发动机关联性参数的数据流分析

数据流分析法在电控发动机的故障诊断中越来越多地被采用。但在分析过程中,更多进行的是单一数据分析,而疏忽了数据流的关联性,这样导致漏诊、误诊时有发生。对于非关联性参数,通过单一数据流的直接分析,大都可以判断故障的原因和故障点。但关联性参数必须同时读取多个数据流,并通过相互关系进行计算确定关联性参数,然后进行综合分析,才能判断故障点和故障原因。     

某汽车气压制动系统制动反应时间的测试及分析

汽车制动反应时间是汽车制动系统的重要性能参数之一,是影响汽车制动距离的主要因素之一。本文对某汽车气压制动系统进行制动反应时间测试,并分析其制动系统特性。     

汽车防落水电动车窗装置的设计与实现

本文针对汽车的电动车窗控制电路进行了优化设计,旨在解决该控制电路在一旦汽车落水的情况下普遍突然失灵的尴尬。其优化设计思路是寻求绕开损坏的电动车窗元器件,另外启动一条抗震且密封性良好的回路,由电瓶直接驱动电动车窗升降器电机,一键降落电动车窗玻璃。新的回路由多个传感器、ECU、备用充电电源以及紧急按钮开关等组成,具有良好的抗震性和密封性。本设计在几家汽车改装店对多款中低端汽车进行了测试安装,并将汽车的电动车窗从不同高度投入水中进行实验调试,试验效果良好。     

高速铁路路基不均匀沉降的动力学识别

高速铁路路基不均匀沉降直接影响列车的动力特性.本文建立了车辆轨道路基空间耦合动力学模型,对沉降区车体振动、轮轨力、钢轨加速度和轨道板加速度等动力特性进行了分析.在车辆动力响应和轨道动力响应中,车体垂向振动加速度受路基不均匀沉降影响最为明显,且最有规律可循.将车体垂向振动加速度作为输入量,基于RBF神经网络对路基不均匀沉降的弦长和幅值进行识别,通过网络逼近性能和输出结果的训练不断优化神经网络模型,最后可得预测效果误差小于2％,可用于路基不均匀沉降的识别.     

基于增强现实技术的交互式船舶电子手册研究

针对当前大部分船舶所配备的纸质说明书和技术文档的携带使用不便、信息形式单一、无法与使用者交互等局限性,提出并实现了基于增强现实技术的交互式船舶电子手册方案。该方案以视频图像识别为基础,以三维模型及多媒体素材驱动为核心,以智能手机为载体,将增强现实技术应用于船舶的日常管理及技术支持活动中,根据真实船舶设备的图像识别结果,在手机摄像头采集的视频中实时叠加丰富的扩增内容,帮助使用者更直观、更深入地理解设备工作原理和操作方法,有效提升设备管理水平。     

基于GPS轨迹数据的不同交通状态下交通方式识别流程优化方法

基于GPS轨迹数据的交通调查技术能够有效弥补传统居民出行调查方式的不足，该技术在高峰拥堵时段的交通方式识别效果有待进一步研究.针对公交车和小汽车识别精度较低的问题，本文提出基于支持向量机(SVM)的流程优化方法，加入基于短时傅里叶变换 (STFT)的频域属性，利用遗传算法(GA)对SVM的惩罚系数和核参数进行联合优化，评估不同交通状态下交通方式和方式转换点的识别效果.结果表明：频域属性的加入能够有效提升交通方式识别精度，在道路畅通状态和一般拥堵状态下，交通方式和方式转换点的识别效果均较为理想；在严重拥堵状态下，机动化方式易与非机动化方式相混淆，方式转换点最大识别误差在13 min以内，相比于基于主观回忆的人工问卷调查方式仍具有参考性.     

货车移动遮断影响下的小客车驾驶行为识别

为识别山区双车道公路货车移动遮断影响下的小客车驾驶行为，通过无人机拍摄和图像 处理提取车辆轨迹数据，根据车头时距、小客车横向位置曲线斜率的阈值标准，标定小客车的跟 驰、换道和超车这3种驾驶行为类别；采用Kruskal Wallis检验和主成分分析法对小客车驾驶行为 特征参数进行筛选和降维，获取识别模型输入变量；运用网格搜索算法确定核函数最优参数组 合，建立基于支持向量机(SVM)的货车移动遮断下小客车驾驶行为识别模型。以云南省典型山区 双车道公路为例，多维度分析货车移动遮断下的小客车驾驶行为特性，并对识别模型进行训练和 测试。结果表明：货车移动遮断下小客车的行车速度比自由流条件下低约20~30 km·h-1；小客车 在山区双车道跟驰货车行驶时的平均车头时距为2.53 s，小于相关规范中规定的最小安全车头时 距，跟驰行车风险较大；基于SVM的货车移动遮断下小客车驾驶行为识别模型的识别准确率达 98.41%，具有良好的识别能力和应用前景。     

基于百度云AI的自动售检票系统人脸识别应用可行性分析

人脸识别作为生物识别技术的重要分支,因其非接触性特点,在身份认证方面已经获得广泛应用。百度云AI作为智能云平台已经开放轻量级人脸识别和认证的应用服务。基于该服务不需要重复研发人脸识别算法,短期即可完成“刷脸”乘车环境搭建。分析了基于百度云AI(人工智能)技术快速建立轨道交通AFC(自动售检票)系统人脸身份识别应用场景的可行性。     

A double standard model for allocating limited emergency medical service vehicle resources ensuring service reliability

This paper introduces a new double standard model (DSM), along with a genetic algorithm (GA), for solving the emergency medical service (EMS) vehicle allocation problem that ensures acceptable service reliability with limited vehicle resources. Without loss of generality, the model is formulated to address emergency services to human injuries caused by vehicle crashes at intersections within an urban street network. The EMS fleet consists of basic life support (BLS) and advanced life support (ALS) vehicles suited for treating crashes with different severity levels within primary and secondary service coverage standards corresponding to extended response times. The model ensures that all demand sites are covered by at least one EMS vehicle within the secondary standard and a portion of which also meets the service reliability requirement. In addition, a portion of demand sites can be covered by at least one of each type of EMS vehicles within the primary standard. Meanwhile, it aims to achieve maximized coverage of demand sites within the primary standard that complies with the required service reliability. A computational experiment is conducted using 2004–2010 data on top two hundred high crash intersections in the city of Chicago as demand sites for model application. With an EMS fleet size of 15 BLS and 60 ALS ambulances maintained by the Chicago Fire Department, at best 92.4–95.5% of demand could be covered within the secondary standard at 90% of service reliability; and 65.5–68.4% of high severity demand and 50.2–54.5 low severity demand could be covered within the primary standard at 90% of service reliability. The model can help optimize EMS vehicle allocation in urban areas.     

A multiple criteria approach to two-stage data envelopment analysis

Two-stage data envelopment analysis (DEA) models are commonly used in the evaluation and benchmarking of sustainable operations and processes across multiple research fields. To date, however, little attention has been given to the unrealistic weight distribution and weak discrimination power in the modeling and evaluation of the two-stage sustainable operations when using two-stage DEA models. In order to overcome this methodological weakness, we use the multiple criteria DEA (MCDEA) approach in the evaluation of the two-stage processes. The outcome is a multiple criteria two-stage DEA model which yields more realistic weights for the inputs and outputs and thus has better discrimination power than traditional two-stage DEA models. The developed model is tested and validated by assessing the sustainable design performances of a sample of car product designs.