汽车48 V系统的节能效果、应用成本与实施策略

对汽车48 V系统进行了分析,介绍了其发展历程、系统架构和节能原理等,考察了其节能效果与应用成本。指出了48 V系统技术门槛相对较低、可快速应用即取得一定的节能效果,是满足日益严苛油耗法规的短期解决方案之一,近期可能在中国迎来快速增长;但节能潜力有限,无法满足长期需求,是一种过渡性的技术选项。在燃油车占主体地位的情况下,48 V及混合动力系统仍有重要意义。最后提出了中国车企对48 V系统的实施策略建议。     

汽车养护与修理关系浅议

简言之，汽车修理为了查明隐患消除已出现的故障，使丧失功能的车辆、总成和零部件恢复原有的技术性能，保证车辆继续使用而进行的恢复性技术作业的总称；汽车养护就是对汽车的保养和维护，是为保持车辆经常处于良好技术状态而进行的检测、清洁、润滑、调试等作业的组合，是以现代汽车技术和理念力指导，延长车辆使用寿命．保障车辆随时处于良好技术状态的组织措施。     

应用交通仿真软件PARAMICS验证交通分配模型

为了考察交通分配模型能够在多大程度上反映现实的交通状况，需要对交通分配模型进行验证，本文阐述了利用微观交通仿软件PARAMICS对交通分配模型进行验证的研究思路。通过建模工具Modeller提供的图形界面，研究者不但能够非常直观地观察交通分配模型的效果，而且可以利用其分析工具Analyser对结果全面分析。因此RARAMICS是一个验证交通分配模型性能优良的平台。     

汽车悬架性能微机检测系统的研究

主要论述悬架装置性能评价参数（吸收率）的检测系统的硬件组成及在Windows平台上采用VB6.0开发的检测系统的软件组成，并给出软件系统的结构简图及主程序流程图。     

重卡轻量化PDCPD材料应用分析

文章主要针对汽车轻量化新材料进行应用分析,通过对PDCPD新材料的制备、成型、产品设计和性能分析验证,以其轻量化和环保性为替代传统SMC材料提供可行空间。     

隧道软弱下卧地基注浆加固试验

注浆法是提高软土地基承载力和控制其压缩沉降的传统加固方法,由于其过程不可控性与加固效果的不确定性,在应用于加固运营地铁隧道下卧土时,须考虑加固过程的扰动及长期效果。通过现场试验,研究注浆加固的工艺参数对饱和软土扰动和加固效果的影响,以获得安全合理的精细化注浆工艺参数,对处理软土地铁隧道长期沉降问题具有现实意义。     

数字铁路框架体系的研究

数字铁路是基于地理信息系统(GIS)、全球卫星定位系统(GPS)、遥感(RS)、信息系统、物联网、虚拟化、信息集成等技术,研究中国铁路基础设施、移动装备及铁路环境的数字化,实现铁路服务资源和运力资源的全面管理和直观展示的新一代铁路信息系统. 它是在现有铁路信息系统基础上的改造和完善,对于提升铁路管理、服务的水平和形象,保证运输安全具有重要作用. 本文分析了数字铁路的主要研究内容及关键技术,提出了数字铁路总体框架和标准体系,并对其中铁路地理信息平台进行了结构设计,对于建设数字铁路具有重要指导意义.     

β-淀粉样蛋白增加基底前脑神经元对谷氨酸的易感性

目的探讨β-淀粉样蛋白25-35(Aβ25-35)与谷氨酸(Glu)联合应用,对原代培养的大鼠基底前脑神经元的作用。方法原代培养大鼠基底前脑神经元,应用形态学、MTT法结合ChAT免疫组织化学染色,分别观察Aβ25-35与Glu联合应用,对原代培养的基底前脑神经元存活率、形态学及ChAT免疫反应阳性神经元的影响。结果将100 nmol/L、1μmol/L Aβ分别和20μmol/L Glu联合用于培养的基底前脑神经元,在倒置显微镜下观察,细胞表面粗糙,立体感减弱,胞浆中出现深色颗粒,细胞肿胀或收缩;尼氏染色显示尼氏体减少;MTT检测显示神经元存活率明显下降,100nmol/L Aβ+20μmol/L Glu组与100 nmol/L Aβ组间,1μmol/L Aβ+20μmol/L Glu组与1μmol/L Aβ组间比较均具有统计学差异(P<0.05);ChAT免疫阳性神经元的灰度和截面积均减小。结论Aβ25-35可增加神经元对Glu神经毒性作用的敏感性,表明Glu在阿尔茨海默病发病中起着非常关键的作用。     

内燃机曲轴的弯扭耦合非线性振动分析

以内燃机曲轴单位曲柄为研究对象,着重考虑刚度不对称和质量偏心的影响,建立了系统的非线性运动微分方程,利用数值方法对曲轴的非线性动力学特性进行了仿真.结果表明:随着质量偏心的增加,弯扭耦合区的范围增大,系统运动由周期运动变为概周期运动;随着刚度不对称系数的增加,系统出现环面倍化分岔,并转变为混沌运动;随着扭转刚度的增加,系统的运动趋于稳定.     

公共自行车使用时空特性挖掘及租还需求预测

基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据,从数据驱动视角,深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上,采用KMeans算法,将站点聚为5类,探讨各类站点的时变需求规律及影响因素;在空间上,提出基于POI 数据的站点用地类型识别方法,将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15,30,60 min 为间隔,以租还车需求为目标变量的随机森林预测模型,并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明,随机森林模型的精度更高,适用性更强。以30 min为间隔的站点租还车需求预测精度最高,考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统,为改善服务水平提供技术和理论支撑。