带负荷热试中O2传感器的故障检测

论述了某3.4 L6缸电控汽油机带负荷20 min热试项目中试验工况的设置、数据分析、波形对比和故障 检测。基于O2传感器的结构和工作原理详细介绍了在本项试验中应用的对比分析法。通过对试验数据的统计分 析,对检测到的O2传感器常见故障进行时域分析。结果表明,应用对比分析法成功地实现了对O2传感器的故障 检测。     

软弱地层中瑞雷波传播的数值模拟研究

瑞雷波技术已经广泛用于工程物探和质量检测中,但对软弱地层的探测尚缺乏系统深入的研究.本文采用有限差分软件FLAC3D对横向存在软硬分区、表层软弱及软弱夹层3种地层模型作数值模拟,分析了相应地层模型中瑞雷波时域信号传播特征,得出了传播规律.为工程技术人员现场快速时域信号分析提供了帮助.     

水下目标自相关检测的一种神经网络方法研究

用权重神经网络知识推理的方法研究水下目标自相关检测．首次总结了水下单传感器目标自相关检测的相关知识,提出了用权重神经网络表示这些知识,用简单的数值计算进行推理的方法,得出了相应检测结果．     

基于风险的船体结构无损检测功能的分级

基于船舶结构传统的经验基础上的检测方法不但带来较高的费用,而且还会产生不必要的检测.针对上述问题,本文提出了基于风险的船舶结构无损检测功能分级方法,采用检测概率、错误识别概率和裂纹出现概率度量检测功能,并修正了错误识别概率的取值范围.根据风险值对无损检测功能进行了分级,研究了风险值随检测概率、错误识别概率和裂纹出现概率的变化规律,并分析了风险值对检测费用、维修费用及失效费用的敏感性.在此基础上,将基于风险的船舶结构无损检测功能分级方法应用于优化检测策略,并用算例证明了文中所提方法的有效性.     

BRT车站濒临交叉口的信号配时优化算法研究及应用

当BRT车站濒临交叉口时,上游交叉口的信号控制易影响下游车站的进站排队,进而影响车辆在车站的延误;以车辆在交叉口的延误和在车站的延误总和最小为目标,采用动力学、信号控制和交通流等方法建立交叉口的信号配时优化算法,并用Visual Basic实现算法。以广州市中山大道BRT的车陂交叉口与车陂站为案例,用Vissim仿真验证算法。仿真结果表明算法的正确性与实用性,实现了车辆的总延误最小。     

基于边界点分布特征的夜间道路检测算法研究

提出一种在结构化道路情况下的夜间道路标志线检测算法。选择邻域均值滤波、Sobel算子和最大熵分割算法对道路图像进行预处理。结合道路灰度图像与道路边界图像,分析夜间道路边界点的分布特征,将道路边界点划分为到4个点集。针对虚假道路边界点,应用多方向搜索方法予以消除。选用2D的直线模型,采用改进的Hough变换从预处理后的图像中获取道路几何特征参数,最终检测出道路边界。试验结果表明本算法可靠、有效,户外试验中具有很好的鲁棒性。     

应用车辆自动辨识系统评估干道时制重整绩效

政府单位面临到都会区道路壅塞问题,目前多利用时制重整的方式进行改善,时制重整实施的过程中,需透过绩效评估的方式,检视时制重整计画是否达成预期目标．文中透过都会区建立之旅行时间系统,应用智慧型的路侧设施：车辆自动辨识系统,作为时制重整绩效之依据．时制重整过程中．依据程序性方式进行,分别为群组划分、时段划分、时制计画设计、时制下载与微调以及续效评估等步骤实行,亦比较浮车法及车牌比对结果之优劣,再将其程序步骤应用於台中市台中港路的时制重整计画中,结果显示时制重整计画实行後,能得到较好的绩效,尤其是对车流较壅塞之方向,改善效益较为显着。     

基于交通流模型的道路权重计算方法研究

提出了一种基于交通流模型的计算道路权重方法。实施定点道路截面雷达试验并采集交通流信息,标定生成交通流速度-密度模型。通过此模型,利用出租车行驶数据库中各条道路车速数据计算各道路车流密度,根据各道路长度和密度推算道路权重。     

设有行人专用相位的交叉口行人闯红灯行为及应对策略研究

针对主次路相交并设置行人专用相位的交叉口行人闯红灯的普遍现象,提出整个交叉口行人专用相位与几个进口行人可用相位相结合的信号配时方案,通过仿真验证得出,该方法不仅有效的降低了行人闯红灯率,减少了行人的等待时间,而且机动车的延误没有明显的增加。这种配时方案为解决我们城市主次路相交等道路宽度差距较大的交叉口中的行人闯红灯现象提供一个较好的思路。     

基于信号灯配时的动态路径诱导模型

针对城市交通流量变化产生的问题,在交叉口信号灯配时方案改进的基础上建立了动态路径诱导的双层优化模型,上层模型以行驶时间为目标函数,下层模型以总交叉口延误最小为目标函数。利用改进蚁群算法来求解优化模型,从而获得多准最优路径。以实际交叉口为例,将信号灯配时改进前、后的模型计算结果进行比较。结果表明:应用信号灯配时改进后的模型获得的路径更省时,交叉口等待通行时间更短。