本書以汽車維修企業(yè)中汽車發(fā)動機電氣系統(tǒng)典型故障現(xiàn)象為載體,按照企業(yè)實際工作過程的需要進行課程內(nèi)容的整合,將六個典型工作任務直接轉(zhuǎn)化為六個學習單元:5.1排除蓄電池功能故障;5.2排除蓄電池管理系統(tǒng)故障;5.3排除發(fā)電機功能故障;5.4排除發(fā)電機電壓調(diào)節(jié)器故障;5.5排除起動機功能故障;5.6排除起動停止系統(tǒng)失靈故障。
本書主要內(nèi)容章包括:高壓安全、電動車基礎(chǔ)、特斯拉車系、蔚來車系、理想車系、高合車系、寶馬車系、奔馳車系、奧迪車系、保時捷車系、比亞迪車系、歐拉車系、威馬車系、廣汽埃安車系、五菱之光;五個方面包括:安全警示、車型介紹、高壓架構(gòu)含所有PHEV、BEV車型、高壓下電操作、高壓的上電操作等內(nèi)容。
本書分別從工程經(jīng)濟基礎(chǔ)知識、工程資金分析、工程概預算基礎(chǔ)、工程定額原理、工程量清單計價、工程安全與風險控制、工程建設(shè)管理及信息化、工程造價管理歷史沿革、工程造價管理基本知識、投資管理體制與項目融資、工程項目造價管理、工程項目管理等方面系統(tǒng)闡述了工程概預算及造價管理知識。
本書是高職道路橋梁工程專業(yè)群的專業(yè)核心課教材。作者結(jié)合教學改革和工程實踐,根據(jù)公路工程實際生產(chǎn)任務將全書分解為5個教學項目,包括試驗檢測知識、公路工程常用混合料性能檢測、路基路面工程技術(shù)性能檢測、橋梁工程技術(shù)性能檢測及隧道工程技術(shù)性能檢測,主要介紹了工程檢測中數(shù)據(jù)的處理及評定方法以及路基工程、路面工程、橋梁工程和隧道工
本書基于國內(nèi)近年來軟硬復合地層的盾構(gòu)隧道工程實踐,并依托杭州環(huán)城北路天目山路提升改造工程開展研究,通過現(xiàn)場實測結(jié)合理論分析與數(shù)值模擬,對復合地層大直徑盾構(gòu)隧道的變形控制技術(shù)進行深入研究。全書共分6章,主要內(nèi)容包括:緒論;軟硬復合地層盾構(gòu)隧道土體變形特征;軟硬復合地層隧道管片力學特征;軟硬復合地層盾構(gòu)隧道掘進開挖面支護壓
本書介紹了景觀橋梁美學實現(xiàn)“環(huán)境協(xié)調(diào)、建筑文化、結(jié)構(gòu)表現(xiàn)、多元體驗”四維設(shè)計理論的形成、發(fā)展過程及其應用方法,闡明了以解構(gòu)—重構(gòu)為核心的景觀橋梁結(jié)構(gòu)體系設(shè)計新理論,解說了景觀橋梁結(jié)構(gòu)賦形參數(shù)化設(shè)計模型。全書結(jié)合典型工程案例,聚焦景觀橋梁結(jié)構(gòu)的創(chuàng)新與賦形難題,詳細闡述還原拆解構(gòu)成法、多階段迭代設(shè)計方法、聯(lián)合設(shè)計法、多元形
基于自動化檢測車的橋梁損傷診斷這一概念提出還不到20年,但是自提出到現(xiàn)在,該理論受到了各國學者的關(guān)注,產(chǎn)生了諸多研究成果。本書在自動化檢測車的基礎(chǔ)上,詳細介紹了雙車系統(tǒng)運行動采、三車系統(tǒng)運行動采和三車系統(tǒng)運行靜采方式下的橋梁結(jié)構(gòu)損傷診斷理論。為了讓讀者更深刻地了解自動化檢測車的運行方式,本書為讀者提供了數(shù)值模擬的運行結(jié)
本書從媒體報道的37個道路交通事故案例入手,將事故分成8大類。本書從駕駛?cè)说纳矸莺徒嵌瘸霭l(fā),以客觀的、專業(yè)的、實事求是的態(tài)度,對每一個事故發(fā)生的經(jīng)過及主要原因進行分析,同時指出了事故引發(fā)對駕駛?cè)说闹匾獑⑹竞徒鉀Q問題的一般方法。本書力圖引導道路交通運輸行業(yè)的職業(yè)駕駛?cè)撕鸵话泷{駛?cè),成為一名思想作風過硬、駕駛技術(shù)精湛、情況
本書圍繞智能網(wǎng)聯(lián)汽車隊列控制在控制理論、傳感技術(shù)、通信技術(shù)、定位技術(shù)和實際應用等方面做了深刻探討和總結(jié),系統(tǒng)地闡述了智能網(wǎng)聯(lián)汽車隊列控制在模型建立、通信拓撲描述、間距策略選取、控制器設(shè)計、穩(wěn)定性分析、驗證平臺的構(gòu)建和技術(shù)應用示范等方面的理論研究方法和實際應用成果。針對單隊列控制(包含縱向控制與橫向控制)、匯入-匯出控制
全書共分為14章:第1章IntroductiontoMachineLearning;第2章FeatureEngineering;第3章InstanceBasedLearningedited;第4章DecisionTreeLearning;第5章SupportVectorMachinesedited;第6章NeuralN