柴油发动机几种典型预热系统的工作原理

汽车的低温起动装置包括冷机起动装置和预热起动装置。根据车型、发动机型号及使用地区的不同，柴油发动机采用各种不同的预热装置。目前经常使用的5种预热装置是：预热塞监测器型、固定延迟型、可变延迟型、新式超级预热型、常规式超级预热型。图1是柴油发动机的预热装置。     

奥氏体合金脆性延迟断裂特征和机理的分析

通过对奥低体合金脆性延尺断裂和氢脆断口的分析和比较，提示了它们之间的区别和联系，提出了奥氏体合金应力腐蚀断裂与氢脆的机理。     

铁路桥梁高强度螺栓施拧扭矩智能控制系统

基于物联网研发铁路桥梁高强度螺栓施拧扭矩智能控制系统,通过内置扭矩传感器、温度和湿度传感器、二维码扫描装置的定扭矩电动扳手,以及包含基础信息、施工计划、质量查询、库存管理等功能模块的数控系统,实现高强度螺栓施拧精准控制,避免超拧或欠拧现象。工程应用表明,采用铁路桥梁高强度螺栓施拧扭矩智能控制系统,施工输出扭矩与设定扭矩的偏差在±4％以内,施工输出扭矩与设定扭矩的比值平均值为0.996,标准差为0.015,采用高栓施拧扭矩智能控制系统施工,施工输出扭矩精度高且稳定。该系统能够完整、高效地记录高强度螺栓施工信息,实时掌握施工状态,随时统计分析施工质量,降低因超拧引起的延迟断裂发生概率。     

基于GBRBM-DBN模型的短时交通流预测方法

为提高城市道路短时交通流预测的精度和效率,提出了一种基于深度学习的短时交通流参数预测模型,结合高斯-伯努利受限波尔兹曼机、Softmax回归模型和深度置信网络,对大规模路网中地点车速进行预测.该模型在网络底层加入高斯-伯努利受限波尔兹曼机,将传统二值输入转换为连续实值输入以适应地点车速的数据特征.在网络输入、输出矩阵中加入时空特征表达,并将深度置信网络顶层接入Softmax回归模型,根据深度学习模型提取到的地点车速时空特征对多路段多时刻的地点车速进行预测.选取广州市大规模路网中60条路段60 d的实测地点车速对网络结构和参数进行调试,并分析预测结果.结果表明,GBRBM-DBN网络结构能够提取大规模路网中地点车速的时空分布特征,预测精度较高.与长短时记忆循环神经网络预测结果进行对比,具有更高的时效性;与“深层模型+小规模数据”相比,平均绝对误差减小10.13 km/h,平均相对误差减少14.5%;对输入矩阵中的训练集和测试集数据量比例作不同划分,平均绝对误差变化范围在1.64 km/h以内,平均相对误差仅增大7.3%.      

易酿车祸的不良习惯

驾车吃食物。危害是遇到突发情况，驾驶员往往会在手脚忙乱中无意识地咽下口中食物，出现卡住或误入气管而危及生命的现象。久戴墨镜驾车。研究表明，墨镜的暗色虽然可以有效地遮挡强烈的光线．但同时也延迟了视觉信号传送到大脑的反应时间。这种视觉延迟会造成速度感失真，使驾驶员作出错误的判断。     

电装选用Airbiquity公司的aqLink软件调制解调器

近期，AirbiquitY公司与电装（DENOS）签署了一份全球授权协议。依照这份协议，Airbiquity公司授权电装使用其aqLink软件调制解调器，为北美一项车载通信系统计划提供支持。利用该软件调制解调器，电装能够使用语音信道为有较强时效性的关键信息传输数据。此外，在遇到无线数据网络拥塞时，该调制解调器也能传输数据，能够避免信息延迟。     

基于复杂网络理论的铁路货运量预测

论证了复杂网络理论应用于铁路货运量预测的可行性,利用复杂网络理论对铁路货运网络进行了分析,用基于复杂网络传播的动力学模型定量预测了2006-2015年中国铁路货运量的发展.     

视角受限传感器网络强栅栏覆盖判定算法

栅栏覆盖研究如何分配网络时空资源来确保移动目标穿越监控区域时被监测．本文通过视角受限节点传感方向的调整,设计一种分布式算法以判定网络能否提供强栅栏覆盖．算法主要思想是利用节点及邻居节点的物理位置关系构建强／弱栅栏对．另外,本文设计贪心策略优先选择邻居节点数多的候选节点构建强栅栏路径．仿真实验证明：本算法可以较小代价判定并改善网络强栅栏覆盖性能．     

船用柴油机相继增压气动蝶阀切换时间研究

建立柴油机相继增压蝶阀气动控制系统的物理模型,并应用气压传动系统动力学理论建立蝶阀控制系统数学模型;然后利用MATLAB/Simulink编制的仿真程序对蝶阀转换过程进行仿真计算,结果得出了影响蝶阀切换时间的主要因素及影响规律;最后搭建了蝶阀气动控制系统的试验台,通过试验结果和仿真结果的对比,验证了仿真结果的可靠性;为深入了解蝶阀控制系统的特性提供了理论依据.     

基于双延迟深度确定性策略梯度的船舶自主避碰方法

为满足智能船舶自主航行的发展需求,解决基于强化学习的船舶避碰决策方法存在的学习效率低、泛化能力弱以及复杂会遇场景下鲁棒性差等问题,针对船舶避碰决策信息的高维性和动作的连续性等特点,考虑决策的合理性和实时性,研究了基于双延迟深度确定性策略梯度（TD3）的船舶自主避碰方法。根据船舶间相对运动信息与碰撞危险信息,从全局角度构建具有连续多时刻目标船信息的状态空间;依据船舶操纵性设计连续决策动作空间;综合考虑目标导向、航向保持、碰撞危险、《1972年国际海上避碰规则》（COLREGs）和良好船艺等因素,设计船舶运动的奖励函数;基于TD3算法,根据状态空间结构,结合长短期记忆（LSTM）网络和一维卷积网络,利用Actor-Critic结构设计船舶自主避碰网络模型,利用双价值网络学习、目标策略平滑以及策略网络延迟更新等方式稳定网络训练,利用跳帧以及批量大小和迭代更新次数动态增大等方式加速网络训练;为解决模型泛化能力弱的问题,提出基于TD3的船舶随机会遇场景训练流程,实现自主避碰模型应用的多场景迁移。运用训练得到的船舶自主避碰模型进行仿真验证,并与改进人工势场（APF）算法进行比较,结果表明:所提方法学习效率高,收敛快速平稳;训练得到的自主避碰模型在2船和多船会遇场景下均能使船舶在安全距离上驶过,并且在复杂会遇场景中比改进APF算法避碰成功率高,避让2~4艘目标船时成功率高达99.233%,5~7艘目标船时成功率97.600%,8~10艘目标船时成功率94.166%;所提方法能有效应对来船的不协调行动,避碰实时性高,决策安全合理,航向变化快速平稳、震荡少、避碰路径光滑,比改进APF方法性能更强。