680型客车 转向助力器的调整与故障排除

680型客车是黄河151型汽车的发动机和底盘的改型车。所用的转向加力器由动力缸和三位四通H型操纵阀所组成。其工作原理如下:当转向机转向时,操纵阀上的球销随着转向机垂臂一起运动,带动阀芯(也称滑阀)滑动,使油路发生变化,高压油进入动力缸一侧,增加了转向力。由于液压油不断     

水面舰船耐波性指标及对Seakeeper软件的评价

针对目前国内军用舰船耐波性计算书中存在的问题，结合《舰船通用规范》中对适航性的规定，对水面舰船耐波性指标进行了较详细说明，指出军用舰船耐波性理论预报中值得注意的问题，并分析了目前较为流行的商用软件Seakeeper的适用船型和预报精度。     

列车晚点传播模拟系统

列车晚点传播模拟系统是一具有图表示踪的有控随机模拟系统，运用该系统可以对给定运行图单条列车运行线的动态性能测试以及不同各类，不同大小区段、不同通过能力利用率列车运行图的动态性能指标计算，给出有关列车运行图的相对优劣排序。     

一种新型的滚动轴承式气门摇臂

发动机配气机构在低速区域时其摩擦损失较大,但在高速时,泵气损失和运动零件的磨擦损失较大,而气阀系统的摩擦损失所占比例却又相对较小,见图1。配气机构摩擦损失大的理由是现在先进发动机每个气缸     

高速磁浮车辆工程化制造技术研究

高速磁浮车辆是整个高速磁浮交通系统的核心部件之一,针对高速常导磁悬浮样车特性进行深入分析,结合高速磁浮原理样车试制,论述了高速磁浮列车工程化制造技术研究阶段性成果。     

刚体转动惯量在体育竞技中的应用

刚体转动惯量不仅与刚体的质量大小有关,而且与质量分布也有关,工程实际中有许多合理利用刚体转动惯量的实例。在体育竞技中也不例外,运动员在训练和比赛过程中,若能合理利用转动惯量,对于完成高难度动作、提高动作的艺术性、观赏性,获得更好的竞技成绩是很有帮助的。     

停靠站附近间歇式公交专用道适用条件探究

基于STCA模型和公交优先权的概念,结合直线式公交停靠站附近的交通流运行特性,在优化车辆跟驰规则和换道规则的基础上,建立三车道元胞自动机车辆换道模型。运用建立的模型,分别对设置完全式公交专用道(DBL)和间歇式公交专用道(IBL)的道路交通运行情况进行局部仿真。考虑车辆换道率和公交发车频率,从基本图、时空图、平均速度和速度稳定性方面对比分析,进一步探究IBL策略的适用条件。结果表明,当车辆密度大于20 veh/km且公交车辆发车频率小于200 veh/h时,IBL策略较DBL策略效果更好。此时允许部分社会车辆进出公交专用道,虽然车辆换道率更高,但并不会对路段交通流造成负面影响,反而能提升车辆通行效率和道路资源利用率,减轻交通拥堵。     

Latent Supportive Utility of Irrelevant Attributes in Feature Selection

This paper proposed a novel feature selection method LUIFS (latent utility of irrelevant feature selection) that not only selects the relevant features, but also targets at discovering the latent useful irrelevant attributes by measuring their supportive importance to other attributes. The method minimizes the information lost and simultaneously maximizes the final classification accuracy. The classification error rates of the LUIFS method on 16 real-life datasets from UCI machine learning repository were evaluated using the ID3, Nave-Bayes, and IB (instance-based classifier) learning algorithms, respectively; and compared with those of the same algorithms with no feature selection (NoFS), feature subset selection (FSS), and correlation-based feature selection (CFS). The empirical results demonstrate that the LUIFS can improve the performance of learning algorithms by taking the latent relevance for irrelevant attributes into consideration, and hence including those potentially important attributes into the optimal feature subset for classification.