铌、钒、钛微合金化钢的边角裂纹与高温延塑性

通过对含铌、钒、钛钢高温延塑性的测试和连铸坯表面温度的测定,含铌、钒、钛钢在700～900°C第Ⅲ脆性温度区断面收缩率RA值较低,约在36%左右.若RA值大于40%时,高温延塑性温度为950°C,即使采用弱冷,铸坯边角部温度也不能够完全达到.结合我厂连铸坯生产工艺和设备的实际情况,对有利于消除表面裂纹的防治措施进行了探讨并提出了建议.     

基于ASP技术的汽车信息网站的设计

随着网络的发展和人们购买力的提高,准备购买汽车的人们倾向于在网上搜索汽车信息．本文介绍如何 使用ASP技术在Internet上建立一个汽车信息网站,供用户通过WWW动态地访问Web数据库中的数据．     

关于机器人小车固定路径导引方式的研究

介绍了一种简单易行、实用、方便的机器人小车固定路径导引方法，给出了硬件电路。在此基础上，对小车在固定路径上前进的控制方法进行了研究。     

基于非线性自适应回归神经网络的GPS/IMU组合导航方法

车道级高精度定位导航是智能网联汽车的基本配置,全球定位系统(globlal positioning system,GPS)/惯性测量单元(inertial meansurement unit,IMU)组合导航是高精度定位的关键技术之一。根据汽车行驶过程中高精度定位要求,提出了应用于智能网联汽车的基于非线性自适应回归(nonlinear autoregressive exogenous,NARX)神经网络的GPS/IMU组合导航方法。首先,根据IMU传感器数据特性,建立了基于扩展卡尔曼滤波的惯性导航系统(inertial navigation system,INS)模型,其次,基于NARX神经网络,建立了GPS/INS组合定位训练和预测模型,然后,基于全球导航卫星系统(global navigation satellite system,GNSS)、实时动态差分技术(real-time kinematic,RTK)、INS等技术,设计了智能网联汽车RTK高精度定位数据采集实验系统,并收集了实验数据。最后,对NARX网络训练误差和GNSS信号长时间失效情况下定位预测误差进行了讨论与分析。实验结果表明,该方法在GNSS信号失效5 min情况下,定位预测误差在2. 5 m以内,满足一般情况下,短、中、长隧道中智能网联汽车定位应用要求。     

FSA正方程式赛车附着系数分析

本文介绍了两种计算最大制动器制动力的方法,并分析附着系数的选取方法和在计算中使用的顺序对计算结果造成的影响。通过MATLAB计算,用ORIGIN软件绘制曲线分析比较,找出其中的不同计算原理和计算方法的优缺点。FSAE方程式赛车的设计数据的检验结果表明,制动器制动力满足制动系统的要求。     

基于混合灵敏度的某自卸车车厢结构优化设计

基于HyperMesh对某款自卸车车厢结构进行有限元建模,选取了水平弯曲工况和扭转工况进行有限元分析,得到了不同工况下的最大应力和变形,验证了模型的有效性;并对进行了自由模态分析,选取前10阶的固有频率和振型。在分析结果的基础上,以弯、扭刚度及一阶弯、扭模态频率为约束;以车厢结构总质量最小为优化目标,对34组设计变量进行直接灵敏度分析和混合灵敏度分析,得到了4组对结构性能敏感变量及16组不敏感变量,并对4组变量进行厚度增加及16组变量进行减薄处理。最后对选取的20组变量进行模型重构,对优化前后的结构性能进行对比,结果表明在不影响其他性能的前提下,减重9.8 %,取得了较好的优化效果。     

基于光纤通信的汽车照明及信号控制系统

传统汽车照明、信号控制系统的控制信号通过专用线束传输,不具备自诊断功能.当重要控制信号出现故障时,驾驶员难以察觉,容易造成车祸.针对上述问题,提出了一种基于光纤通信的新型汽车照明、信号控制系统,介绍了控制功能、自诊断功能,以及硬件设计与软件开发.     

发展以公共交通为主体的城市交通体系--对广州CBD交通现状的思考

针对广州已形成的包括“北京路”分区、“环市东路”分区和“天河”分区在内的三个中央商务区的交通现状,从用地功能特点及路网特征两方面对三个中央商务区进行分析,归纳出其主要交通问题,提出控制小汽车交通,大力发展以公共交通为主体的城市交通体系的解决办法．     

考虑混合不确定性信息的产品多属性方案评价

针对当前产品方案评价方法对随机性、区间性、模糊性等混合不确定性信息考虑不足,其量化过程没有真实反映产品方案本质属性的问题,提出产品方案评价中考虑混合不确定性信息的产品多属性方案评价方法.对混合不确定性信息进行精准表征,并构造容信度科学、精确量化混合不确定性信息;同时,构建基于混合不确定性信息容信度的产品方案评价模型,计算混合不确定性信息的容信度和理想度,利用方案优选定理实现产品方案的评价优选,并通过实例进行了验证.     

基于NARX神经网络的城市汽车保有量区间估计及灵敏度分析

分析了影响汽车保有量的因素,运用灰色关联度理论选取主要影响因子,并采用主成分分析法对选定因子进行了相关性处理和降维处理,针对选取的相关因子建立了NARX神经网络预测模型。以此为基础,根据长沙市2000-2012年各指标的历史数据,对该市2013～2020年汽车保有量进行了区间预测,并进行了误差分析和灵敏度分析。研究结果表明,2013～2020年间该市汽车保有量的增加速度较为稳定,到2020年该市汽车保有量总数达1902847辆,修正后的预测值所属区间为E1891715,1913979];当经济增长速度降低1％时,汽车保有量平均增长速度降低0．53％;且政策对该市汽车保有量具有显著性影响。