自动驾驶必备预测性紧急制动及线性转向

在东海博世测试中心上演了未来具有自动驾驶功能汽车所必备的预测性紧急制动系统实车操练,而针对未来自动驾驶所需要的线性转向系统在2019探秘博世第三季上也得到了精彩诠释。     

非战争军事行动车辆装备保障的特点与对策

一、非战争军事行动中车辆装备保障的主要特点（一）预测难度大，车辆装备保障任务突然。地震、暴乱、自然灾害、恐怖袭击等，通常事发突然，具有不可预测性和很强的时效性。通常要求车辆装备第一时间迅速出动，将救援人员和物资运送到现场，保障任务往往随行动命令指示随即下达，几乎没有准备时间。而大部分地区难以进行快速的空中或铁路输送，只能依靠快速的摩托化机动，运输保障量大、机动距离远、车辆维修保障任务重。     

忧心、信心和关心

在全球汽车市场普遍下滑的情况下，9月份国内汽车市场“顽强”地守住了阵地。一举挽回了环比连续数月下降的颓势。特别是与8月份相比，轿车销售增加了21．3％。包括轿车、MPV、SUV在内的乘用车，环比则合计上升了26．3％。虽然与去年9月同期相比乘用车还是出现了稍许的负增长，以及包括后三个月市场的难以预测性，对此人们仍感忧心，但前9个月的累计销量增长了12．1％。在上规模的全球各国汽车市场中，几乎成了唯一亮点。     

基于中控屏的预测性导航控制

随着科技的逐步发展,高级辅助驾驶系统(ADAS,Advanced Driver Assistant System)的应用已经非常成熟与普遍,地图数据不仅用于路径规划,还可用于车内灯光控制、巡航控制、增强导航等。文章提出了一种基于导航的预测性控制方法,中控屏通过获取地图数据的相关数据,并将该数据发到总线上,发动机针对获取相关数据进行预判并制定相关策略,更改整车动力性能。经过反复实验验证,该方法能够有效提供道路信息,实现整车的节油性能。     

线路维修人员心理初探

从心理学的角度分析线路维修人员心理状态对线路维修质量的影响，根据心理学原理提出线路维修人员应具有多种可能性控制能力、选择性控制能力、预测性控制能力的心理素质。     

基于LSTM的燃料电池发动机寿命预测

随着工业4.0和数据科学的发展,利用数据对氢燃料电池发动机剩余寿命进行预测,将有利于提前发现发动机性能退化问题,进而及时采取维护保养措施,对发动机安全运行以及延长发动机运行寿命至关重要。传统发动机寿命预测一般基于机理模式的经验判断或者数理统计,但在氢燃料电池发动机这个技术尚不稳定成熟的发展阶段,传统手段无法保证相对较低的误差。本文在不依赖于机理模式的情况下,利用传感器收集的数据,基于神经网络深度学习的模式,构建一种基于数据驱动的长短期记忆神经网络（LSTM）的剩余寿命预测模型,通过机器的训练与学习,分析预测氢燃料电池发动机的寿命衰减情况,为预测性维护提供数据支持。     

基于WEKA的信号设备预测性维护信息系统

信号设备预测性维护信息系统主要是对信号系统的各子系统维护信息进行数据挖掘,结合系统可靠性、可用性、可维护性分析结果,制定预测性维护策略,定义故障信息收集模板,提供基于自由软件WEKA的预测性维护方法,使用软件集成的开发方式,建立数据挖掘的分类、聚类、关联模型。这种方式既有助于缩短开发周期,也能够有效降低软件成本。     

顺层边坡失稳分析及预测研究

关于边坡失稳的预测预报,已有半个多世纪的研究进程,到目前为止仍处于探索阶段。边坡的失稳演化过程中与其内部结构和外界因素的影响密切相关。通过对摩擦定律的状态分析,研究了边坡失稳的内在机制,并论证了边坡失稳预测的充要条件,探讨了中长期预测预报失效的原因。     

基于数字孪生的船舶预测性维护系统

针对造船技术和需求的发展,使得船舶维护面临着成本不断上升的问题,提出面对高端复杂船舶采用数字孪生技术进行预测性维护。在研究了数字孪生预测性维护模型模型基础上,将其分为创建数字孪生体、数据获取、数据预处理、模型训练、故障预测与诊断和设备维护六个阶段,并分别介绍了各阶段的主要任务和技术。最后分析总结了进行数字孪生船舶预测性维护难点及发展路径。