关于粒子配分函数物理意义的探讨

本文从四个方面详细地论述了作者对粒子配分函数的物理意义的见解。     

基于储能与氢气发生器的光伏并网功率控制

考虑光伏发电具有间歇性,用蓄电池储能系统和氢气发生器来调节并网功率,以提高光伏并网运行的稳定性.在光伏发电系统中安装一个高纯度氢氧发生器来产生氢气.用PSCAD/EMTDC对具有储能单元的光伏发电系统进行了建模和仿真.结果表明:在光照强度变化的情况下,采用四象限变流器控制的蓄电池储能系统能够快速平滑光伏发电系统输出的有功功率的波动.     

支持向量机及其在函数逼近中的应用

支持向量机是一种新的机器学习算法，它的理论基础是Vapnik创建的统计学习理论，它采用结构风险最小化准则，在最小化样本点误差的同时，缩小模型预测误差的上界，从而提高了模型的泛化能力，本文通过SVM在函数逼近中的应用，研究了SVM的小样本学习，泛化能力和抗噪声扰动能力。     

活性炭负载磷钨酸催化合成三醋酸甘油酯

研究了用活性炭负载磷钨酸催化合成三醋酸甘油酯的反应．考察了磷钨酸的负载量、醇酸比、催化剂用量、带水剂种类和用量对反应的影响，并且对其他催化剂的催化活性进行了比较．结果表明：活性炭负载磷钨酸是合成三醋酸甘油酯的优良催化剂；在优化条件下，三酯产率达86．4％，纯度99．2％；催化剂可重复使用。     

基于极线约束SIFT特征和粒子滤波的目标跟踪算法

针对采用颜色或边缘等特征的目标跟踪算法所存在的跟踪效果不稳定的问题,提出了一种基于极线约束尺度不变特征变换(SIFT)和粒子滤波的目标跟踪方法.该方法采用SIFT特征向量构建目标模型,引入极线约束改善目标匹配精度,采用粒子滤波算法获得SIFT特征向量的候选目标模型,利用似然函数计算目标模型与候选目标模型间的相似性.实验结果表明,该方法可解决目标与背景颜色相似时的跟踪失败问题,且对目标外形与位姿发生变化具有较好的适应能力.     

基于BoW模型的RGB-D SLAM算法的运动轨迹估计

针对目前RGB-D SLAM算法特征匹配耗时高、在大规模场景中闭环检测效率低的问题,提出了基于词袋(Bag of Word,BoW)模型的RGB-D SLAM改进算法。通过BoW模型缩小每个特征的匹配范围,解决了暴力特征匹配算法的耗时问题;利用BoW模型对关键帧序列进行相似度度量,得到闭环候选帧并通过多层次筛选最终确定闭环帧从而实现闭环优化,解决了传统的闭环检测算法不能适用于大规模场景的问题。与传统的RGB-D SLAM算法的实验测试及对比分析结果表明:改进的RGB-D SLAM算法能使得相机轨迹估计实时性更好,定位更准确。     

活性炭,活化煤和石油焦吸附水中ABS—Na的特征

研究活性炭、活化煤和石油焦对水中ＡＢＳ－Ｎａ（十二烷基苯磺酸钠）的等温吸附规律,确定了３种吸附剂的吸附等温线类型,算出了吸附等温式中的各个特征常数。     

基于奇异值分解的模糊模型结构分析和精简

研究用矩阵奇异值分解方法分析一类模糊模型的结构、奇异值分布与模糊规则的关系,用模糊规则的累积贡献率指导规则的精简,以求模型的拟合精度和结构简单之间的平衡,从理论分析和仿真研究表明方法的可行性和实用性。     

基于机器视觉的动态多目标识别

提出了一种基于机器视觉的实时动态多目标识别的方法.该方法首先根据前后帧之间像素的变化,分割出运动目标和样本图像,然后使用Gabor滤波器提取图像的特征,得到特征向量.最后使用Fisher判别准则分类识别,将得到的分类识别结果自动标注在输出图像中,并且将其连续输出,便能获得已经识别完成的输出视频.实验结果表明,在多个动态目标的情况下,综合运用Gabor特征与帧间差分法的动态目标识别方法能准确检测到动态目标区域,并能准确分类、识别和标注.     

受决策过程神经学机制启发的机器人行为协调

行为协调是基于行为的机器人控制系统中的一个主要问题.受决策过程的神经学机制启发,将一个或多个传感器的信息以及不同时间点上的信息组合,并累积得到似然比来表示行为选择的相对可能性,然后根据行为的可能性排序来决定机器人行为的取舍.通过一个机器人推棒子的仿真实验验证了该方法的可行性.