宝马X3 xDrive35i 好梦三日游

三天,作为“消费测试”这可能是最短的一次试驾体验了。也许正是因为此次相聚的时间太短,我们更珍惜与X3相处的机会。三天时间,我们甚至连做梦都想和它在一起     

一种短时交通流组合预测模型

为提高短时交通流预测的精度,提出利用BP神经网络、RBF神经网络和ARIMA模型构建组合预测模型,该组合预测模型利用最优化原理进行权系数的分配,并且满足分配到的权值始终具有实际意义。通过对分配的权系数进行显著性检验,以确保组合预测模型中选用的单项预测方法显著相关。通过实例分析,验证了组合预测模型的有效性,结果表明,相比较单一的预测模型,组合预测模型具有更高的预测精度。     

浅析激光切割技术的应用

随着现代工业发展,很多传统机械加工方式被激光切割所取代。通过激光切割中氧助熔化切割碳钢的工艺流程,文章分析了氧助熔化切割碳钢时影响其切割性能的因素,以及切割时相比较其他传统加工方式的优越性。可以看出,激光切割具有切割速度快,成本低,切割产品质量良好,自动化程度高,切割材料种类多等优势,在各工业领域应用广泛。     

我国汽车制造企业成本控制浅谈

随着市场经济的发展,汽车制造业正面临着日趋激烈的国内和国际竞争。如何合理有效地进行企业成本控制,已成为企业生存和发展的关键。本文主要通过对我国汽车制造业企业的经营现状以及汽车制造业的成本控制体系(研发,采购,生产,营销)四个方面的研究发现,提出自己的建议和解决问题的方法。     

特种制造部的特种兵——记中国航天科工集团三创新主题班组红阳公司特种制造部工艺室

大锤铿锵、敲得响亮,有这样一群航天特种兵,曾凭着一把榔头敲出大客车,敲出了红阳人的志气。又在产品、设备更新换代的今天,借力先进焊接技术湖北省重点实验室的平台,将科技前沿技术转化为实际生产手段,大力开展技术创新和管理创新,以三创新(技术创新、管理创新、商业模式创新)为方法深化班组实施价值工程、成本工程,     

基于利用率和跑道占用时间的军用机场快速出口滑行道位置优化模型

现行快速出口滑行道位置确定模型常以最小跑道占用时间为唯一目标,主要应用对象为民用机场,未能有效解决多机种、多运行模式下的军用机场快速出口滑行道位置确定问题。针对这个缺陷,基于综合利用率和综合跑道占用时间这2个指标,建立了综合考虑双指标的军用机场快速出口滑行道位置优化模型。以某军用机场飞行区构型为背景,以4种飞机为对象,结合该机场2种年架次比,在不同飞机着陆滑跑距离分布概率密度函数基础上,计算了不同位置快速滑行道出口对应的利用率,在此基础上得到了快速出口滑行道综合利用率。针对利用率大于90%的快速出口滑行道,应用贪心算法迭代不同快速出口滑行道的跑道占用时间,并通过加权计算得到综合跑道占用时间。基于综合利用率和综合跑道占用时间,确定出了快速出口滑行道数量和位置,给出了建议的方案,并进一步分析了年架次比改变对快速出口滑行道位置的影响。结果表明：与仅以利用率或最小跑道占用时间为优化目标的2种传统模型相比,应用优化模型提出的快速出口滑行道设计方案,在2种年架次比下使跑道占用时间分别缩短18.42,34.82 s,效率分别提高34.2%,40.6%。     

盾构隧道壁后注浆中“定时浆”试验研究

我国盾构隧道广泛使用凝结时间较长的单液浆,但由于注入后不能及时凝结常常引发管片上浮、浆液流失等工程问题。针对这些问题提出“定时浆”的概念。通过在单液硬性浆中添加氯化铝溶液与水玻璃,基于浆液的胶结时间、流动度、28 d强度等指标研究了“定时浆”的配方。结果表明： 1）通过先加入氯化铝溶液再加入水玻璃的方法,可以实现浆液“定时”凝结; 2）在硬性浆中掺加0.50%~0.75%的氯化铝溶液、1.00%~1.25%的水玻璃,可以达到良好的定时效果; 3）通过简单的注浆设备改造可以形成“双液单注”的定时注浆工艺。     

车辆自适应车道偏离识别算法研究

针对车辆在行驶时由于车道线检测方法单一,导致对直道线和弯道线检测效果不一致,从而影响车道偏离识别效果的问题,基于摄像头采集到的图像信息,提出了1种自适应车道偏离识别算法。该算法对车辆在直道行驶时采用偏离判断基准线法,而在弯道行驶时采用基于触线时间阈值法,分别对行驶状态进行车道偏离判断,该算法既保证了计算速度,又保证了结果的准确性。为了验证所提出方法的有效性,采用仿真的方法,使用车道偏离识别算法获取的数据,通过比例-积分-微分(PID)算法对车辆行驶状态进行控制,得到车辆在预期车道内的行驶状况,以此证明了所提出的车道偏离识别算法的有效性。     

共享单车用户骑行起讫点时空特征分析

针对共享单车的供需失衡、分布不均问题,研究了共享单车用户骑行起讫点的聚集区分布以及不同区域的骑行时间特征,为共享单车的调度运营提供理论支撑。基于用户的骑行订单数据,采用均值漂移算法对骑行起讫点进行聚类学习,得到共享单车的骑行聚集区分布;随后采用spearman相关系数来衡量骑行时间特征的相似度,对不同骑行聚集区的借车与还车量的累计差值的时间序列曲线进行聚类处理,划分出6类典型的骑行特征,并对不同骑行特征所在地的兴趣点（POI）进行因子分析,结果表明：在空间上,共享单车的骑行聚集区的空间分布与所在区域的城市路网的布局形式存在较大关联,不同时间段的骑行聚集区的分布大致相同,仅在出行量上存在差异。骑行聚集区的骑行特征与土地利用性质之间存在相关性,例如,对于骑行特征为1天内借车量小于还车量的骑行聚集区,其主导因子为商业用地,占比为0.4;对于1天内用户的借车量大于还车量的骑行聚集区,其主导因子为住宅用地,占比为0.57。多种用地性质混合的区域,借还车的差值较小且易产生波动。此外,同一类型的骑行时间特征的主导因子占比在工作日与非工作日会产生变化,同一区域的骑行时间特征在工作日与非工作日存在差异。