用弹性车轮来降低高速机车车辆噪声和振动的效果

减少沿线噪导阳铁路高速化的一个秣化／轨间的振劝和噪声被认为是铁路的订噪声源。为了降低这种噪声，在日本在新干线动车上装用弹性车轮进行了试验研究。结果表明，弹性车轮与普通车轮相比，无论对降低车内噪声，２５ｍ处噪声还是结构件的振动与噪声，都具有较好效果。     

螺旋桨叶片自动建模方法

为简化螺旋桨叶片的建模过程,根据叶片二维制图原理和几何特征提出一种螺旋桨叶片自动建模方法。采用Python语言编写执行程序及软件操作界面,建立操作简单、界面简洁、运算快捷的螺旋桨叶片自动建模软件,实现Excel与CATIA之间的数据交换和建模的自动化。通过软件操作界面实现与用户的友好交互。     

基于船用半桥LLC谐振变换电路的MOS驱动设计

针对船用开关电源低电压、大电流输出、高效率、电气隔离等需求,采用半桥LLC谐振变换电路方案作为最后级输出进行研究。分析电路中所用MOS管的工作原理和开断过程,简单介绍半桥LLC谐振变换器的工作原理,并给出该变换器的典型驱动方案;发现串扰现象后,给出3种带负压驱动的驱动方案,并分析3种驱动方案的特点,研制出样机并进行试验验证。为开关电源中MOS管的驱动设计提供参考。     

基于关联规则挖掘的车辆故障码分析

本文中基于车载诊断原理，将车载自诊断过程产生和保存的故障码（diagnostic trouble codes, DTC）分析与关联规则挖掘相结合，提出适用于挖掘故障码数据关联的改进FP-Tree算法，并根据得到的关联规则建立整车故障码关联图，将其应用于历史数据分析流程与车辆维修流程。挖掘数据中有趣关联规则，提供关联可视化结果；对维修过程读取的驳杂故障码进行分析，减小故障码复杂性，分析主要故障码，缩短基于故障码的检修时间，协助维修人员定位故障。     

基于深度学习的汽车故障知识图谱构建

本文将知识图谱引入汽车故障诊断领域，以某公司的售后业务数据为来源，根据文本特点，设计了一种知识图谱构建流程：在传统构建流程的基础上，加入文本预分类和实体重组流程。基于DPCNN模型的文本预分类用于处理目标字段存在信息冗余的问题；基于BERT-BiLSTM-MUL-CRF模型的实体抽取与基于语法规则的实体重组的组合形式可以有效解决文本中的嵌套实体问题和非连续实体问题；采用结合术语相似度和结构相似度的方法完成知识融合；最后，选用Neo4j图数据库进行存储，完成汽车故障知识图谱的构建。     

典型汽车碰撞事故场景中行人运动轨迹预测方法

为提高未来自动驾驶车辆对弱势道路使用群体的感知和决策融合的可靠性，本文提出一种基于目标检测算法（YOLOv5）、多目标跟踪算法（Deep-Sort）和社交长短时记忆神经网络（social-long short-term memory,Social-LSTM）的行人未来运动轨迹预测方法。结合YOLOv5检测和Deep-Sort跟踪算法，有效解决行人检测跟踪过程中目标丢失问题。提取特定行人目标历史轨迹作为预测框架的输入边界条件，并采用Social-LSTM预测行人未来运动轨迹。并对未来运动轨迹进行透视变换和直接线性变换，转换为世界坐标系中的位置信息，预测车辆与行人的可能未来碰撞位置。结果显示目标检测精度达到93.889%，平均精度均值达96.753%，基于高精度的检测模型最终轨迹预测算法结果显示，预测损失随着训练步长的增加呈递减趋势，最终损失值均小于1%，其中平均位移误差降低了18.30%，最终位移误差降低了51.90%，本研究可为智能车辆避撞策略开发提供理论依据和参考。