柴油机配气机构动力学分析的有限元模型

本文把有限元法应用于柴油机配气机构的动力学分析，建立了配气机构动力学分析的有限元模型，文中采用变长度凸轮单元模拟凸轮升程，把凸轮轴作为一个单元，以考虑凸轮轴的弹性变形；建立了考虑支座弹性变形的摇臂单元模型，简化了有限元计算；针对配气机构的特点，分阶段进行计算，不同阶段取不同计算对象，从而解决了柴油机配气机构动力学有限元计算中的一些难题，提高了计算精度。     

基于PC-Crash的车-人碰撞事故仿真与分析

基于多刚体动力学仿真分析软件PC—Crash,建立车一人碰撞事故的再现模型,分别对同一工况下汽车有无ABS刹车防抱死制动系统、不同碰撞初速度以及利用随机函数确定汽车与行人的随机参数,进行大量的数字化仿真试验,分析事故发生后人体头部重要器官与车体前部碰撞点以及损伤程度的分布规律。根据分析结果,从汽车生产厂商保护行人的角度改善车身布置结构,提出有价值的参考意见。     

京沪高速公路苏北段货车轴载分布研究

车辆对路面的轴荷作用是影响公路使用寿命的关键因素之一,通过对2008年京沪高速公路苏北段收费数据库中货车数据的整理、计算,对京沪高速公路苏北段货车车流现状、车辆轴载分布情况进行分析;并从轴荷分布角度,提出了路段载荷不均匀分布的对策,建议按月建立路网轴荷分布数据库,为养护决策提供基础数据。     

��������������������������� �滮ģ�ͼ��ⷨ�о�

合理规划区域性物流配送中心，对于提高物流配送服务水平，降低物流配送成本具有重要意义.实际物流配送系统中，需求点的物流配送需求是随机变量.因此，传统的把配送需求假定为已知常数的规划模型，不能反映需求量的随机性对区域性物流配送中心规划的影响.本文研究当物流需求量为随机变量时，区域性配送中心的随机规划模型和解法.由于引入了随机变量，所建立的规划模型更加符合实际;在模型求解过程中,则利用了确定性等价及过滤条件把模型简化成了多个简单的线性规划子问题,简化了模型求解，从而使之更易于在区域性物流配送中心的规划中得到运用.     

客运通道出行行为选择分析

选择如何出行是进行出行决策的重要组成部分。而如何提高道路交通准确预测程度,实现道路交通资源合理分配、城市交通布局进行合理规划则成为一个重要的课题。文章主要对京沪两地影响客运通道出行选择的因素进行分析,并在此基础上建立MNL模型。经检验该模型精度很高,能够有效地预测京沪客运通道各交通方式的分担率。     

信号控制模型中利益分配问题的研究

设计了一个平衡约束条件下信号控制与平衡网络设计组合问题的多目标规划模型，然后使用效用函数法将有双目标的上层优化问题转化为一个单目标优化问题．在这种情况下，该模型变成一个标准的双层规划模型。并利用全局优化方法模拟退火算法和惩罚函数法相结合求解．     

轻型载货车电动助力转向系统的仿真模型与试验验证

应用Adams/Car软件,建立了带有电动助力转向器的轻型载货车多体动力学模型,然后,应用道路试验数据,确定出不同工况下的助力特性曲线和对应的速度感应系数,制作成相应的MAP图,在Adams/Car软件环境中,采用DCF文件控制仿真的方法,重现试验工况。仿真计算与试验结果的对比分析证明了仿真模型的合理性,可达到期望的精度。     

道岔区聚氨酯固化道床烘干装置的研发

针对道岔区聚氨酯固化道床施工提出一种道床烘干技术。通过高精度、智能化的道床温湿度检测,实时监控烘干效果。本文首先介绍了道床烘干装置的总体设计,然后对道床烘干数值模拟结果和试验线上实测结果进行了分析。结果表明:当密封罩内分风结构导流角为100°时,密封罩的7个出风口风速均匀;烘干约10 min时道床烘干深度可达350 mm,道床相对湿度约20%,满足聚氨酯施工要求;与现有设备相比,该道床烘干装置具有小型化、快捷化的特点,可实现对道岔区等复杂线路区段的道床烘干作业。     

A finite mixture model of vehicle-to-vehicle and day-to-day variability of traffic network travel times

This study proposes an approach to modeling the effects of daily roadway conditions on travel time variability using a finite mixture model based on the Gamma–Gamma (GG) distribution. The GG distribution is a compound distribution derived from the product of two Gamma random variates, which represent vehicle-to-vehicle and day-to-day variability, respectively. It provides a systematic way of investigating different variability dimensions reflected in travel time data. To identify the underlying distribution of each type of variability, this study first decomposes a mixture of Gamma–Gamma models into two separate Gamma mixture modeling problems and estimates the respective parameters using the Expectation–Maximization (EM) algorithm. The proposed methodology is demonstrated using simulated vehicle trajectories produced under daily scenarios constructed from historical weather and accident data. The parameter estimation results suggest that day-to-day variability exhibits clear heterogeneity under different weather conditions: clear versus rainy or snowy days, whereas the same weather conditions have little impact on vehicle-to-vehicle variability. Next, a two-component Gamma–Gamma mixture model is specified. The results of the distribution fitting show that the mixture model provides better fits to travel delay observations than the standard (one-component) Gamma–Gamma model. The proposed method, the application of the compound Gamma distribution combined with a mixture modeling approach, provides a powerful and flexible tool to capture not only different types of variability—vehicle-to-vehicle and day-to-day variability—but also the unobserved heterogeneity within these variability types, thereby allowing the modeling of the underlying distributions of individual travel delays across different days with varying roadway disruption levels in a more effective and systematic way.