船舶气象导航最省燃料航线研究

船舶气象导航是保证船舶航行安全和节能的重要手段。本文应用最佳控制理论研究和建立船舶最省燃料航线数学模型。在分析比较船舶最短时间航线和最省燃料航线数学模型的基础上，讨论了最省燃料航线算法实现。并针对冬季北太平洋进行了最省燃料航线模拟试验。     

滑移门锁系统解锁力的传递与优化

降低车门开启力是提高用户对汽车第一感知质量的重要因素。文章介绍了一种滑移门门锁系统解锁力的传递过程以及优化方法,对解锁力传递链上的每一环力大小做出理论计算并分析计算过程,为降低解锁力提供了优化方案,实测解锁力结果满足规范以及客户期望。为门锁系统以及车门系统的设计提供了参考.     

汽车轻量化技术的应用

应用汽车轻量化技术可实现减轻汽车质量,解决节能与环保问题。文章通过轻量化对促进汽车工业健康发展重要性的论述,阐明轻量化技术在汽车结构优化设计、轻量化材料开发应用及新工艺上实现的方法和主要作用,以及产品全生命周期评价列为轻量化技术之一的考虑,揭示汽车轻量化技术的主要应用方向和应用现状,强调轻量化技术在汽车轻量化中的重要作用与前景。     

基于粒子群算法的粘性土主动土压力计算方法

假定挡土墙后滑动面为库伦平面滑裂面,基于能量法,推导出了适合与砂性土与粘性土的主动土压力计算公式,然后引入粒子群智能优化算法,对最危险滑动面所对应的破裂角在变量范围内进行全局搜索。运用本文方法分别对墙后填土为为砂性土和粘性土的挡土墙土压力进行计算,发现对于砂性土,优化方法得到的破裂角与理论精确解完全一致;对于粘性土,方法计算结果与实测结果相对误差为5.5%。     

AC一25C沥青混合料级配正交优化试验研究

考虑南方湿热地区沥青路面的使用要求,选取了19mm、9．5mm、4．75mm、2．36mm和0．075mm筛孔的通过率和油石比六种因素及相应的五个水平,采用正交表试验表L25（5^6）进行了优化试验,通过极差分析法和趋势图分析了各因素和各水平对各马歇尔指标的影响程度和规律,分析提出了满足各沥青混合料指标要求的AC-25C沥青混合料的矿料级配和油石比范围。     

摩托车发动机凸轮测量测点布局优化设计方法

凸轮测量的目的不同,对测点间距的要求也不同;为了最大限度地减少测量工作量,把测量误差控制在允许范围之内,必须按公差要求进行凸轮测点布局;在实际测量中,应把计算出的测点间距间的角度值圆整为整数度;无论是用平面测头还是滚柱测头测量,按本文方法算出的测点间距与测量误差的平方根成正比,而与被测点的曲率半径的平方根成反比。     

基于GA和SVM的水火弯板焰道布置优化方法

水火弯板是目前船舶建造中普遍采用的曲型外板加工方法,由于机理复杂,其加工过程参数确定往往依赖于工人的加工经验,难以实现标准化和规范化。文章提出基于遗传算法(GA)和支持向量机(SVM)的水火弯板焰道布置优化方法,以成形曲面和设计曲面之间的形状误差最小为优化目标,将焰道布置优化问题分解成计算最小形状误差和搜寻最佳匹配位置两个问题,并分别运用嵌套GA和SVM来实现这两个问题的求解。实例验证表明该方法能快速高效确定最优的加热线布置方案。     

滚装甩挂运输牵引车调度优化及作业模式类比分析

针对滚装甩挂运输新船型可“直进直出”条件下的“边装边卸”作业模式，与传统船型“船艉 进出”条件下的“先卸后装”作业模式对比，建立滚装甩挂码头牵引车调度的混合整数规划模型， 并设计遗传算法求解模型。通过对比不同规模算例下CPLEX与所设计遗传算法的实验结果，验证模型的正确性和算法的有效性。结果表明：相较于传统船型“先卸后装”作业模式，新船型“边装边卸”作业模式在运营成本方面可降低约15%；当装卸任务分布密集时，卸船任务靠近船艏运营成本越高，装卸任务分布稀疏时，卸船任务远离船艏运营成本越高；总体而言，“边装边卸”作业模式的运营成本低于“先卸后装”作业模式。研究结论可为“边装边卸”作业模式下的港口滚装甩 挂作业调度提供决策支持。     

完整街道扫描仪:智慧城市人居环境感知新技术

完整街道扫描仪以"连通"为目的构建,以移动载具的形式在未来城市的路网中部署、载人运行,借助其上搭载的传感器、车联网功能扩展出对交通流、街道环境、行人进行扫描、记录、分析、影响的能力,成为一种面向未来智慧城市的人居环境感知系统。当完整街道扫描仪成规模部署后,其作用将不仅限制于交通领域,还将深入参与进共享经济、数据安全、城市发展规划,有潜力成为一种新的经济发展模式。本文聚焦从单车智能到人居环境智能的城市管理智能化维度需求演变,从未来交通管理、未来城市管理与数字经济产业支撑三个方向对完整街道扫描仪满足未来智慧城市的需求进行阐述。同时,也总结出了完整街道扫描仪的原型系统概念模型,以及已搭建进行的示范应用。     

Towards data-driven car-following models

Car following models have been studied with many diverse approaches for decades. Nowadays, technological advances have significantly improved our traffic data collection capabilities. Conventional car following models rely on mathematical formulas and are derived from traffic flow theory; a property that often makes them more restrictive. On the other hand, data-driven approaches are more flexible and allow the incorporation of additional information to the model; however, they may not provide as much insight into traffic flow theory as the traditional models. In this research, an innovative methodological framework based on a data-driven approach is proposed for the estimation of car-following models, suitable for incorporation into microscopic traffic simulation models. An existing technique, i.e. locally weighted regression (loess), is defined through an optimization problem and is employed in a novel way. The proposed methodology is demonstrated using data collected from a sequence of instrumented vehicles in Naples, Italy. Gipps’ model, one of the most extensively used car-following models, is calibrated against the same data and used as a reference benchmark. Optimization issues are raised in both cases. The obtained results suggest that data-driven car-following models could be a promising research direction.