基于不安全控制行为分析的商用车AEB决策系统优化

现有的基于车载传感器的商用车自动紧急制动(AEB)系统存在视野盲区等原因,功能受到了很大的限制。为了提高商用车AEB系统的安全性和可靠性,该文提出了基于不安全控制行为分析的商用车AEB决策系统优化方法。首先,通过实车测试获取车车通信在不同工况下的通信时延规律,使用该时延规律对环境车的速度、位移和坐标等参数进行补偿修正,弥补通信时延对系统决策造成的影响。然后,制定交叉口路段处的商用车自动紧急制动策略,在两车即将碰撞时控制本车的制动系统以最大的制动减速度自动紧急制动,避免碰撞的发生,并基于不安全控制行为分析,对AEB决策系统进行优化。最后对提出的优化方法进行了仿真和实车测试,结果表明,该方法能够有效地防止两车在交叉口处相撞,具有较高的安全性和可靠性。     

钢管混凝土组合柱耐火性能对比分析

采用非线性有限元软件ABAQUS对方钢管混凝土柱、复式钢管混凝土柱、内嵌十字型钢钢管混凝土柱和4腔钢管混凝土柱4种钢管混凝土组合柱开展火灾下的力学分析,并采用相关实验数据进行验证.分析不同荷载比下钢管混凝土组合柱的温度场、位移-时间曲线、截面内力重分布等.结果表明：内嵌型钢(钢管)有助于提升柱体的轴向刚度,钢管混凝土组合柱的破坏模态表现为压缩鼓曲破坏;低荷载比下内嵌钢管允许方钢管发生更高的温度材性劣化,进而提升了柱体的耐火性能,火灾荷载比越小,提升效果越显著.     

量子粒子群优化核极限学习机的遥感影像分类

极限学习机初始参数具有随机性,容易导致其对高分辨率遥感影像的分类结果出现局部最优现象.为了解决上述问题,提出了一种基于量子粒子群优化核极限学习机的遥感影像分类方法.该方法利用量子粒子群算法对核极限学习机的核参数与正则化参数进行优化,根据参数优化后的结果构建量子粒子群优化核极限学习机的遥感影像分类模型（QPSO-KELM）.通过实验对比了SVM、KELM、PSO-KELM、QPSO-KELM这几种分类方法对高分二号遥感影像数据的分类精度与效率.结果表明：QPSO-KELM的分类精度、运行速度均优于其他几种分类方法,该方法能有效提取遥感影像上的地物要素信息.     

缀板加强冷弯薄壁C形钢受压极限承载力研究

为研究缀板加强冷弯薄壁C形钢受压构件的受力性能,采用ANSYS软件建立其非线性有限元模型,并与试验破坏特征、极限承载力进行对比,验证建模方法的正确性. 研究缀板间距及偏心距对缀板加强冷弯薄壁C形钢在轴压及单向偏心受压作用下的极限承载力及屈曲模态的影响规律. 结果表明：随缀板间距减小,C形钢的屈曲变形由畸变屈曲逐步转为局部屈曲,轴心受压及偏心受压构件极限承载力逐渐增高;随偏心距增大,偏心受压构件的极限承载力逐渐降低;建议缀板加强冷弯薄壁C形钢轴压、偏压构件的缀板间距分别取λ/3、λ/4（λ为屈曲半波长度）. 基于缀板加强冷弯薄壁C形钢的受力特点及直接强度法,提出缀板加强冷弯薄壁C形钢构件轴压及偏压极限承载力的修正公式,并验证了公式的准确性.     

关于二重极限教学的一点注记——与《微积分解题方法与技巧》一书的作者商榷

本文首先对《微积分解题方法与技巧》一书中某题的解法提出质疑;然后研究了三种不同情形下可以得出不同的结果;进而否定了该书的解法;最后指出,被高等数学广泛采用的“极坐标代换法”不能直接用于二重极限,并给出了理论上的解释和证明。     

计算旋转螺旋面三维边界层的一种积分方法

本文将计算二维层流边界层的Thwaites方法和计算二维湍流边界层的Truckenbrodt方法推广,用以求解旋转系统的“准三维”边界层方程,得到了计算旋转螺旋面上三维边界层的一种可迭代求解的积分方法.应用此方法进行了两例计算.计算结果与理论精确解或实验测量的对比表明,本文方法是有效的.     

一类两种群竞争模型的定性分析

对两种竞争模型｛ｘ＝ｘ（ａ－ｂｘ－ｃｙ－ｋｘｙ）＝Δｘｆ１（ｘ,ｙ）;ｙ＝ｙ（ｅ－ｆｘ－ｇｙ－ｌｘｙ）＝Δｙｆ２（ｘ,ｙ）,的平衡点的全局稳定性和极限环的存在性作定性研究,得到了正平衡点全局稳定的充分条件,证明了该系统在第一象限内不存在极限环。     

一个问题的扩充

文[1]中有如下习题:设 x→a 时,f_1(x)与 f_2(x)为同阶无穷小,g_1(x)与 g_2(x)为等价无穷小,且 f_1(x)>0,f_2(x)>0,并设f_2(x)g_2~(x)=A(A>0),求证:f_1(x)g_1~(x)=A.我们说,此习题可扩充成如下结果:定理设 x→a 时,f_1(x)与 f_2(x)为同阶无穷小(无穷大),g_1(x)与 g_2(x)为等价无穷小,     

受压加筋板极限承载能力研究

研究了面内单向受压的加筋板单元极限承载能力,考虑了弯扭耦合,加强筋截面变形,板的屈曲以及板和加筋之间的相互作用对加筋板极限承载能力的影响。计算结果表明算法具有较好的精度。     

如何理解极限概念

本文通过分析,着重阐明了极限概念的重要性,以及理解极限概念的难点,最后对极限定义作了几点说明。