摘要：针对目前汽油机进气流量预测精度不高的问题,分析支持向量回归机(SVR)应用在进气流量预测的可行性,提出一种基于SVR的进气流量预测模型。该模型通过结合支持向量回归机的结构优势,采用灰色关联分析法(GRA)对模型的特征向量进行提取,并利用遗传算法(GA)对模型参数进行寻优辨识,以提高模型的泛化性能和预测精度。运用汽油机过渡工况仿真试验数据对模型进行了训练和预测,并应用MATLAB/LIBSVM工具箱实现SVR模型的回归预测功能。结果表明:SVR模型的预测值与试验值的误差控制在2%范围之内,有效实现了过渡工况进气流量的预测;与常规的RBF神经网络预测模型、BP神经网络预测模型相比,SVR模型具有更高的预测精度,适用于汽油机过渡工况空燃比的精准控制。

摘要：为了解决荧光分析测定水泥生料组分时前处理时间过长、重复性和准确度差、多元素分析效率低以及粉尘污染等问题,通过升级自动制样流程,优化助剂添加方式,设计原料清洗功能,调整荧光分析仪器及测试条件,建立了自动粉末压片制样,并用能量色散X射线荧光光谱仪(EDXRF)快速测定各组分含量的方法。自动进样方法的应用确保了磨制物料中样品和助剂比例的稳定性,提高了样片的一致性。使用自动研磨压片机进行连续压片可得到表面光滑均匀且未出现开裂的样片,并且仅需进行一次原料清洗即可消除不同样品间的交叉污染。相较于传统的粉末压片-波长色散X射线荧光光谱法(WDXRF),自动压片法将样品制备时间缩短至360 s,荧光分析计数时间缩短至90 s,并消除了粉尘污染和人为因素对荧光分析结果的影响。针对四个含量不同水平的生料样品进行的准确度实验表明,测试结果与化学分析法的测定值基本一致,且各组分含量的最大误差均符合国家标准要求。对同一生料进行精密度实验(RSD,n=10)的结果表明,生料中主要组分CaO、SiO_(2)、Al_(2)O_(3)、Fe_(2)O_(3)的相对标准偏差分别为0.054%、0.14%、0.60%、0.31%,最大偏差为Na_(2)O的4.4%,方法表现出良好的稳定性。因此,进一步明确了生料快速制样与能量色散荧光分析的最佳条件,方法准确度及重复性满足日常分析检测要求,对水泥生料组分快速检测具有指导意义。

摘要：设计了一种"前馈+反馈"自适应神经网络控制器,通过直接横摆力矩和前轮主动转向的复合控制来提高车辆横向稳定性。反馈控制器采用PD控制策略,以实际横摆角速度与目标横摆角速度的偏差为输入量;前馈控制器采用RBF神经网络,以反馈控制器的输出为误差进行学习,而实现自适应控制。仿真结果表明,采用上述复合控制,能有效跟踪目标横摆角速度并降低质心侧偏角,提高了车辆在高速急转向时的稳定性。

摘要：驾驶人作为人-车-路-环境复杂系统中最核心的因素,在交通安全中发挥最为关键的作用。聚焦驾驶人熟悉程度这一因素对道路交通事故的影响,系统地梳理和分析了驾驶人熟悉程度与交通事故的关系及其影响安全驾驶的机理等相关研究及成果。首先,基于驾驶人熟悉程度的距离维度和频率维度识别标准,分析了驾驶人对道路、环境及车辆的熟悉程度与其发生交通事故概率的关联性;其次,从驾驶人控制行为、路径选择行为及视觉行为等角度归纳了驾驶人熟悉程度影响其安全驾驶的机理;最后,就该领域面临的挑战及未来的研究趋势进行了分析和探讨,提出进一步标准化驾驶人熟悉程度指标的方法,为驾驶安全程度评价及提高交通安全提供了理论基础。针对已有相关研究的局限性及机理研究中尚不明朗的问题,后续研究需从认知心理学方面探究因道路、环境、车辆等驾驶人熟悉程度影响其安全驾驶的机理,进一步将视觉特征指标与生理指标结合以量化驾驶人熟悉程度,将此纳入到道路选择模型中。同时,从生理指标角度客观衡量驾驶人熟悉程度对其乘坐舒适度的影响,这些为提升自动驾驶技术接受度、交通安全及车辆安全提供强有力的理论基础。

