排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
在一款1.0 L 气道喷射增压汽油机上研究了机油稀释的分布区域及其产生机理,发现机油稀释严重的区域主要集中在高速大负荷工况。通过对喷油器喷孔直径、喷油相位、VVT 动作角、空燃比、水泵流量、机油冷却器散热量、曲轴箱强制通风系统 PCV 阀补气量等相关特性参数的调整验证,发现喷油相位靠后、空燃比过浓是机油稀释严重的主要原因,水泵流量、PCV 阀补气量、VVT 动作角、机油冷却器散热量对机油稀释也有一定的影响,喷油器喷孔直径的变化对机油稀释无影响。最终在该款发动机上综合采用优化喷油相位、水泵流量、PCV 阀补气量、机油冷却器散热量的措施,最大机油稀释水平控制在5%以下。 相似文献
2.
4.
5.
为提高高速公路场景下疲劳驾驶检测的准确率,降低在驾驶员面部易受遮挡、光线复杂的驾驶舱内的疲劳驾驶检测的误判率,提出一种兼顾检测精度与实时性、结合高精度定位与机器视觉的高速公路疲劳驾驶行为检测方法。首先,使用多任务卷积神经网络与FaceNet算法实现驾驶员身份识别,运用改进的实用面部特征点检测器(Practical Facial Landmark Detector, PFLD)算法检测人脸关键点。然后,考虑视频设备工作状态不稳定对疲劳驾驶行为识别产生干扰的场景,基于行驶车辆的轨迹数据,提出纵向位移波动斜率(Slope of Longitudinal Displacement Fluctuation, SLDF),以弥补单一视频设备检测易受光线、遮挡等干扰因素影响的缺陷。随后,使用SLDF指标和3个面部疲劳特征识别疲劳驾驶,并在传统支持向量机(Support Vector Machines, SVM)中加入量子粒子群优化算法,提升SVM分类准确度和缩短运算时间。最后,为验证模型性能进行实车试验,结果表明,复杂场景下疲劳驾驶识别准确率达86.8%,计算时间为3.017 s,与现有其他数据融合... 相似文献
6.
7.
LNG公交车尾气排放与多种可量化的行驶状态的指标有关.目前,预测模型变量单一,大多经过分类假设,预测精度较低.为进一步提高LNG公交车尾气排放预测模型的预测精度,建立液化天然气公交车尾气排放量多种因素综合影响的尾气排放模型.实验采集镇江市LNG公交车的CO,CO2,HC,NOx这4类尾气的排放数据和行驶状态信息.将影响因素数据进行归一化处理,提高模型的准确率和稳定性.通过反复的验算,寻找支持向量回归分析模型中适用于LNG公交车尾气排放的最佳参数.建立基于LIBSVM的LNG公交车尾气排放预测模型.结果表明,所建立的LNG公交车尾气模型对于CO,CO2,HC,NOx这4类尾气的平方相关系数分别为:0.921,0.944,0.872,0.964.与公交车尾气预测的其他模型相比,该预测模型的预测精度有较大的提高. 相似文献
8.
10.