CAN总线网络传输的延时优化研究

为减小CAN总线网络延时对传输速率的影响,提出了一种报文偏移量补偿与标识符优化的混合优化方案.首先定义总线网络传输延时,研究了表征CAN总线网络数据传输延时的主要指标,然后设计了报文分段与编码方案优化方法和延时报文的偏移量补偿方法,最后采用二者相结合的方案改善延时情况,并利用Symtavision软件分别对优化前、后C...     

CAD/CAM中复杂轮廓环的等距干涉处理

复杂轮廓环的等距算法是CAD/CAM系统中重要的基本算法之一.文章介绍了复杂轮廓环进行原始等距的过程,提出了环自交与交互的若干算法.     

桥梁桩基础遇到地下管线时的设计调整

当桥梁桩基础遇到地下管线时需要进行结构调整时,综合运用空间分析和平面杆系计算相结合的方法,准确高效地进行结构受力变化分析,既保证桥梁整体造型风格不变,又保证结构受力安全合理。     

落石运动过程偏移与随机特性的试验研究

通过112块不同形状、不同质量的落石现场滚落试验,发现落石形状、质量和运动模式对落石偏移比有显著影响.落石越接近球形、质量越大、运动模式越单一,其偏移比越小,反之则会出现较大的偏移比和横向威胁范围;试验中绝大部分落石的偏移比大于0.1,但均在0.3以内.鉴于此,建议在实际落石防护工程设计中落石偏移比取0.3,以控制落石横向威胁范围;或依据落石灾害危险性评价结果和可接受风险水平确定落石偏移比的取值.通过9块试验条件近似的落石试验表明,落石运动过程充满随机性,在落石运动路径计算方法中应考虑落石运动过程随机特性的影响,这对于落石灾害威胁区域的划定和被动防治系统的布置非常重要.     

基于概率模型的高速铁路地震预警实时性与准确性分析

采用地震预警时延评价高速铁路地震预警的实时性,根据地震预警时延的特征,建立地震预警时延的偏置伽马分布模型,并给出偏置伽马分布的性质及其参数的极大似然估计算法。采用震源定位偏差评价地震预警的准确性,以震中距偏差服从伽马分布和方位角偏差服从均匀分布的二维随机变量,建立震源定位偏差的二维分布模型。以300条地震记录数据作为输入,对某高速铁路地震预警系统进行现场试验,验证所建立模型的正确性,并对高速铁路地震预警的实时性和准确性进行评价。结果表明:偏置伽马分布模型能够精确描述地震预警时延,伽马分布可有效描述震中距偏差;随着地震监测台站数量的增加,地震预警的实时性下降但准确性明显提高;地震监测台站数量取3和在70%概率情况下,地震预警可实现全系统时延小于7s、震中距偏差小于20km,能够满足高速铁路地震预警对实时性和准确性的要求。     

双联偏置扭杆弹簧助力机构的优化设计

基于悬架扭杆弹簧,设计了双联偏置扭杆弹簧助力机构,解决了特种车辆大型渡板的翻转助力问题.在选择机构参数过程中,运用了优化设计方法,编写了优化计算程序.计算和实车试验结果均表明,在助力机构的作用下,单人可完成翻转大型渡板的工作.     

数控车削中的刀尖半径补偿

在数控丰削带有圆锥或圆弧曲面的零件时,由于刀尖半径的存在,会造成过切或少切的现象,采用刀尖半径补偿,既可保证加工精度,又为编制程序提供了方便．合理编程和正确测算出刀尖圆弧半径是刀尖圆弧半径补偿功能得以正确使用的保证．     

营运期特大跨径连续刚构桥变形监测分析

依托某特大跨径连续刚构桥,对营运期间桥梁的线形、主墩的竖向位移、主墩的偏位、伸缩缝的变形进行了分析研究。首先,明确了特大跨连续刚构桥监测的内容和方法,进而用有限元软件 Midas Civil2012对桥梁变形相关理论值进行了计算。随后,现场实测了桥梁变形相关的数据。最后,将现场桥梁线形、主墩的竖向位移、主墩的偏位、伸缩缝变形的实测值与理论计算值进行了对比分析,得出本桥基本处于正常的工作状态这一结论。通过对特大跨径桥梁的分析,可为同类桥梁提供依据,具有较好的实用价值。     

基于Maxsurf二次开发的船体型值表建立方法

本文提出基于Maxsurf二次开发的船体型值表建立方法,利用Maxsurf完成型线设计后,需要导出船体型值表。利用VB.NET作为程序设计语言,Microsoft Access作为数据库对Maxsurf Modeler模块进行二次开发从而得到型值表,通过实例证明该方法是可行的、快捷的。     

基于两种正面碰撞的轿车耐撞性能仿真与改进研究

以某轿车为研究对象,建立了整车有限元模型,基于GB 11551—2003《乘用车正面碰撞的乘员保护》和欧洲正面碰撞法规ECE R94.01进行碰撞数值仿真,针对原车在两种正面碰撞中耐撞性能的不足,提出对主要吸能件进行结构改进与材料替换的方案。仿真计算结果表明,在整车质量仅增加3.05kg的情况下,改进方案使整车在正面100%重叠刚性壁障碰撞中加速度峰值降低了6.1g,在偏置40%重叠可变形壁障碰撞中乘员舱侵入量有明显减小。