混合动力汽车用DC-DC和IPU散热结构优化

针对混合动力汽车用DC-DC和IPU的已有散热结构散热效果差,导致DC-DC和IPU在使用过程中温升高,从而影响混合动力系统的稳定性和可靠性的问题,根据传热学的质量、动量和能量守恒方程,建立DC-DC和IPU散热结构的三维非稳态散热模型,采用计算流体力学(CFD)方法,对DC-DC和IPU散热系统的流场和温度场进行数值模拟仿真分析。在此基础上,根据传热学理论设计了DC-DC和IPU散热结构的优化方案,并对优化方案的散热效果和温升进行了仿真分析与实验研究,结果表明该优化方案实现了DC-DC和IPU的良好散热,有效降低了温升,满足了混合动力汽车对DC-DC和IPU的使用要求。

一种IPU高压系统下线测试设备设计方案

电机控制器(IPU)是新能源汽车的核心部件之一,其功能的可靠性和全面性对驱动车辆有着举足轻重的作用。所述IPU下线测试设备方案具有成本低、安全性高、节能环保等特点,可以方便实现对IPU控制器下线进行一个全面可靠的功能测试,对降低电机控制器装车后的故障率有着重要作用。

某汽车工厂IPU分装线搬送系统的设计

为了解决产线线边零部件的物流自动运输的问题,根据客户需求设计了一套AGV传输系统。系统由自动导引小车(Automated Guided Vehicle,AGV)小车、输送链、充电站、各工位以及无线管控软件等组成。系统软件整体设计基于模块化思想,并使用了C#语言进行编程。软件应用表明,该系统运行稳定,易于操作,反应灵敏。

高级出行需求模型的增强人口仿真研究

人口仿真的结果既可以作为传统四阶段模型的基本输入,又是基于出行链的模型、基于活动的模型和混合模型的必备数据条件。总结人口仿真的发展历程,详述了迭代比例拟合(IPF)算法、迭代比例更新(IPU)算法、增强迭代比例更新算法等人口仿真算法的技术原理和应用局限性。以第七次全国人口普查数据为边界约束、以居民出行调查数据为种子,利用增强IPU算法在交通小区层面对上海市全市域开展人口仿真实践。基于单一和多属性交叉等维度的边界约束数据对仿真结果进行校核,结果显示增强IPU算法拟合效果相对IPF算法更为理想。同时,讨论了交通大区划分以及不同地理空间分层约束对仿真结果的影响。研究表明,使用增强IPU算法能为高级出行需求模型提供较好的仿真人口。

异丙隆降解菌Y57的分离鉴定及其降解特性

从农药厂的活性污泥中分离出1株能高效降解异丙隆的细菌Y57,通过生理生化鉴定和16SrDNA同源性序列分析,鉴定为鞘氨醇单胞菌属(Sphingomonassp.).接种量为1%的Y57可以在48h之内将30mg/L的异丙隆完全降解,降解率达到99%以上,降解最适pH值为7.0,降解效率与接种量呈正相关,在通气良好状况下降解速率较高.1mmol/L的Li+、Ca2+、Mg2+可以提高Y57降解异丙隆速率;1mmol/L的Ni2+、Zn2+对降解有明显的抑制作用;1000mg/L的酵母粉、葡萄糖、牛肉膏或蛋白胨对降解具有抑制作用.降解谱实验表明,Y57还可以降解绿麦隆、敌草隆、敌稗等除草剂.

分布式系统中任务分配的一种结点自适应算法

基于一个非常简单的假设 :各独立结点对系统反馈的认识具有一致性 ,提出了一种结点自适应算法 .文中运用概率论的相关知识 ,分析了算法的各项重要性能指标 ,给出了一般情况下的表达式 ,并运用分段讨论和求极值等方法得出了这些表达式在特殊情况下的简化形式 .算法所需条件较弱 。

空间站有效载荷综合处理单元设计研究

针对空间站传统有效载荷功能单一、处理资源固化、体系架构封闭等问题,通过对空间站电子信息综合应用系统总体功能和资源需求的分析,基于空间站平台约束条件,设计了一种在开放式物理平台上采用蓝图技术实现软件定义功能的综合处理单元(IPU),并对一套对外接口传输能力为600Gbps、处理能力为1800GFLOPS的原理样机进行了测试验证。结果表明,IPU支持在统一平台上通过软件定义功能,能有效提升系统资源利用率,满足总体应用需求。

城市居民个体属性数据获取方法

基于活动的交通需求预测模型所需要的城市居民个体属性数据,在我国大部分城市的统计数据里,都无法提供。引入迭代比例拟合(iterative proportional update,IPU)算法,研究适用于输入IPU算法的数据格式,从而得出基于活动的交通需求预测模型所需要的数据。利用国内查询得出的统计年鉴数据转化为边缘分布数据,将居民出行调查数据转化为样本数据,由IPU算法得到各类属性的边缘分布,通过蒙特卡洛法随机抽取样本中的家庭作为仿真输出家庭,以四川省绵阳市为实证案例,最终获取绵阳市490 000居民个体属性数据。结果表明,绵阳市各居委会居民年龄属性分布误差均值为12.4%,性别属性分布误差均值为11.1%,职业属性分布误差均值为13.8%;仿真490 000居民样本所需时间约为250s,而绵阳中心城区人口约为520 000人,仿真结果总体误差约为6%,算法在精度和运算效率上达到要求。

基于人口合成技术的居民出行调查数据扩样

为提高居民出行入户调查样本代表性,使调查数据能够准确反映居民出行特征,在分析居民出行调查数据处理现状及常规扩样方法局限性的基础上,引入基于人口合成技术的IPU算法(iterative proportional updating)和GRE算法(generalized regression),对深圳市居民出行入户调查数据进行实证分析,并利用相关系数及相对误差指标对扩样结果进行评价。结果表明:利用算法关联家庭与个人表的频数矩阵,通过迭代调整扩样权重值、IPU算法和GRE算法均能很好地拟合家庭与个人的属性分布与总体一致,且相对误差控制在6%左右,满足扩样的精度要求。由于IPU算法更具普适性,算法不受初始权重及稀疏样本限制,其扩样误差及波动性较小,扩样结果更为稳健。

An Assignment Method for IPUs in Distributed Systems

In a distributed system, one of the most important things is to establish an assignment method for distributing tasks. It is assumed that a dis tributed system does not have a central administrator, all independent processing units in this system want to cooperate for the best results, but they cannot know the conditions of one another. So in order to undertake the tasks in admirable pro portions, they have to adjust their undertaking tasks only by self-learning. In this paper, the performance of this system is analyzed by Markov chains, and a robust method of self-learning for independent processing units in this kind of systems is presented. This method can lead the tasks of the system to be distributed very well among all the independent processing units, and can also be used to solve the general assignment problem.