铁道车辆空气弹簧动力学键合图建模及仿真

研究空气弹簧键合图建模方法,建立空气弹簧的功率键合图模型,使用20-sim软件进行动态仿真,得到系统压力和位移的动态响应曲线,研究不同负载和节流孔直径对空气弹簧性能的影响规律;通过建立系统的Simulink模型,进行对比仿真分析,验证空气弹簧键合图模型的正确性与仿真结果的可靠性.研究工作为空气弹簧的动力学建模及仿真提供...     

CJ8Z-150型交流三相接触器不吸合的原因分析及改进措施

通过对电力机车的CJ8Z-150型交流三相接触器不吸合故障的分析,指出故障发生的原因,提出对接触器线罔切换联锁的改进措施,从而从根本上杜绝了交流三相接触器线圈切换联锁触头氧化虚接造成交流三相接触器不吸合的隐患.     

合武客运专线通信系统组网及工程相关问题的处理

对合武铁路通信工程设计进行了总结和介绍,并重点论述了传输系统、综合视频监控系统、数据网系统、FAS数字调度指挥系统等的组网方案,以及工程中相关问题的处理及设备选型的注意事项,可为其他客运专线通信系统建设提供参考。     

合福客运专线滑坡发育区工程地质选线

高速铁路工程其曲线半径大,对线形要求严格,而滑坡对高速铁路工程的施工、运营影响极大。如何在滑坡发育区进行工程地质选线以快速稳定山区高速铁路线位方案,既确保线形平顺,又确保滑坡段的铁路安全、经济就显得尤为重要。结合合肥至福州铁路客运专线南雅至福州段可行性研究阶段的工作,采用遥感选线、踏勘及测绘选线、勘探选线及大范围地灾评估四个步骤进行了滑坡发育区高速铁路工程地质选线。通过该四步工作方法,及时稳定了线路方案,为进一步开展工作提供了重要保障。避开所有滑坡而不考虑铁路线形,或者一味地追求线形而不考虑滑坡影响都是片面的,对大型、处理后隐患大的滑坡宜绕避,但对于规模适度、适宜处理的滑坡选择合适部位通过,对高速铁路工程选线而言是大有裨益的。     

总装底盘合装工位SE分析的要点

新产品数据工艺分析是SE(Simultaneous Engineering,同步工程)主要和关键性工作,通过虚拟分析,解决生产线通过性、装配操作、成本等问题,保证新产品顺利投产。其中,底盘合装过程在总装整个生产线中是集成度和复杂度比较高的工位,相对应的数据分析内容也最为复杂。总结了多个项目的总装底盘合装工位SE分析经验,提炼了分析要点和典型问题的解决方案。     

幽门螺杆菌阳性患者胃粘膜一氧化氮合酶的表达

目的　探讨一氧化氮 (NO)在幽门螺杆菌 (Hp)感染与胃癌、胃粘膜不典型增生及慢性胃炎发生中的作用。方法　采用免疫组织化学方法研究Hp阳性的上述三类组织中一氧化氮合酶(NOS ,包括n cNOS、e cNOS)的表达情况。结果　NOS在Hp阳性胃癌组织中的阳性反应强度显著高于其阴性者癌组织 (P <0 .0 1 ) ;e cNOS、n cNOS在Hp阳性胃粘膜不典型增生组织中的阳性反应强度高于其阴性者 (P <0 .0 5,P <0 .0 1 ) ;NOS在Hp阳性慢性胃炎组织中的阳性反应强度明显高于其阴性者 (P <0 .0 1 )。结论　在Hp促进胃癌发生的过程中 ,可能有NO的参与 ;在Hp阳性慢性胃炎的发生中NO发挥一定作用 ;NO是否可作为癌前病变的一个危险因素 ,值得进一步探讨。     

城市轨道交通公轨合建钢箱梁桥辐射噪声的影响规律研究

列车经过钢箱梁桥时引起噪声辐射问题相比混凝土桥更为突出,对沿线居民造成的影响更大,严重影响沿线居民的日常生活。基于车辆-轨道-桥梁耦合振动理论,并结合统计能量法(SEA)建立钢箱梁结构噪声与轮轨噪声预测模型,分析钢箱梁桥的结构噪声与轮轨噪声衰减规律,明确典型及敏感场点处的噪声分布情况;定量预测分析不同轨道减振措施对钢箱梁桥周边敏感场点的噪声辐射大小。分析结果表明：钢箱梁轮轨噪声与结构噪声随水平距离的衰减规律基本一致,衰减率均为随着距离变远而变小,150 m内总衰减率轮轨噪声大于结构噪声;普通轨道结构及普通轨道结构+全封闭声屏障工况下,敏感位置处综合噪声不满足噪声增量在1 dB(A)以内的环评要求,减振垫浮置板与全封闭声屏障组合及钢弹簧浮置板与全封闭声屏障组合工况下,敏感位置综合噪声均能满足噪声增量在1 dB(A)以内的环评要求。     

某车型尾灯与侧围外板间隙面差匹配问题的优化

尾灯与侧围外板间隙面差匹配状态,影响消费者对整车外观的直接感知,本文通过优化尾灯、D柱焊合件、焊接工装,解决尾灯与侧围外板间隙面差匹配问题,在此基础上提出对关键零件关键安装配合区域增加功能尺寸控制要求,供后续项目参考.     

客车车身骨架合装工艺

介绍客车车身骨架五大总成合装与六大总成合装的工序安排,并对其进行对比分析。     

基于机器学习的网约车合乘出行碳减排状态预测

网约车合乘出行可有效提高车辆运输效率,与常规网约车出行相比具有显著的碳减排潜力。然而,现实中网约车合乘出行能否真正减少碳排放受多方面因素影响,往往存在较大差异与不确定性。为识别碳减排潜力较大的网约车合乘订单,提出一种基于机器学习的网约车合乘出行碳减排状态预测模型,并解析其碳减排机理。首先,基于成都市真实的网约车合乘订单与轨迹数据,应用COPERT(COmputer Program to calculate Emissions from Road Transport)排放模型分别计算合乘出行碳排放量及其替代的独乘出行碳排放量,进而得到合乘出行相比独乘出行的碳减排量。然后,基于历史的合乘行程碳减排及其订单特征数据,训练XGBoost(eXtreme Gradient Boosting)模型以预测未来潜在合乘出行的碳减排状态。最后,采用ALE (Accumulated Local Effects)分析方法对预测模型进行特征变量解析,以识别影响合乘出行碳减排状态的关键因素。结果显示：研究区域内平均每次网约车合乘出行可减少碳排放307.23 g,但仍有15%的网约车合乘行程未能实现减碳;XGBo...