4,4′-二(1-咪唑基)苯硫醚构筑的镉配合物:合成、晶体结构和性质研究

在水热反应条件下,合成了一个新的镉配合物Cd(BIDPT)₂(NO₃)₂·(H₂O)₂(BIDPT =4,4′-二(1-咪唑基)苯硫醚),经元素分析、红外、热重、单晶衍射表征了化合物.配合物为三斜晶系,P-1空间群,分子量Mr=909.24,a=0.816 4(9) nm,b=1.156 8(1) nm,c=1.179 3(1) nm,α=112.737(1)°,β=107.481(1)°,γ=92.233(2)°,V=0.964 4(2) nm³,Z=1,D_c=1.559 g/cm³,F(000) =458,S =1.074,R₁=0.059 8,ωR₂=0.191 2.配合物中镉离子通过4,4′-二(1-咪唑基)苯硫醚配体桥联成8字型一维链结构.对配合物的热稳定性以及荧光进行了测试,硝基苯化合物对配合物的荧光性质有不同程度的淬灭作用.镉配合物对2,4,6-三硝基苯酚的检测具有很好的灵敏性.     

自适应无迹卡尔曼滤波动力电池的SOC估计

无迹卡尔曼滤波法(Unscented-Kalman Filter,UKF)在估计动力电池的剩余容量(State of Charge,SOC)时,由于系统噪声的不确定,可能导致算法不收敛,而且算法的估计性能受模型精度的影响,为此采用自适应无迹卡尔曼滤波法(Adaptive-UKF,AUKF)动态估计电动汽车动力电池的SOC.建立了适用于SOC估计的电池模型,辨识相应的电池模型的参数并进行验证,将AUKF应用到该模型,在未知干扰噪声环境下,在线估计电池的SOC.试验仿真结果表明:UKF算法的估计误差在-0.04~0.06之间跳动,而AUKF算法的估计误差平稳的保持在0.05以内,实时修正微小的模型误差带来的SOC估计误差.     

采用传播图论建模方法的Massive MIMO室内场景传播特性

大规模多天线(Massive MIMO)技术在基站端配置大规模天线阵列,能够大幅度提升数据传输速度和系统容量,实现无线传播信道中的空间和时间资源的最大化利用.有关Massive MIMO无线传播信道的研究,对大规模多天线的应用、系统的设计与部署具有重要意义.本文采用传播图论信道建模的方法,研究Massive MIMO在实际传播信道中的性能表现,既能很好的避免信道实测带来的繁重工作,又能有效反映Massive MIMO的无线信道衰落特性.分别在高频点6GHz和低频点1.472 5GHz对选定的室内传播场景进行了信道建模与仿真,由传播图论建模方法得到了信道冲激响应,并进行参数提取,分别从角度域和时延域分析了大规模多天线系统的信道传播特性,并通过分析信道奇异值扩展的分布,证明了实际传播环境中天线数目增多信道的正交性显著增强.     

高分辨率阵列感应测井倾角影响校正研究

倾角影响校正是大斜度井和高倾角地层中应用阵列感应测井数据正确解释的前提。针对高分辨率阵列感应测井(HDIL),研究斜井解析几何因子与数值几何因子响应特性,比较分析两种几何因子的优缺点,建立解析体积几何因子和数值电荷几何因子相结合的信号处理倾角影响校正新方法,推导出设计体积滤波器和电荷滤波器的基本方程及约束条件。计算机仿真表明,基于新方法设计的滤波器和算法在倾角小于75°范围内可以有效消除测井数据中的倾角影响。     

基于模型误差EKF-HIF算法的锂动力电池SOC联合估计

针对锂动力电池荷电状态(State of Charge,SOC)估计策略,提出了一种基于模型误差EKF-HIF算法的SOC联合估计方法。首先,通过建立电池等效电路模型,利用BP神经网络(Back Propagation Neural Network,BPNN)预测该电池模型误差。其次,推导扩展卡尔曼滤波(EKF)和H∞滤波(H Infinity Filter,HIF)算法流程,根据模型误差选择不同算法进行SOC状态估计。最后,通过仿真验证了该联合估计算法的有效性和可行性。     

