汽车自动变速器的现状和发展前景

汽车自上个世纪末诞生以来,已走过了风风雨雨一百多年。从德国工程师卡尔本茨造出第一辆三轮汽车以每小时18公里的速度,跑到现在,诞生了从速度为零到加速到100公里/小时只需要三秒钟多一点的超级跑车。这一百年,汽车发展的速度是如此惊人!作为汽车关键总成之一,变速器技术也在不断地与时俱进。目前世界上使用最多的汽车自动变速器为MT手动式变速箱、AT液力自动变速器、AMT电子控制机械式自动变速器、CVT金属带式无级自动变速器四种型式。由于其具有许多优点,因此在汽车上应用越来越广泛。本文介绍了汽车变速器的基本类型及工作原理,分析了各自的特点,阐述了变速器国内外发展的现状和趋势,并提出了我国变速器产业发展的方向和建议。     

最大最小运送周期下的库存与运输优化模型

针对库存与运输联合优化使得供应链成本最低问题.采用对配送周期加以限制的方法,即最大最小运送周期,研究降低供应链成本的优化模型,即最大最小运送周期库存与运输模型.结果表明:两级供应链下,在车载能力基础上综合考虑配送周期进行货物运送,要比按照独立周期进行货物运送节省成本.根据最大最小运送周期定义建立的最大最小运送周期库存与运输模型能在一定程度上降低运输费用从而降低两级供应链成本.     

汽油机连续可变进气凸轮轴相位策略的数值模拟

针对486Q汽油机连续可变进气凸轮轴配气相位系统的研制,采用发动机循环模拟数值方法研究连续可变进气凸轮轴配气相位系统的相位策略。数值模拟表明486Q汽油机在高负荷中低转速工况通过进气相位提前抑制进气在气门关闭时刻向进气道的倒流可有效提高循环进气量,使中低转速工况动力输出性能提高6%～8%,其结果与随后试验测试获得进气相位变化量一致。综合考虑燃油消耗率和有害排放物生成,数值模拟中等负荷工况进气相位参数的调节优化,通过进气相位提前,示例工况缸内残余废气系数可从9%增加到20%,NO排放量低减约80%,燃油消耗     

基于量子云模型演化的最小属性约简增强算法

为提高决策表中最小属性约简的效率、稳定性和鲁棒性,基于云模型在非规范知识定性、定量表示及其相互转换过程中的优良特征对量子进化算法进行算子设计,提出了一种基于量子云模型演化的最小属性约简增强算法(QCMEARE).该算法采用量子基因云对进化种群进行编码,基于约简属性熵权逆向云进行量子旋转门自适应调整,使其在定性知识指导下能够自适应控制属性约简空间搜索范围,并采用量子云变异和云纠缠操作算子较好地避免了在属性演化约简中易陷入局部最优和早熟收敛等问题,使算法快速搜索到全局最优属性约简集.仿真实验表明,提出的最小属性约简增强算法具有收敛速度快、约简精度高和稳定性强等优点.     

基于空气弹簧充放气特性的汽车运行姿态控制

根据汽车的工作特点,结合空气弹簧的充放气特性,设计了汽车运行姿态控制系统及其控制策略.为了提高汽车的侧向稳定性,设计了空气悬架刚度调节控制器,在侧倾危险状况下,及时调整空气悬架的刚度,提高了汽车的侧向稳定性,减少了汽车侧翻事故的发生.为了满足常规工况下的工作装置需要,设计了车身水平位置调节控制器,控制车身的水平位置.在汽车行驶速度为80km·h-1、方向盘转角为200°的情况下进行仿真试验,汽车左侧空气悬架的刚度上升了12.5％,右侧空气悬架刚度下降了13.3％,汽车侧倾角稳定在4.1°.结果表明汽车运行姿态控制系统能够较好地控制汽车运行姿态.     

废旧箱包逆向物流运作模式研究

随着我国经济水平不断提高以及电商时代的到来,产品更新速率加快,大量废旧物品不仅造成资源浪费现象,而且还会造成严重的环境污染.资源回收再处理问题已经成为当下的热点,逆向物流在这种环境下应运而生,选择和确定逆向物流回收模式是企业的关注重点,其中旅游箱包就是一个发展迅速而研究较少的领域,值得研究与推广.研究箱包公司物流发展对工业类企业减少成本,增加利润,提高回收运输效率等具有一定的指导意义.根据废旧箱包逆向物流结构链的特点,主要对生产商回收模式(Manufacturer Take-Back,MT)、销售商回收模(Retailer Take-Back,RT)、第三方回收模式(Third Party Take-Back,TPT)3种回收模式进行了量化对比分析,以箱包制造企业回收整体效益最高为最终目标,并运用SWOT-AHP结合的方法,对废旧箱包逆向物流回收模式进行了研究分析,构建了箱包逆向物流回收模式模型,为箱包企业逆向物流选择最佳回收模式提供了理论模型依据,得出第三方回收模式最优的结论.对箱包企业处理废旧产品工作而言具有一定参考意义.     

基于逆向强化学习的装船时堆场翻箱智能决策

集装箱码头装船时堆场翻箱具有时序性与动态性,属于NP(non-deterministic polynomial)难问题。针对常见的顺岸式集装箱码头堆场,以最小化总翻箱次数为优化目标,考虑翻箱对装船连续性及效率的影响,基于马尔科夫决策过程构建装船时堆场翻箱模型,设计逆向强化学习算法。为验证算法的有效性,以随机决策为基准,将设计的逆向强化学习算法与码头常见规则决策、随机决策对比。结果表明,贝位堆存状态不佳时,常见的规则决策不一定优于随机决策;逆向强化学习算法可有效挖掘隐含专家经验,收敛至最小翻箱次数的概率更高,且不同堆存状态下均能更好地限制单次发箱的翻箱次数,可实现装船时堆场翻箱智能决策。     

基于物联网的集装箱感知系统研究与应用

介绍了一种基于物联网的集装箱感知系统的实现和应用,为大规模商业应用提供了一种可行性方案。该系统利用RFID、无线数据通信和互联网等技术,实现无人干预下的集装箱自动识别、信息共享和智能管理。     

某行输出变压器生产车间生产物流仿真和优化

随着世界经济一体化的推进,我国的企业越来越多地参与到竞争激烈的国际大市场中,尤其是制造产业更是面临着外部的剧烈冲击。在这样的背景下,居高不下的制造成本成了制约企业生存和发展的极大障碍。本文介绍了生产车间物流系统建模与仿真的一般过程和方法,并应用Flexsim仿真软件结合流程分析法对某公司行输出变压器生产车问物流系统进行了定性和定量的分析,通过对车间生产流程及布局的优化,达到了缩短车间物流路径和减少物流回流的目的,有效提高了生产率。     

考虑不同数量折扣的物流服务供应链回购契约协调研究

文章以单个物流分包商和单个物流集成商组成的两级物流服务供应链为研究对象,在单周期单一能力下,建立物流分包商主导的基于回购的物流服务供应链数量折扣模型,并分析该模型下物流集成商和物流分包商各自的最优决策.最后,通过数值实验可以得出,随着折扣的增加,物流集成商的物流能力采购量和物流分包商的单位回购价格下降,物流集成商期望利润增加,物流分包商期望利润减少,供应链系统期望利润增加、系统绩效提高.