基于车载控制器BootLoader的数据备份刷写软件方案实现

本文针对车载控制器介绍一种基于以太网BootLoader的数据备份刷写的软件方案及实现,包含数据备份区的方案设计、BootLoader数据刷写模式转换及测试结果。     

车载启停稳压器优化设计

传统车载启停稳压器在车辆上供电于车辆ECU控制模块,而ECU无法供电会导致车辆不能行驶,影响用户的使用,严重时在高速行驶会影响人身安全。车载启停稳压器优化设计是一种可以有效防止车辆配有启停稳压器产品功能损失的安全冗余可靠性设计,既能满足稳定汽车启动时电池电压的波动,同时也能满足由Boost回路给负载的电路长期供电的功能,而不会导致电子元器件损坏,影响车辆行驶功能,而且电路易于实现,可靠性高且成本低。     

基于商用车的车载以太网通信技术应用

汽车智能化、网络化、自动驾驶的大浪已经来临,ADAS技术的不断革新,高品质车载娱乐影音以及FOTA远程升级,V2X、大数据、云计算等一系列技术的发展,都推进了车载网络容量需求的爆发式增长,传统的CAN、 LIN已无法满足大数据的传输。本文主要介绍基于商用车的车载以太网通信技术应用,包括以太网应用场景设计、架构设计、应用层协议介绍、通信测试等。     

舰载机试飞数据的移动基准区间与牛顿插值处理

分析飞行试验数据具有数据量大,需分段加载和截取的特点,针对试飞数据预处理过程中常规全局统计误差分析方法有时难以满足要求的问题,建立移动基准区间和牛顿插值相结合的误差修正模型,提出移动基准区间牛顿插方法,并应用于飞行试验数据处理中,最后通过实例验证其有效性.     

货物系固力是船体局部强度不可忽视的载荷

在装载重大件货物时,要校核船体结构的局部强度。实际航运中,为了防止重大件货物的移动和倾倒,要对重大件货物进行系固。这就使船体结构所承受的压力,大于重大件货物本身的自重。从超出的数量上来讲,给船体结构局部强度带来的影响是不可忽视的。此文对此进行了计算和分析。     

移动的海上艺术馆

最近意大利百年老店Bagletto造船厂可谓风光无限,在过去8个月间一共下水了6艘超级游艇。这在经济萎靡的背景下堪称战绩骄人,Baglietto在全世界超级游艇主间的认知度由此可见一斑。     

ATMEGA16单片机与车载诊断系统通信的实现

车载自动诊断系统储存汽车电控系统的大量数据和故障信息,获取相关数据和数据对检修汽车故障有着重要的指导意义。本文介绍了如何使用单片机来实现与车载诊断系统的通信,获取所需信息和数据,为汽车故障维修提供相应的依据。     

现浇简支箱梁侧模纵向移动施工技术

连(云港)镇(江)铁路淮安特大桥21孔双线现浇简支箱梁,改变了传统的施工工艺,结合工程特点在进行充分比选论证的基础上选用了碗扣式支架法现浇施工,为降低箱梁外侧模在装拆过程中的安全风险,减少安全隐患,节约资源,降低成本,加快施工进度,提高经济效益和社会效益,采用了外侧模纵向移动施工技术。碗扣式支架法现浇简支箱梁外侧模纵向移动施工工艺的成功应用解决了箱梁施工中的安全、质量、进度与成本的诸多难题,达到了预期目的。     

巨噬细胞移动抑制因子在实验性自身免疫性心肌炎大鼠心肌中的表达及白藜芦醇的治疗作用

目的探讨巨噬细胞移动抑制因子(MIF)在实验性自身免疫性心肌炎(EAM)大鼠心肌组织中的表达及白藜芦醇缓解EAM的可能机制。方法采用猪心肌免疫球蛋白皮下注射法制作自身免疫性心肌炎模型,随机将24只6周龄雄性Lewis大鼠分为对照组(Con)、模型组(MC)和白藜芦醇干预组(MC+Res)。采用超声心动图检测评价各组大鼠心脏结构及功能改变;随后采用Western blot检测心肌组织中MIF的表达,HE染色检测心肌组织病理损伤,免疫组化法检测心肌组织中的巨噬细胞浸润程度。结果对照组无明显炎症细胞浸润,模型组心肌组织中有大量炎症细胞浸润,同时伴有明显心肌纤维断裂、溶解及大量巨噬细胞聚集,白藜芦醇干预可显著缓解心肌纤维溶解、断裂,减少巨噬细胞浸润(P<0.05);与对照组相比较,模型组LVEDs显著增加(P<0.01),LVEF、LVFS显著减少(P<0.01);与模型组比较,白藜芦醇干预组中LVEDs明显减少(P<0.05),LVEF、LVFS明显增加(P<0.05);模型组中MIF蛋白表达水平较对照组明显升高(P<0.01);与模型组相比较,白藜芦醇可明显降低MIF表达(P<0.05)。结论心肌组织中MIF参与了EAM的发病,白藜芦醇对EAM的治疗作用可能与其降低MIF表达、减少巨噬细胞的浸润和聚集有关。     

基于单分类支持向量机的CAN总线异常检测方法

为提高智能客车的网络安全性,提出一种基于单分类支持向量机模型的CAN总线报文异常检测方法,根据智能客车CAN总线的报文数据域特性,分析攻击对数据域产生的影响,将CAN报文的数据域提取成8个训练特征,以大量的行驶数据作为训练集和测试集,通过随机和仿真方式生成异常数据,采用交叉验证的方式对参数进行调整。试验结果表明,该模型能有效检测出异常数据,提升了智能客车的行驶安全性。