圆锥滚子轴承滚子凸度的优化分析

采用数值分析的方法对工程上常用的4种滚子凸度进行计算,得出各自的应力分布状况,并进行了详细的分析,从而得到最优的滚子凸度。     

基于眼动仪的驾驶员视点分布特性研究

驾驶员眼动特征能较好地表征驾驶员对视觉信息的加工过程,通过获取驾驶员行车过程中注视点的变化得到驾驶员在不同路段的视点特性。通过运用智能眼动仪,以高速公路驾驶员的视点变化为研究对象。通过将高速公路进行合理的分段,最终得到驾驶员在不同路段下的视点分布特性,发现驾驶员视点在直线路段主要集中在中间区域,而在转弯路段主要集中在中间区域和弯道的内侧,在隧道路段,主要集中在中间区域和下方区域。通过对眼动数据研究得出结论:当平曲线半径小于600 m时,建议对标志进行优化以保证驾驶员能准确获取道路信息,当平曲线半径小于300 m时,建议改善路侧环境以缓解驾驶员的紧张程度。同时,根据隧道段的视点特性,提出了一定的改善措施。     

TransCAD在交通评价中的应用

根据已规划地块出行量和吸引量的预测值,利用TransCAD进行分析,预测该地块的OD分布及各个道路的交通流量,分析各个道路的饱和度,从而对规划地块的路网进行交通评价,得出相应的交评结论.     

公路隧道巷道式施工通风瓦斯分布研究

为探究瓦斯公路隧道巷道式施工通风中瓦斯的体积分数分布规律,利用流体力学研究软件FLUENT建立三维隧道模型并进行了数值仿真计算,通过对隧道内部整体、掌子面附近和主洞与横通道连接处瓦斯体积分数分布的研究,分析了隧道内部瓦斯分布的具体特点并深入探讨了内部回流区、涡流区和瓦斯容易聚集的位置。模拟结果表明： 瓦斯从一侧主洞涌出后,不会对另一侧造成污染; 涡流区瓦斯体积分数明显大于周围区域; 风管所在一侧截面上瓦斯体积分数分布明显低于异侧。     

基于广义互相关和多项式拟合的TDOA时延估计方法

广义互相关方法在TDOA时延估计中具有较高的精度和程序容易实现等优点而被广泛采用.为进一步提高时延的估算精度,在广义互相关的基础上,融入多项式拟合方法,寻求广义互相关函数的精确峰值位置,将时延估计精度推进到亚采样点级别.通过Matlab仿真分析及实测数据的算法验证,结果表明,在广义互相关方法中融入多项式拟合方法,能大大提高时延估计精度,且算法复杂度低,易于工程实现.     

逆韦布尔分布下n中取k系统的随机比较

研究了元件寿命服从特征寿命参数不同,形状参数相同的逆威布尔分布下,两个由独立元件构成的串联系统分散序的随机比较问题,并给出元件特征寿命不同,形状参数相同(或不同)的逆威布尔分布下,两个由独立元件构成的并联系统在洛伦茨序、星序以及失效率序之间的随机比较.同时给出了满足各种随机序时其分布所含参数间的相应关系.     

基于相似性优化模型样本的实车锂电池健康状态分析

为更好地解决电动汽车动力电池健康状态（SOH）在线估计问题,减少实车采集数据中的冗余样本,改善运行工况不稳定导致的特征丢失,提升实车电池SOH估计的精度,提出一种基于增量容量分析方法（ICA）提取特征和动态时间规整（DTW）优化特征样本的SOH估计方法。首先对实车电池充电循环数据应用增量容量分析提取电池IC曲线,以曲线峰高度等形状特征作为健康因子。采用动态时间规整作相似性判据,基于IC曲线形状计算电池充电循环样本的相似度,保留与基准充电循环相似的充电循环数据,优化训练样本,最后采用全连接神经网络（MLP）模型进行SOH估计。以实车运行电池数据进行对比实验,结果表明该方法可明显改善训练样本质量,提升电池SOH估计精度。     

基于多源数据融合的城市出租车载客出行特征研究——以岳阳市为例

为探究城市出租车载客出行特征,在出租车GPS轨迹大数据基础上,融合居民出行调查数据、城市土地利用数据及天气数据,构建出租车载客出行量回归模型,得出出租车载客出行量与片区岗位数、天气状况、时段、片区面积有较强的相关性,而基于RBF神经网络构建的回归模型在上述4个因素的基础上增加了片区常住人口数和是否工作日2个因素.通过10折交叉验证表明,RBF神经网络回归模型的拟合效果比多元线性回归模型更好.     

非严格优先权下许可相位左转车辆侵占时距分布模型

提出侵占时距的概念来描述非严格优先权下许可相位左转车流的微观特性,并根据左转车辆通过时,交叉口内对向直行车辆的不同存在形式,划分成了4种交通状态.基于大量的实测数据,利用7种不同的模型对侵占时距分布进行拟合.采用最大似然估计法进行参数估计,通过Kolmogorov-Smirnov检验对不同模型在不同状态下的拟合优度进行判定.最终得到Log-Logistic模型对不同交通状态下的拟合效果最优,并且其模型参数值的大小与对向直行车辆的不同存在状态有关.最后,选取了2个交叉口作为验证组,验证了Log-Logistic模型在不同交叉口不同交通状态下的适用性.     

基于AFC数据的城轨路网客流OD在线动态估计

路网实时客流状态是城市轨道交通日常运营组织科学决策的主要依据,而精准地在线估计客流OD是前提条件.本文分析了准实时AFC数据接入条件下客流OD在线动态估计问题及其特点,提出了将机器学习与递归贝叶斯相结合的客流OD动态估计方法;构建了基于LSTM的客流OD状态转移模型,以及LSTM模型嵌入下的客流OD递归贝叶斯估计模型;针对客流OD状态变化的非线性、不确定性特点,提出基于粒子滤波算法求解客流OD递归贝叶斯估计问题.面向LSTM模型嵌入所形成的客流OD状态转移三阶马尔科夫过程,对一般的粒子滤波算法进行高阶扩展,研究了算法的实现.最后用实例对本文提出的方法进行了验证.