双离合自动变速器车辆起步品质模糊综合评价模型及其敏感度分析

针对双离合自动变速器(Dual Clutch Transmission,DCT)车辆起步品质主观评价结果难以精确量化,以及客观评价模型中评价结果稳定性衡量问题,提出了起步品质模糊综合评价模型及其敏感度分析方法.分析DCT车辆起步过程中离合器的结合过程,确立了起步品质评价指标;使用熵权法对指标进行赋权,研究正态分布和梯形...     

基于典型非机动车事故的自动驾驶汽车测试场景构建方法研究

基于交通事故卷宗、交通事故视频信息数据,研究机非混行交通环境下典型交通事故形态,构建了面向机非混行交通环境下的自动驾驶汽车测试场景,旨在针对我国较为特殊的机非混行环境下的自动驾驶汽车的测试场景及测试评价方法提供参考。本文首先分析了自动驾驶测试场景的构建需求,建立交通事故数据筛选标准,得到133例可用于构建自动驾驶汽车测试场景的机动车与非机动车交通事故数据集;其次基于《中华人民共和国道路交通安全法》行驶要求,对133例交通事故的发生地点、车辆行为、道路类型、环境光线等方面进行解构分析;最后通过聚类分析,建立了5类典型的自动驾驶测试场景模型,并分析了不同场景模型的关键要素,为实际道路测试提供理论指导。     

汽车前照灯闪烁问题分析及设计优化

汽车前照灯是整车照明的重要组成,随着时代的发展,汽车前照灯的设计也越来越简单化、多样化。本文针对某车型项目阶段出现的前照灯闪烁问题,从前照灯的控制逻辑展开,分析故障产生的原因,并研究优化方案。     

后疫情时代菏泽A汽车销售公司行业竞争力比较研究

通过运用主成分实证法对菏泽市案例公司的竞争力开展评价,分析得出显著因素,提出政策建议,旨在在后疫情时代,通过对案例企业实证分析,延伸行业发展空间。     

基于MARC外水切压缩负荷优化

本文介绍了外水切CAE模型分析外水切压缩负荷的方法.压缩压缩负荷是外水切的一个重要参数,压缩负荷的设计不合理,会直接影响玻璃的升降和刮水性能.利用MARC可以对外水切截面进行有限元分析,在设计前期可以指导工程师进行截面优化,得到合理的压缩负荷.     

EPB释放时间偏长问题研究

EPB是实现车辆自动驻车、释放等功能的部件.其作用是防止车辆在平路或者坡道上溜车.相对普通手驻车制动更加智能、高效.左右EPB卡钳电机分别执行驻车、释放等功能,其结构复杂,同时驻车、释放等功能由软件控制,其涉及驻车释放的一致性等问题.本文以某车型投放市场初期产生的释放时间偏长问题,通过对软件和结构硬件进行了深入研究,分...     

中职班主任德育工作的思路探析

随着教育部门对中职思政教育改革要求的提出,中职教育又在教育体制中有着特殊的地位与角色,班主任的德育工作在中职阶段的教育过程中发挥着极其重要的作用。所以中职班主任在平常的班级管理中不仅要重视学生的学习情况,还要将德育教育贯彻于学生在中职院校的整个学习过程中,把每个学生培养成品德良好、成绩优秀的学生,将学生的品德放在教育的第一位,为社会主义现代化建设输送品质与专业能力兼具的人才。本文将结合中职班主任角度的德育工作,为中职班主任德育工作提出新思路,总结新方法。     

鼓式制动器的噪声原因及模态分析

由鼓式制动器关键部件的实际工况,对鼓式制动器的制动底板、制动蹄等构件实现了对应的模态分析,分别抽选了后八阶的模态并归纳了对应的振型情况,由振型图和总结的分析列表,得到了鼓式制动器主要零部件的模态分析结果与达到固有频率的共振评价,为鼓式制动器设计阶段的结构强度分析提供了一定的侧面参考,具有实际的工程意义。     

基于不良天气下的单点信号灯控制优化

在不良天气条件下对单点交叉口的信号控制优化,是能够使得车辆在不良天气条件下交叉口延误降低、降低交通事故率、增大交通安全系数的重要手段.本文首先通过对目标城市——柳州市的天气环境进行调查,结合柳州市气象局的资料公开发布,将柳州市存在的雨、雾、霾天气进行聚类分析,将各种天气按照对交叉口延误和饱和车头时距的影响分为一级、二级...     

基于高德导航数据与FOA-GRNN模型的驾驶倾向性辨识方法

为提升汽车主动安全功能,研究了1种基于高德导航数据的低成本、高精度驾驶倾向性辨识方法。基于高德软件开发工具构建动态驾驶数据采集应用程序,并融入个人智能终端以实现对行车数据的实时采集、处理与网络化存储。通过驾驶员生理、心理测试和实车实验获取不同驾驶倾向性驾驶员在导航行驶过程中由时间、速度和加速度推演的驾驶行为信息,采用主成分分析法（PCA）提取驾驶倾向性主要因子,并将驾驶倾向分为激进型、普通型和保守型这3类。构建基于果蝇优化算法（FOA）和广义回归神经网络（GRNN）的高精度驾驶倾向性辨识模型,利用特征变量集对模型进行训练和验证。验证结果表明：该模型总体准确率可达94.17%,对激进型、普通型和保守型的驾驶倾向性的辨识精确度分别为95.06%,92.5%,94.93%;进一步对比发现,该模型比单一的GRNN模型总体准确率提高5%~10%,与现有基于惯性传感器数据和离散小波变换结合自适应神经模糊推理系统的方法相比,该方法更具实用性且模型总体辨识准确率提升了2.17%。