摘要：本文主要讨论为通过产品定位基准选择、工艺规划、夹具设计、运用系统思维模式的具体事例,解决长城某款产品影响焊接质量及自动化焊接问题,提升非承载式底盘车架精度品质,尝试的一种新工艺、新机构及系统思维解决问题模式。

摘要：智能汽车测试是其技术开发与应用中必不可少的环节,封闭场景下测试目标物准确反映真实道路环境下交通对象特性是保障测评结果可信的关键,而道路弱势群体服饰色彩是相应测试目标设计的关键参数,也是智能车测评相关标准中要求的一个主要指标。为此,通过对中国某省份2018~2020年间重大交通安全事故案例的分析和筛查,得出178例弱势道路使用者群体伤亡人员样本,首先提取样本服饰颜色,然后选取适当的色彩空间,将色彩数据从RGB(Red-Green-Blue)空间转换至LUV(Lightness-Chroma)空间。以转换结果作为聚类参数,采用K-means聚类算法,获取受害者样本基于季节、出行方式等不同因素下的服饰代表颜色。区别现阶段欧洲标准中目标物黑色上衣/蓝色长裤的搭配组合,黑色上衣/黑色长裤作用于符合中国国情的自动驾驶场景中测试目标物的服饰颜色更具代表性。鉴于中国新车评价规程(China-New Car Assessment Programme,C-NCAP)选取行人目标物与自行车骑行者目标物,将目标物服饰改为黑色上衣/黑色长裤组合,以测试目标物与测试车辆位置分别构建相对横向及纵向运动的多个场景,在对应场景下检测汽车前端结构位置25%、50%及75%处与目标物碰撞情况,以评价配有自动紧急制动系统(Automatic Emergency Braking System,AEB)的智能汽车对测试目标物的响应能力。试验测试结果表明:全部测试场景下,测试车辆能够成功识别目标物并可主动制动,该测试验证了黑色上衣/黑色长裤组合在现行检测标准下的可行性与有效性。该研究可为智能汽车测试领域提供客观的数据支撑,完善交通行业相关标准和法规,并推动智能汽车测试技术的发展。

摘要：在隧道稳定工程稳定分析中,岩土体力学参数的准确性对工程设计有着重要影响,以获取隧道岩土体力学参数指导支护设计,保障隧道施工及运营期的安全性。采用有限差分数值计算模型构建位移与岩土参数的训练样本集,结合CO-RDPSO算法优化BP神经网络的初始权值和阈值进行训练,将实际监测位移带入训练好的神经网络反演岩土体力学参数,利用反演参数带入有限差分模型计算得到隧道位移,并将其与监测位移进行对比分析,并对该方法进行实例验证,结果表明,基于有限差分方法反演得到的参数能较好地反映隧道开挖后土体的位移沉降,变形规律与监测数据基本一致,CO-RDPSO算法优化BP神经网络具有一定的可行性。