DVVT对缸内直喷增压发动机性能影响的试验研究

通过对GDI增压发动机进行DVVT扫点试验,研究了DVVT对GDI增压发动机外特性性能、部分负荷燃油经济性和怠速稳定性的影响。试验结果表明:对于试验发动机的凸轮轴型线而言,排气VVT的开启对发动机性能起到负面影响;外特性方面,中等转速工况采用较大的气门重叠角可提高体积效率;高转速采用较小的气门重叠角可提高充量系数;怠速和部分负荷工况下,较小的气门重叠角对改善发动机稳定性有一定帮助。     

起停系统控制策略开发及试验研究

介绍了车辆起停技术和起停系统,详细研究了起停控制策略,并采用起停技术进行了整车的NEDC循环试验。结果证明,采用起停技术后车辆在市区工况可以节油5.7%,综合油耗可降低3%,起停技术是一种有效的整车节油手段,可以用于大批量生产。     

船舶4冲程柴油机正时齿轮故障分析及修复探讨

在对安庆大发6PS-26H型船舶4冲程柴油机出现的齿轮故障原因进行分析的基础上,对船舶柴油机正时齿轮拆检修复过程中遇到的一些技术问题进行了探讨研究,并从机务管理的角度提出了一些管理建议,供船舶轮机人员参考。     

大直径钢管桩打桩拒锤的原因分析

在大直径超长钢管桩的打桩过程中,往往会因多种原因而停锤,复打时则有可能出现桩体拒锤的现象.结合渤海海域某打桩工程中出现的问题,通过分析比较本地区地质勘察资料总结当地的土体特点,根据打桩实测纪录和动力检测试验结果,对比分析打桩过程中和打桩结束后土体阻力的变化情况,深入探究打桩拒锤的原因和机理.研究结果表明,土体条件对桩体可打入性具有较大影响,打桩结束后一段时间内的土体阻力远大于打桩过程中的土体阻力.     

直接序列扩频信号干扰技术研究

直接序列扩频信号在军事通讯中具有广阔的应用前景。针对直接序列扩频通信系统扩频码本身的特点,从理论上推导得出了直接序列扩频信号的时频特性和参数估计。分析了噪声干扰技术和回波模拟技术。通过计算机仿真,对比了样式相同而不同干扰功率情况下直接序列扩频通信误码率,其仿真结果验证了理论推导的正确性。     

考虑礼让行人的信号交叉口配时优化方法

为提高机动车礼让行人背景下的人车通行效率,研究了基于叠加相位设计的信号交叉口配时优化方法.以西安市1个典型交叉口为例,分析机动车与过街行人冲突情况;在Webster配时模型的基础上,提出叠加相位设计与人车冲突时空分离策略相结合的信号配时优化方法,并给出行人信号早启时间、人车绿时分离设置阈值的计算方法;运用VISSIM仿...     

红砂岩-卵石复合地层刀盘卡停分析及对策

富水红砂岩与大粒径砂卵石复合地层其骨架效应显著,且大粒径漂石随机分布,极易导致盾构施工过程中出现刀盘卡停等故障。本文以兰州2号线公定区间盾构刀盘卡死故障为例,结合工程实际分别从水文地质条件、盾构机性能、刀盘布局等方面分析刀盘卡死原因,并针对性提出渣土改良、盾构机自身减负及消除围岩对刀盘握裹力等技术处理措施,成功解决了红砂岩与大粒径砂卵石复合地层中盾构机卡顿问题,避免了进仓或地面加固后处理工序,实现了工期及成本效益双丰收,对同类型工程具有重要参考价值。     

高速列车监测数据处理及故障诊断

车体性能好坏直接影响列车的行车安全,文章利用安装在车体上的传感器所采集到的振动信号,选取合适的信号特征提取方法进行评估,达到列车故障早期预警的目的。试验数据表明,车体的振动信号具有非线性、非平稳的特点,先对振动信号提取小波包能量矩特征进行时频域分析,发现该特征提取方法可以直观地反映车辆横向和垂向振动情况。引入基于局部分析的拉普拉斯特征映射算法(LE),对故障工况的小波包能量矩熵特征所构造的高维特征向量空间进行降维,发现能够从垂向加速度信号识别出空气弹簧失气工况,从横向加速度信号识别出抗蛇行减振器故障和横向减振器故障。这与车辆动力学分析结果一致,同时也证实了流形学习方法对列车性能评估具有一定的作用。     

2015年奥迪A8L 自动启停系统故障

车型:2015年奥迪A8L,配置CRE发动机. 行驶里程:80672km. 故障现象:车在行驶中出现了自动启停系统的故障. 故障诊断:根据客户描述,车到店后观察仪表,仪表上面有自动启停系统:系统故障!目前无法使用的指示灯,如图1所示.     

基于ATT-LSTM模型的高速公路交通事件持续时长预测

为揭示交通事件对高速公路运行状态持续时间的影响规律，研究了高速公路交通事件持续时长预测方法。考虑高速公路交通事件时间序列特性，基于循环神经网络理论，从时间序列数据中提取交通事件时间依赖关系；通过引入长短时记忆网络，结合特征、时序注意力层挖掘历史时刻信息和当前时刻数据间的相关性，构建基于注意力机制-长短时记忆网络的高速公路交通事件持续时长预测模型。以2018年西安绕城高速公路交通监测数据集为例，开展了高速公路交通事件持续时长预测模型验证，对比了所提模型与反向传播神经网络、随机森林、支持向量机、长短时记忆网络模型这4种典型算法的预测精度，并分析了事件类型、天气条件、车辆类型、交通量等不同影响因素对持续时长的影响程度。结果表明:使用同一数据集，注意力机制-长短时记忆网络预测模型的预测结果平均绝对误差为24.43，平均绝对百分比误差为25.24%，均方根误差为21.17，预测精度优于其他4种预测方法。在模型的各影响因素权重中，事件类型所占权重最大为0.375，其次分别为车道数、车辆类型、天气等；采用立交出入口小时交通量作为修正参数，可以进一步提升预测精度，预测结果的绝对误差、平均绝对百分比误差和均方根误差可分别降低21.3%、7.5%和16.9%。研究结果能进一步提高高速公路交通事件持续时长预测的精度，为公路安全高效运行提供技术支持。