化。仿真测试结果表明,优化后的充电策略能有效减少锂电池低温充电时间和能量消耗。