东南菱利小客车受宠西安

东南菱刮秉承优良的三菱整车工艺。扎实利落的车体线条，高耸的车身造型，营造出硬朗的视觉感；搭载1.3L和1.6L三菱高效发动机达到欧Ⅲ排放标准，率先透过国家二期燃油消耗排放法规，最大马力可达85匹，排量大，马力足，在车体设计方面，运用空间最大化原则，比传统微客大40％的车内空间，能弹性乘坐5-8人。     

谈谈200公里铝合金车体司机室关键工艺的控制及优化工艺设计一点经验

根据从生产实际中总结的经验，针对200公里铝合金车体司机室中几个关键组焊工艺：司机室门框、客室门框及司机室前窗框组焊工艺的控制及反变形控制中遇到的实际问题，从采取的工艺措施和对日本工艺的改进和优化工艺设计上，谈一点经验总结。     

蓄势待发——详解发改委数据（日产篇）

崇尚休旅的日产车同样把油耗看得非常重要。日系车节油.这是大家普遍认同的,日产则在节油的基础上发展出自己的车系特征——宁静、大空间。从骐达、颐达到轩逸、天籁.这些特征都显而易见.骏逸、骊威则更加拓展了休闲车领域的疆界。从销量而言.这条路不仅走通了,而且发展迅猛。对我们的消费者来说,如果你喜欢休旅生活,     

交通空间与建筑造型

结合实例，分析说明处理好交通空间对建筑造型所起的重要作用，并归纳出相应的设计手法。     

一种可检验像点坐标粗差的空间前方交会解法

本文从空间解析几何原理出发，推导出一种空间前方交会解算方法。该法可利用计算结果检验像点坐标量测值是含有粗差，从而保证了空间胶方交会的可靠性。     

未来空间营造：以公共交通为导向的发展与空间句法

TOD 本身作为高强度开发的地区,具有空间组织方式相对复杂、功能多元丰富、空间服务半径人性化等 特点,这将在理论上建构起未来城市空间形态的新图景。回顾 TOD 的相关理念及典型图示,试图从空间句法的 角度剖析 TOD 的空间模式与内涵,以此分析 TOD 作为单纯的交通节点与活跃的场所中心的区别。探讨 TOD 适 用于跨越空间的超链接隧道与强化多层折叠空间的精细化转换的区别,以及 TOD 推动随机个体吸引点的体验与 促进复杂空间结构的集体呈现的区别,这些都能刻画真实 TOD 的某些景象。而空间句法则提供一种思考和验证 的定量工具,从物质空间构成、交通出行模式、社会功能组合、人类行为感知等角度,描述这些复杂而有趣的 TOD 建构过程,寻求 TOD 所带来的空间价值溢出,优化 TOD 本身的空间体验行为。研究表明,空间句法将为 TOD 的空间动态营造提供良好的工具。     

数据驱动的高速列车子空间预测控制

随着列车运行速度的提高,列车与接触网、轨道、空气的动力作用加剧,给高速列车的建模与控制提出更高的要求。本文提出数据驱动的高速列车子空间预测控制方法:构建基于状态框架的高速列车多变量动力学系统;由输入输出数据设计高速列车的子空间预报模型;详细分析高速列车子空间预测控制器的设计方法,并给出相应的预测控制算法。高速列车的数值仿真实验结果证明所提出控制方法的有效性。     

高速行车条件下桩板结构-地基土系统的空间振动性能分析

结合某高速铁路桩板结构路基,建立桩板结构-地基土系统空间有限元模型,分析桩板结构路基动力特性。结果表明:其横、竖向基频理论计算与现场实测值比较接近。采用随机振动理论计算机模拟高速列车通过桩板结构路基全过程,系统仿真列车运营性能指标及桩板结构振动响应,与现场实测结果较好吻合。依据国内有关规范,综合评判高速列车运营和桩板结构路基空间振动性能。结果表明:高速列车通过桩板结构路基时,列车具有足够的抗脱轨安全度和优良乘客舒适性,桩板结构路基自身动力响应也较小,能满足高速列车安全、平稳运行要求。     

线控转向系统转角反步控制算法研究

为实现商用车线控转向,设计一套新的线控转向系统架构及其转角跟踪控制算法。新的线控转向系统采用丝杠螺母结构中的丝杠直接控制纵拉杆,螺母通过带轮机构被电机驱动。对线控转向系统结构进行运动学分析,推导转向系统可变传动比,采用前轮转角为状态变量,建立线控转向系统二阶动力学模型。基于转角跟踪目标,采用反步控制算法,设计线控转向系统转角跟踪控制器,通过反馈系统线性化处理系统参数不确定和环境干扰问题,实现准确的目标转角跟踪,并建立李雅普诺夫函数,证明了采用反步控制的线控转向系统是渐进稳定的。搭建采用“丝杠螺母+带轮机构”架构的线控转向实车底盘测试台架,选取蛇形和混合工况进行控制算法验证。研究结果表明：与滑模控制算法的测试结果对比可知,反步控制算法绝对平均跟踪误差值降低了71.88%~79.57%,跟踪误差标准偏差值降低了71.32%~78.50%;线控转向系统反步控制转角跟踪算法能够减少系统收敛到原点的时间,抑制系统的抖振,提高车辆线控转向系统转角跟踪的操纵灵活性。     

基于改进遗传算法的双向渐进结构优化方法研究

本文提出了一种基于改进遗传算法的软删除双向渐进结构优化法(G-BESO),以解决传统双向渐进结构优化法(BESO)中参数(如进化率)设置不当而导致无法获得最优拓扑构型的问题.首先确定单元权重系数与单元密度的递推关系式,形成一种考虑单元密度历史信息的材料插值模型,从而增强恢复误删高效单元的能力.然后引入遗传算法中的交叉和变异操作,启发式地更新结构状态以提高全局寻优能力.最后将该方法编写成可用于实际工程结构优化设计的程序.算例表明,提出的方法能稳定得到最优拓扑形状且计算效率更高,可为工程结构的拓扑优化设计提供一定参考.