轮毂电机角模块系统多物理场耦合作用下的温升及散热分析

为更好地探究轮毂电机角模块系统在运行过程中的多种物理场耦合特性,解决轮毂电机在有限空间中存在的散热难问题,文章基于键合图理论,建立了轮毂电机角模块系统的多物理场耦合模型,并导出数学模型,利用MATLAB/Simulink进行动态仿真,分析了轮毂电机在多物理场耦合作用下的输出转矩和温度特性。仿真结果表明,采用水冷模式对定子绕组的冷却效果明显;对于不同的水道截面尺寸和冷却液流速,轮毂电机呈现出不同的温升特性;相同的电机运行工况和冷却液流量下,增加水道内径可以达到更好的冷却效果。借助有限元分析软件Fluent进行流体仿真,得到的电机温度分布云图和温度变化曲线与上述结论基本一致,验证了耦合模型的实用性和可靠性,为轮毂电机角模块系统的设计和应用提供了理论参考。     

DITA在汽车服务手册数字出版的应用

达尔文信息类型化体系结构（DITA）是一种基于可扩展标记语言（XML）的面向主题的数字化内容结构化写作与发布方案,DITA使信息具有的可检索、可组织、可重用特性,支持快速生成服务不同受众和终端展现的出版物,被更多汽车企业所使用。结合汽车维修技术信息公开法规、标准等要求,对DITA在汽车服务手册类型与信息分类、主题、架构、内容重用等方面进行介绍,对印刷版与电子版手册进行信息架构与建模,实现交付物的多样化应用。     

汽车钣金维修工艺及现代化维修设备的应用分析

随着经济的发展,中国的汽车工业也在发展,轿车已变成我们日常生活中最常用的出门交通工具。由于国内轿车的保有量不断增长,相应的汽车钣金维修业务也成倍,人们对维修技术提出越来越高的要求,汽车钣金修理也从原有的低技术含量转变为先进的设备应用,形成汽车维修行业的重要支柱。本文旨在深入探讨汽车钣金维修工艺的概念,并从三个方面剖析其问题,以及先进维修设备的应用,以期为有关人员提供有价值的参考和借鉴。     

加快推进长江电子航道图建设

2009年11月28日,长江干线宜宾-鳊鱼溪、大埠街-慈湖口两段电子航道图通过成果验收。至此,覆盖长江2687．6公里干线航道的电子航道图全线建成贯通。长江电子航道图的全线贯通凝聚了长江航道测量50多年智慧的结晶,是长江航道测量队伍综合实力的体现,是长江航道测量人为“三个服务”做出的新的贡献。当前,抢抓机遇、合力共建,加快推进长江电子航道图建设已成为长江航运人的共识。     

鱼骨图视野下提高炮兵旅作战效能的F-AHP评估

在一般情况下经常用F-AHP评判进行系统效能评估,定量的说明各种因素与最终结果的因果关系。文章引入了F-D（鱼骨图）方法的思想,对传统的F-AHP评判法进行了创新与改进,在F-AHP的基础上结合了F-D方法,通过F-D方法来弥补F-AHP中的主观性,已更加准确的找出其定性问题与定量结果的关系,得出更加精确的数据,使评估更加客观的反应真实,进而确定制约作战效能的因素,提出合理的意见,并进行实例研究。     

结合亚格子模型的Lattice-Boltzmann算法

介绍一种亚格子模型与LB(Lattic-Boltzmann)方法相结合的算法,并用其对亚临界雷诺数情况下的圆柱绕流问题进行数值模拟,得到流场的流线图以及圆柱表面的压力系数。通过与实验值相比较,发现数值结果与实验值是比较吻合的,证明该算法可以用于计算雷诺数较大的流体问题,同时具有LB方法计算效率高的优点。     

地面数字测图技术在测量中的应用

数字测图是在测量工作中利用电子计算机技术将野外数据采集系统与内业机助制图系统相结合,其目标是实现信息采集处理的数字化、自动化、信息化。数字测图可以缩短作业时间,减轻劳动强度,提高成果精度。数字测图系统主要由数据输入、数据处理和数据输出3部分组成,数字测图作业模式中测记式数字测图应用最为广泛。     

基于频率响应与图像特征提取的动车组变压器绕组状态诊断方法研究

动车组变压器是保障高速铁路稳定运行的核心设备,频率响应法是目前检测变压器绕组状态的有效方法。为提升车载变压器绕组状态诊断的准确性,结合暂态信号与频率响应法提出基于频率响应与图像特征提取的动车组变压器绕组状态诊断方法。搭建试验车载变压器绕组故障模拟平台,获取不同故障类型和故障位置的频响曲线,利用类Gram矩阵结合幅频和相频曲线信息,再利用密度分层法转换为伪彩色图,提取对应的灰度共生矩阵和灰度差分矩阵特征值,根据鹈鹕优化支持向量机方法对绕组故障进行诊断。试验结果表明：车载变压器绕组故障发生时,伪彩色图能够反映出故障信息,有利于图像分析和特征提取,采用基于频率响应与图像特征提取的动车组变压器绕组状态诊断方法能够识别车载变压器绕组的典型故障类型和位置。     

基于深度学习的短期交通流预测方法综述

针对基于深度学习的短期交通流预测问题,揭示了时空相关性建模本质,分析了建模过程中涉及的多尺度时空特性、异质性、动态性、非线性等特点,明确了基于深度学习进行短期交通流预测的核心挑战,阐述了短期交通流预测涉及的外部信息整合、多步预测与单步预测以及单体预测与集成预测等相关问题;按照网格化和拓扑化2种交通流数据组织方式,分别综述了当前最新的基于深度学习的短期交通流预测研究方向。研究结果表明：针对网格化交通流数据,当前研究主要包含了基于2D图像卷积神经网络、基于2D图像卷积神经网络与循环神经网络相结合、基于3D图像卷积神经网络3种预测建模方法;针对拓扑化交通流数据,当前研究主要包含了基于1D因果图像卷积与卷积图神经网络相结合、基于循环神经网络与卷积图神经网络相结合、基于自注意力与卷积图神经网络相结合、基于卷积图神经网络的时空同步学习4种预测建模方法;总体上,基于深度学习方法进行短期交通流预测相较于采用时间序列和经典机器学习方法获得了预测准确性上的极大提升;未来,针对物理理论、知识图谱与深度学习相结合,构建多时空数据挖掘大模型以及轻量化、可解释性、模型结构自动化搜索等维度的相关探索将成为重要研究方...