柴油机的未来

阐明了柴油机未来发展中应重点解决的两大问题,即控制排放和提高热效率;对柴油机排放法规的动向进行了分析,对柴油机可能达到的排放水平进行了研究,重点论述了柴油机排气后处理技术;对进一步提高柴油机热效率的可能性进行了分析,指出其热效率可以达到与燃料电池相当的水平。     

重庆市收费公路发展现状与问题分析

笔者在对重庆市收费公路调查的基础上,对重庆市收费公路的现状与存在的主要问题进行了全面系统分析,最后提出了收费公路发展中应注意的问题.     

钢箱梁施工中质量控制方法研究

采用6σ质量控制方法对钢箱梁施工过程进行问题诊断与质量控制。基于钢箱梁的具体制作工艺,详细探讨了6σ质量控制方法的原理以某钢箱梁的施工为例,采用6σ质量控制方法分析了其工序能力,并提出解决方案,结果证明该方法可降低产品不合格率,提高工程质量     

汽车余热利用蓄能材料及其释热特性试验研究

比较了石蜡和八水氢氧化钡两种材料在蓄热过程中的温变特性和吸热能力,并研究了低温环境下八水氢氧化钡蓄热器在放热过程中的低温释热性能。结果表明,与石蜡相比,八水氢氧化钡蓄热材料更高的导热性能和熔解潜热使它具有更快和更大的瞬时吸热能力,并在初期的大温差下显现出更好的蓄热特性;八水氢氧化钡用于低温环境释热过程的温升作用显著,且在更低的低温环境下具有相对较高的放热总量。     

压电堆执行器温度特性研究

在压电堆执行器生热和散热机理分析基础上,建立高压共轨喷油器压电堆执行器温度特性的计算模型,经与试验结果对比,验证了模型的准确性.研究了驱动场强、驱动频率和驱动脉宽增加的苛刻工作条件下不同影响因素对压电堆执行器的生热特性的影响,并研究了压电堆执行器结构和喷油器冷却结构对散热特性的影响.     

求解区域公交车辆调度问题的蚁群算法研究

本文待区域公交车辆调度问题为"部分班次被一辆车完成"的集合划分问题,考虑车场容量、允许车辆加油及每辆车任务可靠度不低于某值等现实因素,建立以车辆数、车辆等待和空驶时间最小为目标的混合整数规划模型.根据问题特征,设计求解该问题的蚁群算法,在构建人工蚂蚁随机游走的图基础上定义解构建规则、信息素和启发式信息等.最后,通过一个...     

随机旅行时间的区域公交车调度模型及算法

研究一类随机旅行时间的区域公交车辆调度问题,将该问题看作为“部分班次被一辆车完成”的集合划分问题,考虑不同车场容量和补充燃料等约束因素,建立以营运费用最小为目标的机会约束规划数学模型.将该模型转化为一类确定性数学模型,设计求解该问题的改进遗传算法,根据问题特征定义染色体编码、产生初始种群的启发式算法、交叉和变异操作等....     

混凝土箱梁桥温度场的模拟

为了精确模拟混凝土箱形梁桥中温度场的分布情况,详细地分析了影响温度场变化的主要因素,并把这些影响因素转化成热传导的边界条件,施加在桥梁结构上,然后进行有限元瞬态热传导分析,就得到任意时刻桥梁结构的温度场.通过实例计算,说明了利用该方法计算出的温度分布和温差极值比现行规范与实际更接近,以此为基础计算出来的温度应力更准确.     

基于位移的格子法模拟弹性波传播与应用

基于以位移为变量的弹性波方程,推导了二维格子法的计算公式,并给出一种简单实用的人工边界条件,通过Lamb问题算例验证了该计算方法和人工边界条件的正确性．该方法可以适应不规则的边界,并自然满足自由边界条件．应用上述数值计算方法,研究了在不同填充沟深度条件下的地表各点竖向振幅衰减系数变化情况,结果表明：增加填充沟深度有助于增加隔振的效果,但不改变最小竖向振幅衰减系数点的位置．     

Monitoring Median Queries over Moving Objects

The k-median problem has attracted a number of researchers. However, few of them have considered both the dynamic environment and the issue of accuracy. In this paper, a new type of query is studied, called continuous median monitoring (CMM) query. It considers the k-median problem under dynamic environment with an accuracy guarantee. A continuous group nearest neighbor based (CGB) algorithm and an average distance medoid (ADM) algorithm are proposed to solve the CMM problem. ADM is a hill climbing schemed algorithm and achieves a rapid converging speed by checking only qualified candidates. Experiments show that ADM is more efficient than CGB and outperforms the classical PAM (partitioning around medoids) and CLARANS (clustering large applications based on randomized search) algorithms with various parameter settings.