任意m×n阶cobweb网络的等效电阻研究

采用递推变换(RT)方法研究了一类任意m×n阶cobweb网络的等效电阻.首先采用网络分析建立递推矩阵方程模型(包括边界条件方程模型),其次构造矩阵变换获得矩阵的特征值和特征向量以便获得矩阵方程的通解与特解,最后利用矩阵逆变换给出支路电流的解析解,从而获得任意m×n阶cobweb网络任意2节点间的等效电阻公式,所得结果是由特征值构成及单求和表达.作为公式的应用,给出了等效电阻公式在特殊情形下的数个结果,并且给出了任意半无限和无限情形时的数个新的等效电阻公式,在与其他结果比较时发现了一个新的三角函数恒等式.     

区间值直觉犹豫模糊多属性决策方法研究

针对评价信息为区间值直觉犹豫模糊集的多属性决策问题,结合ELECTRE-I和TOPSIS方法,提出了一种解决区间值直觉犹豫模糊多属性决策问题的方法。基于区间值直觉犹豫模糊元得分函数,提出了一种新的确定属性权重的方法。将经典的ELECTRE-I和TOPSIS拓展到区间值直觉犹豫模糊环境下,定义了绝对和谐指标与不和谐指标,相对优势指标和综合优势指标。根据综合优势指标得到方案的排序。最后提供了一种基于区间值直觉犹豫模糊信息的多属性问题的决策步骤,并进行了算例分析与比较分析,证明了该方法的有效性。     

二值响应数据贝叶斯中位数估计

中位数回归是一种稳健的估计方法,在实践中有着广泛应用.基于贝叶斯方法研究二值响应数据的中位数估计问题,通过引入合适的潜在变量得到了贝叶斯层次模型,进而得到易于后验抽样的吉布斯抽样程序.为验证新方法估计的稳健性,通过大量数据模拟,并与已有方法进行比较,得到了满意的结果.最后实例数据分析进一步证明了所提方法的有效性.     

基于人工鱼群算法优化神经网络的WSN数据融合

无线传感网(wireless sensor network, WSN)通常节点众多、数据冗余度高,传统的基于随机权值和阈值的前馈反向传播神经网络(back propagation neural network, BPNN)数据融合方法易陷入局部极值,导致融合结果准确性差。提出一种优化神经网络的权值和阈值进而改善WSN数据融合质量的方法-人工鱼群算法前馈反向传播(artificial fish swarm algorithm back propagation, AFSABP)神经网络数据融合。仿真和对比实验结果表明,改进的鱼群算法在收敛速度和寻优精度上都有明显提升,改进后的人工鱼群BP算法数据融合方法相较于传统BP数据融合方法,可减少3.06%的相对误差和3.74%的均方根误差。     

面向脑MR影像分割与偏置场修正的FCM方法

传统模糊C-均值(fuzzy C-means,FCM)算法以及结合空间信息的改进方法在分割脑磁共振(magnetic resonance,MR)影像时对噪声十分敏感,且无法消除脑MR影像中的偏置场。针对上述问题,提出一种面向脑MR影像分割与偏置场修正的FCM方法。该方法充分利用图像中的空间局部信息和非局部信息,分别构造出多局部信息模糊因子和非局部权重,在提高算法抗噪性的同时,尽可能多地保持图像细节;建立偏置场模型,以去除脑MR影像中的灰度不均匀性;将提出的多局部信息模糊因子和非局部权重嵌入到带有偏置场模型的FCM方法中,以实现噪声和偏置场条件下的脑MR影像分割。实验结果表明,与其他方法相比,所提方法对脑MR影像中的噪声具有更强的抑制能力,且能够有效消除偏置场对脑MR影像分割的影响,具有更优的分割性能。