山区双车道公路路线设计车型分类标准

为研究建立公路路线设计标准车型,通过对西部山区双车道公路的实地交通调查,并结合我国在用车型统计,建立了各类营运车辆车型参数数据库;在详细统计分析现有车型的尺寸、载质量和功率质量比分布规律的基础上,以满足85%的车型外廓尺寸和载质量为标准,采用双因素聚类分析方法对各种车型的功率质量比进行聚类分层计算,根据外廓尺寸相近的原则进行归并后,提出了山区公路路线设计车型的小型车、大型车外廓尺寸分类标准。在此分类基础上,研究了用于公路纵断面设计的载重汽车动力性能标准,通过大量实地观测资料和统计分析,提出了载重汽车上坡动力性能曲线,建立了速度折减量与坡度、坡长之间的关系曲线,以速度折减量作为公路纵坡和坡长的设计关键指标。     

信号交叉口右转机动车与行人和非机动车冲突研究

研究的主要内容为:未设置右转专用相位的信号灯控制道路交叉口右转机动车流与行人和非机动车的冲突行为,包括冲突数据的采集和提取、右转车流受到干扰前后速度与过街时间对比分析以及机非冲突速度-距离模型。以现实交通数据为基础,通过软件提取右转机动车与行人和非机动车冲突数据,建立标准统一的冲突数据库,以此为基础对比分析右转车流正常行驶状态和受到干扰情况下通过道路交叉口时的车速和过街时间,并建立右转车辆距离机非冲突点不同位置时所对应不同速度的统计模型。研究结果对右转专用相位设立标准的建立和相应信号配时方案的设计具有一定的工程指导意义。     

燃料电池混合动力汽车动力系统匹配与优化研究

首先,基于中国客车典型循环工况对燃料电池混合动力系统进行匹配计算,确定了电动机、燃料电池发动机和蓄电池的基本参数;然后基于中国客车典型循环工况,建立燃料电池混合动力系统的优化模型,采用序列二次规划算法进行优化,分析了各种参数对整车燃料经济性的影响,包括燃料电池发动机与动力蓄电池之间的功率分配比、SOC的初始值与目标值、变速器传动比及传动比间隔以及主减速比等,为燃料电池混合动力汽车的构型提供指导。     

从LS-DYNA到PAM-CRASH的模型转换及侧面碰撞仿真

研究了有限元模型从LS-DYNA向PAM-CRASH的转换方法,利用该方法成功实现了某轿车整车模型的转换。在转换模型的基础上,通过加入车门内饰、假人和移动障碍壁模型,建立了完整的整车侧面碰撞模型。将仿真计算结果和整车试验测试数据进行比较,验证了模型的有效性。     

乘用车后碰撞安全模拟与结构设计研究

针对我国乘用车后碰撞燃油系统安全要求的强制性标准,研究了乘用车后碰撞安全的一般设计方法。通过某车型三厢改两厢的改型开发案例,利用有限元分析方法,分析验证了改型车的燃油系统安全性。从中总结了乘用车后碰撞安全结构设计的一些原则与要点。     

基于某桥梁检测车设计缺陷的改进方案

叫针对某桥梁检测车使用过程中存在的支承轴发生弯曲变形、油缸活塞耳环断裂、检测平台倾斜3种故障,通过对结构部件进行材质分析、工况分析、受力分析和计算,提出了相应的改进方案.经过2年的使用验证,结果表明:这些改进方案消除了原有的故障,延长了部件的使用寿命,提高了整车的安全性能,具有较强的实用性和推广价值.     

基于遗传算法和可靠性分析的乘员约束系统优化

为提高乘员假人在CNCAP正面碰撞中的得分,在对某车的仿真模型进行试验验证基础上用遗传算法优化约束系统相关参数,优化目标是使假人头部、颈部和胸部的伤害值最小。然后根据可靠性的要求合理选择了参数的取值范围。     

基于RS的某电源车故障的综合评价

简单介绍了粗糙集理论,在分析、确定某型武器系统电源车故障评判指标体系的基础上,运用粗糙集客观赋权法确定了权重,克服了主观赋权法的不足,建立了电源车故障的RS综合评价模型,得出故障度次序和评价等级。该方法具有一定的实用性,为部队和地方其它设备故障评估提供了一种参考。     

基于扩展卡尔曼滤波神经网络算法的公路货运周转量预测

介绍了扩展卡尔曼滤波的原理,针对人工神经网络神经元之间权值的调整过程,建立了权值调整的状态空间模型,并采用扩展卡尔曼滤波对该模型的状态变量进行递推估计.文中仿真以全国历年公路货运周转量为例,分别采用BP算法和扩展卡尔曼滤波算法对神经网络进行训练,2种训练方法预测的结果对比表明扩展卡尔曼滤波训练算法具有更好的准确性和更高的运算效率.     

Adaptive neuron control using an integrated error approach with application to active suspensions

This paper proposes a new neuron control strategy for an active vehicle suspension system, with the emphasis on the study of multivariable and uncertain suspension characteristics. The novelty of this strategy is in the use of integrated error, which consists of multiple output errors in the regulated plant. By combining the integrated error approach with the traditional neuron control (TNC), integrated error neuron control (IENC) is presented. It provides a direct control to the multiple outputs of the control plant simultaneously. Taking a quarter-car model as an example, the proposed control strategy is applied and comparative simulations are carried out with various vehicle parameters and road input conditions. Simulation results prove the effectiveness and robustness of the proposed IENC method. In addition, the newly proposed neuron scheme provides a simple yet efficient new possibility for the control of a class of uncertain multivariable systems similar to an active vehicle suspension.