非凡隔热 3M晶锐汽车隔热膜测试

“快打开空调，所有车门，车窗，Oh，这座垫烫的!”这种经历谁都不陌生吧，最郁闷的是，你还得站在车外等车内降温，顺便享受一下阳光的礼遇。这样的麻烦，你首先想到的是空调，但车内温度越高，降温速度越慢，选一个好的汽车隔热膜也许能让“温度基数”下降不少。[编者按]     

发电用燃料电池特性及其电力电子调节系统的专用解决方案

燃料电池(FC)通常输出直流低压.受工作条件影响,其输出电压不稳定,且动态响应明显慢于瞬变负载的要求,因此在许多应用中,燃料电池发电机必须与负载以及其它可能的能源/电源相连接.基于这些原因,燃料电池堆输出功率、蓄电池/超级电容器的输入/输出功率必须经过电力电子变换器进行调节.阐述了与燃料电池功率输出调节有关的主要问题,尤其考虑了在2种最重要的应用场合(微分布式发电或联产发电和运输系统)下,与其相连的.电力电子变流器的特定要求.主要讨论了燃料电池功率调节专用的DC/DC变换器的基本电路结构,着重考虑PEMFC技术.     

SS7型电力机车轮缘偏磨原因分析及改进措施

南宁机务段SS7型电力机车自1997年投入南昆线运用以来,大多数机车出现了不同程度的轮缘偏磨,2001年统计机车轮缘偏磨平均约为0.8～1.0mm万km,个别机车达到1.6～1.8mm万km偏磨情况非常严重,机车频繁地退箍、旋轮,浪费了大量的人力、物力,严重影响机车的正常运用。针对以上情况进     

数理统计的茎叶图法及其应用

将分组标志(组距)视为茎,按数的大小从上到下(也可从下到上)排列.将每一个观察值视为一个树叶,每一个树叶按照树茎之要求长在应长的树茎上,对于百分制的考试分数,先将高位数字按顺序排成一列,后将每个分数的个位数为叶长在相应的茎上,最后将每茎上的叶按从大到小的排列.若人数较多,树叶较长,可将高位数重复两次,先作"茎"后填"叶",最后可形成茎叶图.将茎叶图茎和叶逆时针方向旋转90°,实际上就是一个直方图,可以从中统计出次数,计算出各数据段的频率或百分比.从而可以看出分布是否与正态分布或单峰偏态分布逼近.此方法可以用于教学质量评估.     

铁路公益性客运范围界定混合决策模型

随着国家“基本公共服务均等化”规划的提出和铁路“政企分开”市场化改革的推进,铁路公益性与商业性服务之间的矛盾越发突出. 合理界定铁路公益性客运范围是缓解冲突,实现有效供给的前提. 本文结合定性与定量分析,构建了基于B-C-C三阶段决策流程和 PCFA-FCM降维聚类算法的铁路公益性客运范围界定混合决策模型.B-C-C三阶段决策模型以社会效益、经济状况和现实能力作为层进式判定条件,实现铁路公益性客运范围界定的顶层决策.PCFA-FCM降维聚类算法解决了决策流程实际运作中最难实现的社会效益(公益程度)量化分析问题,可以摆脱列车类型的约束,根据实际指标属性进行分类.     

聚类与模式匹配方法在区域交通控制中的应用

针对区域交通控制中定时控制效果不佳，以及区域交通模型很难建立的特点，章提出了一种基于聚类与模式匹配的区域交通控制方法。针对不同的交通网络状态模式，用信号配时优化程序和仿真软件算出每种模式的最佳配时方案；当系统识别出网络处于某种模式时，就可根据事先确定的最优方案进行控制。该方法具有无须建立交通模型、适用性广等优点。仿真结果表明，此方法可行，有效。     

一种改进K-means模型的城市轨道交通突发事件分级方法

针对城市轨道交通事件量化分级的难题,本文提出了一种改进的 K-means聚类的突发事件分级方法.首先,从事件类型、持续时间、影响程度等方面分析各种类型事件的特征规律,提取 8个关键特征量用于聚类分析;其次,应用主成分分析法提取 4个主成分变量并提出权重系数计算方法,实现特征向量降维;提出了基于密度扫描的初始聚类中心确定方法,并将改进的 K-means聚类算法应用于地铁突发事件的分级.案例结果表明,与原始 K-means聚类方法对比,应用本文提出的改进方法聚类效果更佳.研究成果已应用于北京地铁应急指挥系统,验证了本文方法的可行性.     

基于自适应模糊C-均值算法的退役锂离子电池快速聚类

梯次利用处理退役锂离子电池具有巨大的经济和环境价值,而如何高效、准确地对退役电池进行分选重组是梯次利用中突出的技术挑战。首先,为准确反映退役电池的一致性,提取最大可用容量（MAC）、放电欧姆内阻（DOIR）和容量增量曲线的弗雷歇距离（FD）3个因素共同作为聚类因子。然后3个聚类因子结合自适应模糊C-均值（AFCM）算法构建退役电池聚类方法。结果表明：AFCM算法聚类簇内MAC的最大误差为79 mA·h,DOIR小于45 mΩ;三因素的聚类方法成组的电池一致性较好;并且在117颗电池聚类时,AFCM算法聚类耗费的时间最短。     

基于模糊聚类的铁路智能运输系统结构分析方法研究

铁路智能运输系统(RITS)规模大、结构复杂、要素繁多,系统设计难度大.为降低系统设计复杂程度,提出了一种基于模糊聚类的RITS逻辑结构分解方法,通过建立模糊关联强度矩阵描述过程间的关联程度,在此基础上采用模糊聚类将RITS逻辑结构分解为若干相对独立的功能单元,使系统分解过程更为精细和严谨,为系统物理实现及相关研究提供了基础.