2020年一汽奥迪A3 新技术剖析(二)

冷却系统工作状态如图7～图9所示. 在发动机冷启动时,主水泵是不起作用的,是由增压空气冷却泵V188来产生循环的.V188让冷却液流经低压废气再循环冷却器然后再流经暖风热交换器.回流是经过发动机机油冷却器的,该冷却器在这个时候的液流方向与正常时是相反的.缸盖内的循环可保证缸盖温度不至于达到沸腾.     

基于多源数据的城市群枢纽间多模式交通系统异常状态影响研究

为探究城市群多模式交通系统异常状态的影响范围,从需求端非常态客流变化和供给端运输能力下降两方面对多模式交通系统异常环境进行分类,提出了基于手机信令数据、意向出行调查及客票信息等多源数据的异常状态影响范围识别流程和分析方法;以京津冀城市群为例,确定强链接枢纽间通道客流动态安全阈值,提出了基于贝叶斯预测的通道客流异常检测方法;利用提升度、余弦相似度及其标准化值来区分枢纽关联规则的有效性,提出了基于强关联规则确定异常状态影响范围的方法。研究表明：基于贝叶斯预测的通道客流异常检测方法具有实时性,提高了客流安全阈值精度;基于实际手机数据和假定异常情况下的意向调查数据并结合关联规则确定枢纽影响范围,可为利用数据挖掘技术分析突发异常状态的影响和对策提供借鉴。     

铁路声屏障表观病害智能检测技术

针对铁路声屏障外观状态检查效率低、检测精度差的现状,为满足自动化、智能化检测需求,开展声屏障表观病害智能检测技术研究。通过调研分析声屏障检测技术现状,提出基于图像的铁路声屏障表观病害智能检测技术方案。重点对声屏障外观成像、主从协同控制、在线识别等关键技术的实现方式进行研究,同时对部分功能进行了试验验证;基于钢轨探伤车进行图像采集,检测速度80 km/h,建立声屏障病害典型样本数据集,验证了在线识别的可行性和有效性。结果表明,铁路声屏障表观病害智能检测技术可大幅提升病害检测的自动化和智能化水平。     

面向多类型交通冲突的道路条件及交通状况影响评估

交通冲突为交通事故发生前的潜在状态。探究静态路段属性和动态交通流特性等宏观特征对于交通冲突的影响至关重要,但现有研究主要关注2辆车之间的危险状态,对于涉及多个交通主体的冲突缺乏重视。为有效提取包括单一冲突和连锁冲突在内的多类型交通冲突,基于无人机采集的车辆轨迹数据首先识别车辆对之间的单一冲突,另通过关联匹配辨识连锁冲突,并基于聚类将连锁冲突划分为纵向风险下降模式、纵向风险增加模式和横纵向高风险持续模式。构建巢式Logit模型探究宏观交通属性及路段条件对多类型单一冲突和连锁冲突的影响,结果表明合流区和基本路段为单一冲突的高发区域,而分流区和交织区为连锁冲突高发区域,尤其会导致横纵向高风险持续模式的发生,但车道数的增加有助于减少严重连锁冲突的发生。此外,主线交通密度增大,连锁冲突发生概率增加;匝道与主线的流量比增大时,连锁冲突更易发生,其中纵向风险增加模式对交通流量最为敏感。将各类型冲突发生的交通流条件与宏观基本图结合分析,表明各类型交通冲突的发生次数存在峰值,且路段上交通冲突发生最多的临界密度要高于同一路段宏观基本图的临界密度。研究结论有助于理解多车连锁冲突发生的宏观原因,有效阻断其演化...     

重载车辆不同行驶条件下沥青路面结构动态响应分析

重载车辆在不同行驶条件下对路面的破坏程度有所不同,为定量分析何种行驶条件对路面影响最大,从实际路面结构出发,采用有限元仿真模拟对比分析重载车辆在匀速、制动和加速3种行驶状态下对路面不同结构层的动态响应影响规律,以制动为车辆行驶条件,进一步分析不同水平力系数Φ(0.3、0.5、0.7、0.9)对路面结构动态行为的影响。结果表明,3种行驶状态下路面结构层的横向应力和竖向应力差距均在10%左右;而路面结构层在减速和加速行驶状态下的纵向应力和纵向剪应力较匀速增涨幅度可达100%～150%;在分析的Φ范围内,横向应力和竖向应力极值在相邻水平力系数下变化幅度为1%～5%,而纵向应力和纵向剪应力极值随水平力系数的增加而变大,最大差值分别为0.596、0.618 MPa。     

内燃机车换热装置状态对机车性能的影响及应对措施

将内燃机车所装备的各类换热装置作为整体系统进行分析研究。介绍了各类换热装置的组成、功用、工作原理以及各类换热装置状态对机车性能、机车效率及机车运行经济性的影响;并对各类换热装置的检修、清洗、试验等应对措施作了论述。     

基于Web的牵引变压器在线监测诊断系统

针对牵引供电系统的特殊性,提出了一种基于Web的牵引变电所主变压器在线监测诊断系统,并讨论了系统的工作原理和故障诊断方法.该系统集成度高,响应速度快,系统性好,对保证电气化铁道牵引供电系统的安全运行有重要意义.     

基于卷积和递归神经网络融合的交通状态指数预测

为提高交通状态指数预测精度,方便市民出行规划和提高相关机构管理预见性,创新研究了基于卷积和递归神经网络融合的交通状态指数预测模型.模型将卷积网络和递归网络进行了融合,由卷积神经网络层和递归神经网络层组成.该模型中的卷积网络能自动提取重要影响因子,同时递归网络能捕捉到前后时序特征,结果显示,得到的融合模型在交通状态指数预...