基于CAN与TTCAN的汽车整车分层控制网络及调度

根据汽车动力传动系统与车身控制系统的不同要求,研究了汽车整车分层控制网络的构建及其信息调度策略.在分析汽车控制系统信息特点的基础上,构建了动力传动时间触发控制器局域网(TTCAN)和车身控制器局域网(CAN)子网互连的整车分层网络,针对动力传动TTCAN子网提出均匀装载(AL)调度策略;针对车身控制CAN子网采用比率单调(RM)调度策略,通过对具体汽车控制信息的通信调度及实时性实例分析,验证了该方案的可行性.     

超声波振动切削过程中切屑形成的位错机理

应用位错理论及ＳＥＭ观察,超声波振动切削由于附加了超生能量以激励起刀具的谐振,从而变静态刀具为以超声波频率冲击切削区的动态刀具而起作用,基冲击应力波可导致高的静态剪应力,激活位错,软化丸前材料,使材料易于成屑,并通过实验证明超声波振动切削具有传统的机械加工不可比拟的优异工艺效果。     

隧道开挖超小变形监测与数值仿真分析

为有效预测和控制隧道开挖引起的地表超小变形,首先基于随机介质理论和MATLAB软件编写反分析程序,对地表沉降的实测数据进行拟合,反演断面收敛面积ΔA和地层影响角β,并研究ΔA与隧道埋深Z以及ΔA与tanβ的关系。其次,基于滚动预测的方法建立反向传播(back propagation, BP)神经网络,并预测隧道断面DM-1未来的地表超小变形值。结果表明：ΔA的取值较离散,随着隧道埋深Z的增加,ΔA呈逐渐减小趋势,地层损失也随之减小,当隧道埋深约为20.53 m时,收敛面积ΔA接近0。随着ΔA的逐渐增大,tanβ逐渐减小,当隧道埋深约为20.53 m时,tanβ约为0.447。通过滚动预测的方法建立的BP神经网络误差值较小,可以很好地预测隧道开挖引起的地表超小变形值,对类似的工程具有较好的指导意义。     

基于遗传算法的CVT夹紧力模糊-PID控制优化

针对国产金属带式无级变速器(CVT)夹紧力控制中存在金属带及带轮磨损严重、效率低下等问题,建立了夹紧力模糊-PID控制器模型.考虑到模糊控制存在主观性强、粗糙、不完善等问题,进一步引入遗传算法对模糊-PID控制器的隶属函数和模糊规则同时进行离线优化,最后将优化后的模糊-PID控制器进行实车道路试验,并与优化前的试验结果进行对比.结果表明:优化后的模糊-PID控制器可以使实际夹紧力对目标夹紧力具有更好的跟踪效果及稳态精度,较好地实现了CVT夹紧力的控制目标;另外,基于控制精度的改善,将夹紧力储备系数由1.3降至1.24,有效提高了CVT的经济性.     

独立驱动电动汽车TTCAN调度策略与特性研究

针对事件触发CAN实时性与确定性无法满足独立驱动电动汽车动力系统应用问题,以自主研发的双电机独立驱动电动汽车为对象,构建基于TTCAN协议的网络化控制模型,利用AL算法设计信息调度策略,并对其信息传输实时性、延迟、周期抖动及带宽利用率等系统特性进行理论分析与实验验证.结果表明,作者设计的TTCAN方案有效改善了系统通信实时性与确定性.     

开封市机要网工程的设计与实现

随着信息技术的发展,中共中央办公厅机要局和国家广播电影电视总局办公厅联合下发通知,要求全国各地区建立党政机要通信专网。为此,河南有线电视集团开封分公司建设了连通开封市和开封五县机要局的"开封市机要专用网",以满足工作需要。本文主要从网络设计、技术描述等方面,详细描述了该专用网的建设要点,对该专用网目前的使用情况做了调查,提出了该专用网的以后发展方向。     

基于Geant4的联合模型神经网络法解析γ能谱

利用Geant4模拟软件及MATLAB计算软件,开展多人工神经网络模型定量分析低计数率核素的研究,分析了包含五个不同类型网络的BP神经网络模型对国控环境监测站NaI(Tl)探测器模拟能谱的识别能力。实验结果表明:多网络模型的使用有利于提高低计数核素的识别准确度,能够有效识别未知核素的存在与否。     

雷氏萤和金边窗萤的生物学习性及饲养技术研究

【目的】研究并设计室内的水生和陆生萤火虫饲养装置,掌握不同生境萤火虫的生活史规律和生物学特性,以便于更好地保护和繁育萤火虫。【方法】在重庆师范大学昆虫研发创新基地的经济昆虫繁育室饲养雷氏萤(Aquatica leii)和金边窗萤(Pyrocoelia analis)两种不同生境的萤火虫,温度维持在25～30℃,连续饲养雷氏萤两代,记录每个生活史阶段的生物学特性并根据它们的生活史特点来设计和改进它们的饲养方法。【结果】成功饲养并繁殖了雷氏萤和金边窗萤,初步了解了雷氏萤和金边窗萤的生物学习性并建立室内规模化饲养技术体系。【结论】使用该饲养方法,雷氏萤火虫发育历期缩短,各阶段生长发育较好,可作为水生萤火虫的标准化的饲养程序,研究结果有助于对萤火虫的保护和利用。     

VANET云环境下基于人工神经网络的车辆任务卸载策略

在VANET(vehicular ad-hoc network)云环境中,由于车辆自身资源受限等原因需要将部分计算密集型任务卸载至周围车辆协同处理。而车辆移动的随机性是影响车辆任务卸载性能好坏的重要因素之一,对此,提出了一种车辆间的卸载任务分配策略。考虑到车辆之间连接时间的随机性,提出一种基于人工神经网络的连接时间预测方法,该方法能够通过对历史数据的学习,较为准确地对未来车辆行驶轨迹进行预测。此外,车辆将空闲资源进行共享意味着自身能耗增加,由于车辆本身的自私性使得车辆不会无偿为周围车辆提供服务。为了激励车辆之间进行协作,制定了一种分布式买卖博弈方法达到车辆资源需求与收益之间的平衡,还设计了一种集中式任务分配策略以获得任务卸载的最大效用。仿真显示,提出的方法在最大化卸载效用与提高任务卸载成功率方面都有较好的性能。     

空间三角形预应力混凝土板——桁架的研究

空间三角形预应力混凝土板－桁架是一种新型结构，具有受力合理，施工简单，投资省，速度快的特点，且不需要后期维护，特别适合贵州地区等多酸雨，湿度大的地区。