全面解读宇通客车展出的5款明星客车——面向当下和未来热点细分市场

2021年7月7—9日举办的"2021道路运输车辆展"上,宇通客车再次展现"硬核风采",展出了面向当下和未来热点细分市场的最新产品和科技成果,包括6 m电动微循环小型公交客车ES6(全国首发)、L4级自动驾驶微型电动公交客车-小宇2.0、T7自动挡汽油版高端商务车、宇威U10智能网联公交客车、F12燃料电池城市客车等"全明星"阵容,期间为ES6举行了全国首发仪式。此次没有展出公路/旅游客车,也没有展出大型传统能源客车。     

新一代抽拉离心式高机动卫生防疫车的设计研究

为探索新形式下部队病媒生物防治的新需求,针对野外作战的新特点,结合平战时作业的新形势,研发了新一代卫生防疫车。经过总体结构布局,车厢结构优化,采用新型抽拉式车厢和上装模块化消杀防疫设备,以及大功率硅发电机和蓄电池组的组合供电模式,配备了消杀设备双操作模式。经过第三方评测,主要设备功能完善,性能稳定、可靠,满足技术指标要求,有利于提升中国移动医疗卫生装备的科技水平。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

大众奧迪变速器常见故障码解析(五)

(接上期)4.常见故障码P176 D00和P173 E00常见故障码P176D00-挡位促动器4不可控制(4/6挡)和常见故障码P173 E00-分变速器1中的阀1电气故障(图37)其故障现象为变速器进入应急模式车辆彻底不能行驶。该故障现象说明变速器启动了高级别的应急模式,而且说明两个变速器中都存在相应的故障信息了。接下来我们分别分析这两个故障码。     

汽车自动变速器维修技术讲座(二一〇)

67.变速器的更换专用工具。DT-51655飞轮间隙、EN-51007发动机支撑夹具。拆卸程序。(1)拆下发动机控制模块,并将电子制动控制模块托架和发动机控制模块一同拆下。不要断开线束连接器。将发动机控制模块和托架悬挂在一旁。(2)通风软管的更换→拆除。(3)选挡杆拉线、选挡杆拉线操纵杆和变速器选挡杆拉线托架→拆下-选挡杆拉线的更换。(4)增压空气冷却器出气软管的更换→拆除。     

2011年奥迪Q5变速器没有奇数档

一辆2011年奥迪Q5,搭载2.0T发动机同时匹配第二代DL501(0B5)7挡湿式双离合器变速器。故障现象:该车一年内进厂维修3次都是同一个故障,那就是变速器时常没有奇数挡,关闭发动机重新启动后又恢复正常。而且每次进厂读到的都是同一个故障码:P17E100挡位调节器2机械故障(如图1所示)。在之前的维修过程中更换两块全新机电单元总成J743(控制单元、阀体、线板),维修过两次双离合器(摩擦片和活塞)。     

基于GIS空间分析的抛石护岸工程水下抛石效果评价

抛石护岸工程水下抛石效果评价是工程水下质量控制的重点和难点。准确掌握和分析工程水下质量状况,对确保抛石护岸的施工质量起到了重要作用。GIS(地理信息系统)技术拥有强大的空间数据处理与分析能力,可用于对水下抛石效果进行多维度的定性与定量分析。分析结果可以准确评价施工质量、精准指导下一阶段施工、降低施工成本。通过对3个试验区的分析,总结出一般施工规律:1)由于工程区上游起始处以及下游深水侧容易产生冲刷,抛石效果较差。2)工程区中部及近岸区抛石效果较好,但容易过抛。     

一种移动式港口起重机起升系统

分析了目前移动式港口起重机起升系统存在的主要问题,设计了一个可以自动平衡、自动调节吊钩水平且可以有效降低起升动载系数的系统;通过动力学仿真分析,验证了该系统的有效性。     

基于启发式Q(λ)学习的铁路绝缘子定位研究

智能化冲洗是解决电气化铁路绝缘子人工冲洗弊端的有效途径,而智能化冲洗的关键在于绝缘子识别、定位。通过对现有智能冲洗设备的分析,提出一种铁路绝缘子定位、跟踪方法,该方法基于传感器信息,采用启发式Q(λ)学习算法,可快速、准确找到绝缘子。首先建立铁路绝缘子水冲洗环境模型,接着为解决传统Q(λ)学习算法盲目学习导致收敛速度慢的问题,通过搜索支柱特征调整奖赏函数,设计启发式策略函数并融入Q(λ)学习中,提高算法的学习和收敛速度。最后分别对传统Q(λ)学习算法和启发式Q(λ)学习算法进行Matlab仿真实验,确定最佳参数设置,仿真结果表明启发式Q(λ)算法的正确性和可行性。