摘要：为提高掺氢天然气均质压燃(HCCI)发动机性能,降低NOx排放,运用GT-power和Chemkin软件搭建发动机仿真模型,在不同负气门重叠(NVO)方案下,对发动机缸内燃烧以及NOx的排放进行了仿真分析。结果表明:NVO策略可以降低掺氢天然气HCCI发动机缸内温度和压力峰值,改善自燃着火特性,缓解噪声和爆震。3种方案中,单独改变进气门开启(IVO)时刻的NVO策略对发动机动力损失影响最小,同时改变IVO和EVC时刻的对称NVO策略,能最大程度的实现废气缸内稀释作用与加热效果,使缸内燃烧放热速率的缓和作用以及压力升高率的降低效果最优化,最大限度的降低NOx排放。

摘要：为解决纯电动汽车车身设计中未考虑正面碰撞相容性的问题,利用基于混合元胞自动机的拓扑优化方法对纯电动汽车的头部结构进行优化,得到了满足正面碰撞相容性指标的优化结构,同时通过正交试验对其尺寸参数进行优化,设计出了一种双保险杠式的汽车头部结构,并验证了它的可行性。

摘要：旨在对中国深度老龄化背景的“抢人大战”现象和相应的人口稳固策略,从居家养老的层面,提出嵌入代际互助的多代居适老化设计理念,通过代际合居类型理论和实例解析法,对长沙两套典型住宅的卧眠、厨卫、起居、收纳空间等主要空间,进行代际互助适老化的优化改造。探析出代际互助的多代居模式对老年人居家养老具有适应性调整和平衡代际利益的作用。提出基于法律、经济、运营机制介入的中国多代屋的构想,为实现老年人从“老有所依”到“老有所乐”的成功老化目标探索出一条新的道路。

摘要：通过比较不同截面形状薄壁梁碰撞吸能特性曲线,提出了一种有效的变截面薄壁梁结构,并将该结构应用于某车架前纵梁的碰撞模拟中,以提高其动态吸能能力。将人工神经网络引入抗撞性优化设计中,选取变截面梁的主要设计参数作为研究对象,将有限元分析与试验设计、神经网络和遗传算法等结合起来,对变截面梁各结构尺寸进行了抗撞性优化设计。建立了变截面梁结构的总吸能神经网络预测模型,并采用遗传算法进行了优化求解。最后将优化好的变截面薄壁梁结构应用于整车40%偏置碰模拟中,结果表明A柱的加速度峰值显著降低,整车的被动安全性得到提高。

摘要：目前公路护栏缺少系统的高效设计方法,其主要问题在于缺少一个具有明显优势的高精度预测模型。公路安全护栏的结构尺寸参数与其防护指标之间具有高度的非线性关系,而人工智能模型被广泛应用于在非线性问题的处理上。本文中将使用现有研究中的数据集来对5种常用的单个模型进行训练,并将其中具有较高性能的模型用于集成模型的构建。结果显示,RBFNN+BPNN+Genlin模型较单个模型和参考文献中所用模型具有更高的准确性,各项模型评价指标值优化了24%~58.9%。本研究验证了集成模型在护栏性能预测方面具有更好的性能,且为护栏优化设计提供了一种更具优势的预测模型。

摘要：目的 提取烟包图像数据训练深度学习目标检测模型,提升烟包流水线拣包效率和准确性。方法 基于深度学习建立一种烟包识别分类模型,对原始YOLOv3模型进行改进,在原网络中加入设计的多空间金字塔池化结构(M–SPP),将64×64尺度的特征图下采样与32×32尺度的特征图进行拼接,并去除16×16尺度的预测特征层,提高模型的检测准确率和速度,并采用K–means++算法对先验框参数进行优化。结果 实验表明该目标检测模型平均准确率达到99.68%,检测速度达到70.82帧/s。结论 基于深度学习建立的图像识别分类模型准确率高且检测速度快,有效满足烟包流水线自动化实时检测。