汽车轮胎气压监测系统发展综述

轮胎气压监测系统是汽车上一种新的主动安全技术产品,近年来,在国内外发展迅速。由于它能够实时监测汽车轮胎的气压和温度情况,并能及时给驾驶员以警告,因而可以最大限度地避免由爆胎引发的交通事故,提高了汽车的行车安全。综述了汽车轮胎气压监测系统的发展,包括间接式轮胎气压监测系统、直接式轮胎气压监测系统和下一代无电池轮胎气压监测系统(被动式TPMS)。介绍了各种汽车轮胎气压监测系统的结构组成和工作原理,分析比较了它们各自的优缺点。重点介绍了国外3种主流的直接式TPMS开发系统,对TPMS的研究、开发具有实用参考意义。展望了未来轮胎气压监测技术的发展趋势:无电池TPMS将取代现有类型,成为未来TPMS发展的主流。     

基于改进的PSO‑BP神经网络的边坡稳定性研究∗

边坡稳定性研究对于重大地质灾害防治极其重要，但由于影响边坡稳定性的因素具有非线性、多样性以及模糊性等特征，边坡稳定性分析一直是地质灾害防治领域的热难点问题。已有研究表明神经网络预测模型可有效应用边坡稳定性分析，但同时存在预测精度低、鲁棒性差、收敛速度慢等缺点。为改善上述问题，在粒子群算法优化的 BP 神经网络（简称 PSO?BP 神经网络）算法基础上提出一种改进的边坡稳定性预测模型。该模型以容重、内聚力、内摩擦角、边坡角、高度、孔隙压力比作为输入参数，以安全系数作为输出参数。通过借鉴遗传算法中的变异思想来提升模型全局寻优的能力，利用能量函数负梯度下降原理提高模型的收敛速度。将所收集到百余条边坡数据进行数据清洗，最终得到 80 条高质量边坡数据，随机选取其中的 50 条边坡数据作为模型的试验数据。最后采用十折交叉验证的方法对模型的准确性进行验证，并在多维度与其余边坡稳定性神经网络预测模型进行对比分析。结果表明：①该模型相比于其余模型收敛速度、准确率、鲁棒性均有明显提高；②将 K 折交叉验证应用在小样本数据下的边坡稳定性神经网络预测模型，可有效避免结果的偶然性。③该模型的预测误差仅为 4.31%，满足工程精度需求，可在实际工程中为边坡稳定性分析与灾害防治提供参考。