【摘 要】
：
文章提出了一种基于M脚本的四驱纯电动汽车扭矩分配方法,该方法根据系统效率最优法进行前后电机扭矩分配,通过输入某车型相关参数和M脚本,自动计算不同车速、不同轮边扭矩下的损耗功率,并自动提取最小损耗功率和对应的前电机扭矩分配比例系数,最后得到前电机扭矩分配比例系数MAP。通过对多种分配方式计算结果的对比分析,证明所提出的扭矩分配方法是可行的,能够为车企在节能减排方面提供一定的指导。
论文部分内容阅读
文章提出了一种基于M脚本的四驱纯电动汽车扭矩分配方法,该方法根据系统效率最优法进行前后电机扭矩分配,通过输入某车型相关参数和M脚本,自动计算不同车速、不同轮边扭矩下的损耗功率,并自动提取最小损耗功率和对应的前电机扭矩分配比例系数,最后得到前电机扭矩分配比例系数MAP。通过对多种分配方式计算结果的对比分析,证明所提出的扭矩分配方法是可行的,能够为车企在节能减排方面提供一定的指导。
其他文献
从民居对地域气候的适应性营建角度分析黔西南地区的石板房,并以布依族、苗族与汉族混居的楼纳片区为对象,借助图解分析、问卷采集、田野调查与SPSS数据等定量与定性结合的分
随着5G技术的发展以及3GPP C-V2X标准的完善,给车联网业务的发展提供了重要的技术保障。本文创新提出了基于5G边缘云技术的智能车联V2X整体架构方案,并在广州国际生物岛试商用落地实施部署,构建了以L4级别自动驾驶车辆为实际载体的5G车联网体系,并部署自动驾驶、远程故障管理、车路协同三大主要应用,实现“智慧的路、聪明的车”,助推车联网的进一步发展。
数据控制模型精度高、工艺复杂,而内饰数据控制模型更具有零件多、结构复杂及设计难度高的特点。文章通过骨架设计、零件设计及辅助工装设计,重点论述了局部内饰DKM设计工艺,同时探索了一种骨架轻量化设计方法,通过实例验证了这种方法的可行性,不断的总结和工艺优化有助于提升DKM质量。
为了支持印度车型项目的开发验证,文章通过采集印度公共道路载荷数据,运用Miner疲劳线性累积损伤理论,计算了印度客户的结构耐久使用强度;然后与中国的结构耐久试验考核强度作对比,完成了满足印度客户使用强度的规范移植制定。并通过计算印度试验场各条试验路面的载荷强度,分析了印度结构耐久试验规范与中国的差异性。
摘要： 水基液体分散染料具有节能减排和低环境污染的优势，而静态放置稳定性是影响其应用性能的重要指标。文章为了得到快速评价液体分散染料放置稳定性的方法，研究了不同液体染料的剪切流动性、温度流变性和水稀释吸光度变化与其放置稳定性之间的关系。结果表明，黏度增加温度（T0值）和水稀释吸光度变化率（A10）可作为快速评价液体染料稳定性的指标，T0值>55 ℃，A10<10%，且剪切应力和剪切速率呈一元线性关
KNN算法在数据处理,文本分类等方面都有着广泛的应用;本文提出了一种基于高斯函数权重分配的改进KNN算法(G-KNN)分类模型,并对该模型进行了理论推导和数学分析。分析了权重参数c和k值对分类性能的影响以及最优值的选取,并分别采用地中海数据和一组UCI公开数据对该算法进行了仿真验证。结果表明,改进算法的性能优于传统KNN算法,准确率,召回率,精度等性能指标都有所提高。且存在最佳的c值和k值使得准确率最大,同时其他性能指标也都有提高。
随着新四化、人工智能和虚拟现实技术的快速发展,虚拟仿真中的有限元仿真分析在试制设计中的应用将越来越重要。要想设计出合理的智能化零件展示支撑样件,有限元仿真分析是必不可少的一环。有限元仿真分析能够真正了解支撑样件的性能,通过强度、刚度的校核,可以设计出更轻、更精、更易加工的展示支撑样件,在节约成本的同时还可以缩短设计时间。文章以尾灯为例,应用有限元分析对其展示支撑样件进行深入分析及研究,获得了相应的设计参数,可为后续的设计提供理论依据。
为了最大化信息吞吐量,信号带宽在不断增长,5G通信中RF发射器面临着一系列不断发展的挑战。对于射频收发链中数字预失真算法的研究,本文提出了一种基于软件定义无线电的功放数字预失真线性化平台,采用了宽带射频收发器ADRV9009和UltraScale+MPSoC,相对于传统的基于矢量信号发生器加矢量信号分析器构建的数字预失真算法测评平台和其他软件定义无线电平台,此线性化平台具有宽频段、高动态范围、轻量化、通用化、可重构等技术特征,且拥有成本低、快速工程实现等优点,满足数字预失真算法的验证和工程实现的要求。此线
汽车机舱罩盖高度是现代汽车造型设计高度关注的元素。较低的机舱罩盖高度,可以带来更加动感的外观视觉冲击力,并为驾驶员提供良好的前下视野,但同时也会对机舱罩盖下方的布置带来更大的挑战。文章通过构建机舱罩盖高度的布置模型,在发动机及悬架两条路径上,综合考虑并深入分析发动机布置、热管理、悬架布置和行人保护等要求,研究前期架构阶段机舱罩盖高度的设计,并得到对前期架构合理性进行快速评价的方法。
针对AdaBoost算法在训练过程中对噪声数据敏感,影响其分类性能的问题进行研究,提出了一种基于模糊综合评价弱分类器的改进AdaBoost算法。把模糊综合评价模型构建成一类弱分类器,然后组合成Adaboost强分类器。首先将特征值分布曲线分割成为多个高斯单峰函数,每个高斯单峰函数对应一个模糊隶属度函数,离散化后构建单因素矩阵集合;其次依据单因素矩阵来构建模糊综合评价模型,从而形成模糊综合评价弱分类器;最后通过改变评价指标权重向量进行搜索寻优,选择总误差最小的权重向量和单因素矩阵集构成的模糊评价弱分类器,得