对转桨水动力性能实时预报方法

为了实现对转桨水动力性能实时预报，基于BP神经网络构建对转桨水动力性能预报模型。首先，采用低阶速度势边界元法建立对转桨水动力性能预报模型，通过调整来流速度和前后桨转速开展对转桨水动力性能多工况计算，从而获得构建神经网络所需的样本空间。建立适用于对转桨水动力性能预报的神经网络架构，通过训练使其具备良好的泛化能力。以某组对转桨为研究对象开展水动力性能实时预报方法研究，结果表明，采用BP神经网络预报模型可获得与边界元法精度相当的预报结果，但该模型与边界元法相比计算所耗时间可以忽略不计，可有效实现对转桨水动力性能实时、快速预报。     

基于随机森林结合前向序列选择算法的铁路隧道防水板检测数据关键影响因素识别北大核心

针对参数特征复杂度高的铁路产品,提出了一种基于随机森林(RF)结合前向序列选择(SFS)算法的铁路产品检验检测数据关键影响因素识别方法,以辅助基于经验的识别方法。创新使用RF-SFS算法,将其应用于铁路隧道防水板检验检测数据关键影响因素的识别研究。根据多年铁路隧道防水板检测数据,建立RF模型,获得了影响铁路隧道防水板检测结果的特征关键性评分序列。随后,结合SFS方法得出关键性评分序列的阈值,将排名前6位的影响因素识别为关键特征,模型的预测能力达到99.98%。为验证关键特征识别方法的有效性,对比分析3种模型在使用不同特征子集时的预测能力。当仅选用关键特征时,3种模型的预测能力均达到最佳,加入冗余特征后模型的预测能力逐渐降低。     

汽车电子标识技术优势及应用前景分析

汽车电子标识作为汽车的"身份证",是无源射频识别技术在交通物联网领域的应用。《机动车电子标识安全技术要求》等六项国家推荐性标准的正式实施以及国内外广泛的应用试点,使得该技术在我国全面推广、应用变得愈发现实。本文阐述了汽车电子标识的系统构架、工作原理、应用现状,通过技术路线、技术对比两个层面的分析阐述了汽车电子标识的技术优势,并基于此对于汽车电子标识的应用前景进行展望。在感知层,汽车电子标识将与视频检测技术有机结合,构建"射频+视频"等具备更高稳定性、可靠性的信息采集体系。而在应用层,汽车电子标识将提升涉车应用的实现水平,为假、套牌等顽固问题提供了解决方案,为诸多潜在应用的实现提供可能性。     

基于非线性Drive-shaft模型的车辆传动系统冲击响应

建立了包含线性与非线性项的车辆传动系统非线性Drive-shaft模型, 应用具有耗散项的拉格朗日方程将非线性Drive-shaft模型转换为当量化的两质量模型, 通过将两端扭转角等效到同一端获得了传动系统的冲击响应方程, 应用Routh-Hurwitz准则分析了冲击响应方程的稳定性, 获得了稳定性参数区间。仿真结果表明: 将非线性阻尼分别设置为0和线性阻尼的1/10、-1/10时, 冲击响应首个峰值的绝对值分别为0.153 9、0.101 4、0.371 6, 当非线性阻尼为线性阻尼的1/10时, 冲击响应的首个峰值的绝对值最小, 这说明正的非线性阻尼有利于冲击响应的衰减; 将非线性刚度分别设置为0和线性刚度的1/10、-1/10时, 获得的冲击响应首个峰值的绝对值分别为0.153 9、0.178 8、0.115 9, 当非线性刚度为线性刚度的-1/10时, 冲击响应的首个峰值的绝对值最小, 这说明负的三次方非线性刚度有利于冲击响应的衰减; 在固定非线性刚度为线性刚度的-1/10的基础上, 将代表非线性阻尼的系数分别设置为0.1、0、-0.1, 获得的冲击响应首个峰值的绝对值分别为0.078 4、0.114 2、0.231 6。可见, 当代表非线性阻尼的系数设置为0.1时, 冲击响应的首个峰值的绝对值最小, 这表明在传动系统线性刚度及线性阻尼的基础上, 设计负的非线性刚度及正的非线性阻尼可以提升传动系统抵抗冲击的性能。      

五十铃载货车制动系常见故障诊断与排除

五十铃载货汽车制动系统常见故障主要有制动效能不良与制动拖滞等，现将其诊断与排除方法介绍如下。