汽车后备箱盖开关过程仿真分析及计算

目前汽车后备箱的性能设计主要通过反复试验验证来进行,开发成本高、周期长。文章通过建立精确的理论数学模型计算摩擦下四连杆的受力情况,利用微积分原理并借助Excel对后备箱开关特性进行仿真分析,通过试验验证仿真的有效性,为在设计阶段快速准确地进行后备箱性能设计提供了有效工具。     

海事赔偿责任限制的主体

海事赔偿责任限制是海商法中一项重要的制度，为完善我国目前此项制度相关规定的不足，探讨船舶管理人、船舶经营人、无船承运人可否作为海事赔偿责任限制主体，分别从定义、立法本意、国际公约规定和实践等角度进行分析和区别，得出船舶经营人的界定方法，建议将船舶管理人列入海事赔偿责任限制的主体之中，无船承运人则不列入。     

基于FameView的港口监控系统设计

基于组态软件开发的码头实时监控系统能很好地实现港口生产的自动化要求.以某港口20万吨级铁矿石码头实时监控系统为例,介绍基于FameView组态软件的港口监控系统的设计方法.     

A New Multi-sensor Data Fusion Algorithm Based on EMD-MMSE

A new multi-sensor data fusion algorithm based on EMD-MMSE was proposed.Empirical mode decomposition(EMD)is used to extract the noise of every time series for estimating the variance of the noise.Then minimum mean square error(MMSE)estimator is used to calculate the weights of the corresponding series.Finally,the fused signal is the weighted addition of all these series.The experiments in lab testified the efficiency of this method.In addition,the comparison in fusion time and fusion results with existing fusion method based on wavelet and average technique shows the advantage of this method greatly.     

基于传感器融合的车辆全球定位

采用2个光学编码器作为当地传感器,1个GPS接收器作为全球传感器,GPS接收器和编码器组合成1对互补的传感器对来进行高精度的定位.传感器融合软件由2部分组成:基于车辆运动学的动态模型,用于结合GPS接收器和光学编码器;另一部分是用来整合传感器数据的随时间变化的卡尔曼滤波器.仿真和实验结果表明:提出的定位系统效果很好,可实时精确地预测车辆位置和方位角,GPS信号中混杂的噪声可消除80%.     

后轮“发偏”的简易调整

摩托车后轮“发偏”指的是车的重心不能作用于后轮的纵向中心线上而发生偏移。这种偏移使摩托车在行驶中,特别是刹车时极易造成侧滑埋下事故隐患。同时,“发偏”还会使传动链条的磨损加剧。因此,应当经常检查和正确调整后轮重心,别让自己驾车时有斜的感觉。     

摩托车的减挡操作

摩托车在行驶过程中,根据路况及行驶环境的变化,需要随时对挡位进行调整。通常情况下,驾驶员对摩托车的提速加挡操作都会很平顺,而减挡时就不能做到平顺过渡,摩托车有明显的"一顿一冲"的感觉,并能听到机件撞击声。长期这样,对发动机,特别是传动齿轮、活塞及活塞环等损害很大。因为受摩托     

道床刚度对钢轨接头动力响应影响研究

有砟轨道在施工阶段存在大量的钢轨接头会加剧轮轨间冲击和振动，造成钢轨伤损，影响轨道平顺性，不利于工程车辆行车安全，合理的道床刚度能减缓钢轨接头处轮轨间的冲击作用，改善临时轨道结构的受力和变形。基于多体动力学理论，以21 t轴重平车为研究对象，建立车辆-钢轨接头耦合动力学模型，研究钢轨接头区轮轨动力响应，分析道床刚度对轮轨冲击的影响规律。结果表明：钢轨接头区的轮轨冲击较为显著，其轮轨垂向力比非接头区增大约1.4倍。随着道床刚度增加，轮轨垂向力呈非线性增加趋势，钢轨和轨枕的垂向加速度和垂向位移均呈减小趋势，道床刚度为170 kN/mm时，轮重减载率最大值为0.63，接近我国规范的允许限值0.65；道床刚度小于45 kN/mm时，钢轨和轨枕的位移均超出了我国规范允许值（2.5 mm和2.0 mm）。因此，施工阶段应对道砟进行合理的捣固，宜将道床刚度控制在45～170 kN/mm。     

考虑噪声标签影响的驾驶员精神负荷状态评价

现有驾驶员精神负荷评价研究多以驾驶场景中有无次任务来给定驾驶员的精神负荷分类标签，但驾驶员在正常驾驶情景下也可能由于陷入自我思维而导致精神负荷的增加；此外，由于个体差异，同一驾驶次任务对不同驾驶员精神负荷的影响也不尽相同。因此，由传统方法所制作的数据集可能存在噪声标签，从而影响精神负荷评价模型的训练效果。针对此类问题，本文中采用置信学习的方法对驾驶员的精神负荷分类标签进行检测和滤除，使用处理过的标签，以脑电、心电和皮电信号特征作为模型输入，基于支持向量机、随机森林、K近邻、决策树、逻辑回归和多层感知机等多种算法构建驾驶员精神负荷模型，对比分析噪声标签处理对提高各类模型性能的效果。结果表明：使用置信学习进行噪声标签处理后，所构建的多种驾驶员精神负荷模型的性能均得到了明显的改善，其中，支持向量机模型的性能提升的效果最佳。