可移动单元技术在柔性桌式包边方法中的应用

传统桌式包边方法中一台包边机只能生产一种门,不存在柔性功能,考虑当下柔性制造需求,并结合可移动单元技术,提出了多种可灵活应对不同工艺需求的柔性桌式包边方法,并在占地、成本、节拍方面进行了对比.同时根据某公司现场情况对柔性桌式包边方法进行了应用和验证,得出适合公司实际需求的包边工艺.     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长,交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义.随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用,车辆目标检测和参数识别也取得新的突破.该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和...     

基于数据驱动的电动汽车动力电池SOC预测

为准确预测电动汽车动力电池的能耗,缓解驾驶者的里程焦虑,本文中提出一种基于数据驱动的电动汽车动力电池SOC预测模型.首先分析电动汽车能耗构成并提取能耗影响因素,接着基于某款电动出租车CAN总线采集的汽车运行数据,采用机器学习算法,提出基于温度分层的能耗模型,通过宏观数据与微观数据的融合减小误差,最后使用该模型对车载BM...     

基于有限元模型的船用螺旋桨桨叶应力分析

采用计算流体动力学(Computational Fluid Dynamics,CFD)软件建立静止域(舵、导管及船体)和旋转域(螺旋桨)的三维几何模型,在螺旋桨流场内求解雷诺平均纳维斯托克斯方程(Reynolds-Averaged Navier-Stokes equations,RANS),由此对船用螺旋桨产生的推力和...     

XZJ6700轻型客车人机系统光环境质量模糊综合评价

针对影响人机系统光环境质量的诸多模糊信息和模糊因素,提出了运用模糊学理论评价人-机-环境系统的光环境质量的方法。通过对XZJ6700轻型客车车室环境质量的二级模糊综合评判,证明这种方法能够定性、定量地对人机系统的光环境质量进行综合评价,克服了问卷调查法只能定性地判别人机系统光环境质量的缺陷。     

复合地层盾构机推进速度SVM预测模型研究

在复合地层盾构法隧道施工中,如何提高盾构机推进速度一直是盾构机设计、施工人员研究的重点。以长沙轨道交通1号线五一广场到营盘路隧道工程为研究背景,现场采集盾构机掘进参数,应用SVM,建立了"五营"区间复合地层盾构机推进速度的预测数学模型,并对模型进行检测,检测结果表明该预测模型对推进速度预测的平均相对误差≤7%,验证了该模型对推进速度预测的有效性。     

ZK4型电空转辙机锁闭性能改进探讨

针对目前ZK4型电空转辙机存在的锁闭问题进行分析,并对主要问题的应对措施进行介绍,为实际应用提供理论指导。     

南京地铁3号线浦珠路站满足大直径盾构整体始发结构托换技术研究

为满足南京地铁3号线浦珠路站大直径盾构整体始发的需要,对该站原分体始发结构进行调整。通过分析大直径盾构整体始发技术对地铁车站的影响,总结出地铁车站在大盾构整体始发条件下结构设计的处理方法及难点。根据车站工程地质,利用混凝土梁柱临时托换体系满足始发要求,并采用SAP2000有限元软件建立二维及三维模型进行模拟分析,提出转换始发的关键技术。得出采用临时结构托换技术解决大直径盾构整体始发技术是可行的,且临时结构托换体系对原结构尺寸未产生影响。通过分析验证了混凝土梁柱体系在在地铁车站结构受力体系临时转换时的适用性。     

数控铣床加工低碳钢零件的进给速度优化

论述了数控铣床加工低碳钢零件时进给速度的优化问题．在基于加工效率（可等效转化为加工工时）和加工成本目标函数的基础上，对这两个目标函数运用多目标函数理论进行综合，得到了多目标综合函数．通过计算，并综合表面粗糙度，进而得到进给速度的优化范围，并对不同转速下的进给速度给出了相应的优化参数，目的更接近生产实际，使技术人员不仅了解影响生产效率和成本的因素，也可在实际生产的应用中更加快捷和方便．     

Short-term forecasting of high-speed rail demand: A hybrid approach combining ensemble empirical mode decomposition and gray support vector machine with real-world applications in China

Short-term forecasting of high-speed rail (HSR) passenger flow provides daily ridership estimates that account for day-to-day demand variations in the near future (e.g., next week, next month). It is one of the most critical tasks in high-speed passenger rail planning, operational decision-making and dynamic operation adjustment. An accurate short-term HSR demand prediction provides a basis for effective rail revenue management. In this paper, a hybrid short-term demand forecasting approach is developed by combining the ensemble empirical mode decomposition (EEMD) and grey support vector machine (GSVM) models. There are three steps in this hybrid forecasting approach: (i) decompose short-term passenger flow data with noises into a number of intrinsic mode functions (IMFs) and a trend term; (ii) predict each IMF using GSVM calibrated by the particle swarm optimization (PSO); (iii) reconstruct the refined IMF components to produce the final predicted daily HSR passenger flow, where the PSO is also applied to achieve the optimal refactoring combination. This innovative hybrid approach is demonstrated with three typical origin–destination pairs along the Wuhan-Guangzhou HSR in China. Mean absolute percentage errors of the EEMD-GSVM predictions using testing sets are 6.7%, 5.1% and 6.5%, respectively, which are much lower than those of two existing forecasting approaches (support vector machine and autoregressive integrated moving average). Application results indicate that the proposed hybrid forecasting approach performs well in terms of prediction accuracy and is especially suitable for short-term HSR passenger flow forecasting.