电动汽车的技术现状及研究综述

此篇通过查阅目前世界最前沿的电动汽车技术现状,客观总结出电动汽车的技术现状及发展趋势。着重介绍电动汽车的关键技术,其中包含了动力电池、电机控制理论技术、电动汽车驱动电机、电池管理系统、燃料电池、充电设施及能量再利用系统。由于我国目前的车辆占有量很大,但车辆的饱和率较发达国家还相差甚远,所以对于我国而言,车辆的需求量还有很大的空缺,而目前中国的国情已经非常注重青山绿水的回归,所以真切的发展新能源汽车越来越符合国内政策。本篇也对电动汽车的发展趋势进行了展望,也提出了一些实质的建议,希望通过政府、车企、科研机构、高校及制造装配工人的多方融合,得以得出适合中国国情的电动汽车制造政策及措施,尽快的将中国制造2035得以落实。     

基于S-O-R理论的出行幸福感对网约车再出行意愿的影响研究

本文基于刺激反应模型（S-O-R）研究网约车乘客的出行幸福感对再出行意愿的影响，将网约车感知质量作为初始变量，将出行幸福感作为中介变量，以网约车的再出行意愿为结果变量，建立PLS-SEM，分析网约车再出行意愿的影响因素和作用路径。结果表明，感知质量对网约车再出行意愿具有显著正向影响，感知质量也通过影响出行幸福感，进而影响网约车再出行意愿。而认知满意度、出行平静情绪及出行活跃情绪对网约车再出行意愿的影响作用由大到小分别为0.195、0.140、0.101，由此说明乘客在本次出行中所获得的幸福感对下一次出行意愿具有显著影响，这对网约车企业提升乘客的出行幸福感进而增强网约车出行意愿具有指导意义。     

不同海况下风浪对船舶排气扩散的影响研究

针对船舶航行过程中污染气体的排放和再吸入问题。基于开源CFD代码OpenFOAM，采用内外场混合算法模拟船舶在不规则波浪中的运动，采用多组分气体扩散模型模拟风口气体的排放与扩散，将两者相结合对船舶在波浪中航行时的气体扩散进行数值仿真。在固定船舶排风口排气速度、新风入口进气速度以及船舶航速的前提下，分别模拟了四、六、九级海况下的船舶航行运动，研究了不同海况及风速下船舶运动对排气口气体浓度扩散所产生的影响，以及对新风入口处气体再吸入率的作用。     

废泥浆压滤固化再利用处理技术

采用正反循环回旋钻技术成孔的桥梁钻孔灌注桩，施工过程中会产生大量的废泥浆，传统的处理方式如直接排放、就地填埋、集中外运等都会对环境造成极大影响，选用废泥浆压滤固化再利用处理技术。从设备选型对比、压滤固化流程及再利用等方面进行分析后，认为此工艺可以避免废泥浆采用传统方式处理对环境造成的污染及对土地资源的侵占，并能降低工程成本，提高了施工进度，从而实现对桩基施工废泥浆的重复利用，符合高质量绿色施工的理念。     

基于工艺优化的工位节拍降低方法研究

为解决焊装车间产能不足的问题，通过对生产线产能瓶颈区域进行分析研究，根据不同工位所具有的特点使用工艺再平衡和工艺顺序优化2种方法降低工位节拍，实施过程中使用影像动作分析法对每个工位进行动作分解，使每一部分的细微步骤都能展现出来，同时过程中借助ECRS原则对优化点进行改进优化，最终成功对2个点焊工位实施节拍优化，优化后有效解决了生产线产能不足的问题。在对点焊技术的优化中没有进行参数调整从而降低了质量风险，也为其他类似技术工位节拍优化提供了另一条途径。     

轨道车辆回收利用技术与应用研究

近年来轨道车辆回收利用技术与管控越来越受关注。文章详细介绍了轨道车辆回收利用的相关法律法规，回收利用的必要性、相关概念及其基本关系，报废车辆回收利用处置程序以及回收利用率计算方法等。通过某出口项目案例，进行了材料类型及质量的详细数据收集，并严格按照ISO 21106:2019及UNIFE规定的回收利用率计算方法完成了可再利用率和可回收利用率的计算，最后提出了轨道车辆材料回收利用技术实施的合理化建议。     

软钢臂单点系泊LNG-FSRU水动力特性数值研究

采用全耦合时域数值方法，开展软钢臂单点系泊浮式液化天然气储存及再气化装置（Liquefied Natural Gas-Floating Storage and Regasification Unit, LNG-FSRU）水动力特性研究，探讨不同风浪流环境载荷和不同装载状态对水动力特性数值的影响。计算结果表明，环境载荷及装载状态对单点系泊LNG-FSRU运动响应及系泊力的影响显著。研究结果可为LNG-FSRU软钢臂单点系泊系统设计提供参考依据。     

FSRU动力模块及支撑结构强度评估

为保障结构的安全性，采用有限元分析方法对FSRU加装的动力模块、模块支撑结构、船体结构进行整体强度分析，采用极限设计法计算不同海况下的结构响应值。在此基础上，针对模块校核的各种工况，对结构进行设计优化，得到了合理可行的设计方案。研究成果可为FSRU动力模块及支撑结构设计提供一定参考。     

基于多特征融合的隧道场景车辆再识别

为解决隧道内交通监控视频的低分辨率以及光照不均匀导致的再识别准确率偏低的问题，提出了一种基于多特征融合的车辆再识别方法，通过充分利用车辆的各种有效特征信息提升车辆再识别精确度。首先，将卷积块注意力模块(Convolutional Block Attention Module, CBAM)嵌入到YOLOv5模型的骨干网络卷积层，同时采用CIoU损失和DIoU-NMS方案，提高车型检测准确率；其次，使用改进DeepSORT的表观特征提取网络和ResNet网络，分别获取深度卷积神经网络(Deep Convolution Neural Networks, DCNN)特征和车型ID特征；再次，将车型特征、DCNN特征及车辆ID特征使用加和表示层进行融合，形成可鉴别身份特征，以提高车辆再识别精度；最后，基于Softmax交叉熵损失和三元组损失设计指标函数并进行学习，对学习结果进行重排序以进一步提高模型的精度，并将算法在公开数据集VeRi776、VehicleID和自建数据集Tunnel＿Veh4C进行训练验证。结果表明：与现有方法相比，提出的Rank-1、Rank-5和Rank-10识别准确率以及...