基于联合强度理论的主动土压力计算方法

考虑结构性黄土的抗拉强度和有限土体对土压力的影响,推导了抛物线加直线形式的联合强度理论。基于此强度理论,建立了土体主动极限平衡状态,推导了无限土体主动土压力的计算公式;通过滑动块体理论推导了有限土体主动土压力的计算公式。通过算例对公式进行了验证比较,研究结果表明:基于联合强度理论计算的土体开裂深度明显小于朗肯土压力理论的开裂深度,且基于联合强度理论土体应存在拉应力区,在此区域内,挡土墙与土体存在胶合力的情况下,需考虑挡土墙受到的拉力和因此导致的局部应力集中;有限土体的土压力小于朗肯主动土压力,且随着挡土墙与既有构筑物距离的增加,有限土体土压力趋近于无限土体土压力。基于联合强度理论和有限土体理论建立的主动土压力计算方法能更合理地评价黄土的主动土压力。     

电动汽车无动力中断两挡变速器换挡机构参数优化

针对电动汽车无动力中断两挡变速器,提出一种换挡机构参数优化匹配方法。介绍了该两挡变速器换挡机构,并分析了其换挡工作过程。建立了整车动力学模型,研究了换挡机构参数对冲击度和滑摩功的影响规律。在此基础上,对换挡机构参数进行初步匹配,进一步建立了以换挡机构参数为优化变量,以冲击度和滑摩功为优化目标的多目标优化模型。利用改进灰狼算法,结合MATLAB/Simulink仿真对所建模型进行了求解,并通过案例验证了该算法的有效性。最后,搭建了两挡变速器换挡试验台架,结果表明其换挡过程动力不中断,证明了该两挡变速器换挡机构的合理性。     

基于MDT重叠覆盖度数据的KNN-DBSCAN参数自适应调优研究

传统网络优化中路测工作存在难以全量测试道路及楼宇、测试工作量大、工作效率低、周期长、受人为因素影响等显性缺点,无法动态关注每个区域网络质量情况,且常规测量报告(measurement report,MR)数据不具备定位信息,无法精确定位如重叠覆盖度问题发生位置。基于最小化路测(minimization drive test,MDT)精准定位系统通过采集底层基站MDT数据,并根据重叠覆盖度算法输出高重叠覆盖度栅格,再通过自适应K最近邻-具有噪声的基于密度的聚类方法(K-nearest neighbor density-based spatial clustering of applica-tions with noise,KNN-DBSCAN)联合算法解决了DBSCAN算法对参数设置敏感性问题,并对问题栅格进行非监督聚类,收敛问题连片区域,通过小区采样贡献度进行栅格区域映射,最终达到精准调整全局最高优先级(TOP)小区,降低小区高重叠覆盖度的目的。     

面向低能耗的纯电动汽车两挡变速系统综合换挡规律

为了协调纯电动汽车动力性和经济性之间的矛盾,针对一种两挡变速系统,提出能够兼顾两种性能的综合换挡规律。首先,基于经济性驱动模式提出面向低能耗的需求转矩获取策略。在此基础上,制定两挡变速系统的最佳动力性换挡规律和最佳经济性换挡规律。以百公里加速时间和比能耗为目标,建立综合性能换挡规律优化模型,通过交叉粒子群算法求解得到换挡规律曲线。利用MATLAB/Simulink仿真平台对三种换挡规律的动力性能和经济性能进行对比分析,结果表明,综合性能换挡规律能够在动力性能方面逼近最佳动力性换挡规律,同时表现出很好的经济性能。     

[电动汽车稳定性控制]面向低能耗的纯电动汽车两挡变速系统综合换挡规律

In order to coordinate the contradiction between the dynamic performance and the economic performance of PEVs, this paper proposed a comprehensive shift schedule based on a two-speed PEV powertrain. Firstly, the strategies of obtaining the torque for low energy consumption were presented under the economic performance mode. Then the dynamic shift schedule and the economy shift schedule for a two-speed powertrain were formulated. The optimization model of comprehensive shift schedule was established with the objectives of the acceleration time during 0~100 km/h and the energy consumption per unit mass. And then the model was solved by the crossover particle swarm optimization algorithm to obtain the shift schedule curves. Three kinds of shift schedule were compared and analysed by using MATLAB/Simulink platform. Results show that the comprehensive shift schedule for low energy consumption may balance the dynamic performance and the economic performance of PEVs.     

基于KPCA-GA-BP神经网络的POI质量预测研究

目前移动网络优化一般基于小区进行网络质量评估及预测，遵循“升维研究，降维实施”的研究思路，提出了兴趣点（point of interest,POI）网络质量的柔性评价体系，但其涉及较多网络关键绩效指标（key performanceindicator,KPI），导致POI网络综合质量评价体系较为庞杂且预测精度不高，为提高POI网络质量预测精准性，采用核主成分分析（kernelprincipalcomponentanalysis,KPCA）算法对反向传播（back propagation,BP）神经网络的输入变量进行相关性压缩，简化了BP神经网络结构，然后通过遗传算法（genetic algorithm,GA）优化了BP神经网络连接权值及阈值参数。与传统BP神经网络预测结果进行对比，在预测准确度方面提高了10.90%，均方误差性能显著降低，对研究POI网络质量的预测可起到较好的支撑作用。