锂硫电池综合性能协同提升策略

锂硫电池具有高比能、低成本、环境友好等优点,是最具发展潜力的下一代二次电池体系之一.受限于硫的本征绝缘性、多硫化锂的穿梭效应、界面副反应、锂枝晶生长等问题,锂硫电池的商业化应用还面临着诸多挑战.本文结合本课题组近年来在锂硫电池领域的相关研究进展,提出了硫正极反应机制的调控、电极结构设计、电解质改性优化策略,实现了锂硫电池综合性能的协同提升;最后对锂硫电池的发展进行了展望.     

基于目标高斯分布的定位系统节点最优部署方法

针对三维空间定位系统中目标位置服从高斯先验分布假设条件下节点最优部署问题, 分析了纯方位目标定位算法中估计误差的费希尔信息矩阵, 推导出基于目标先验分布的克拉美罗界(Cramer-Rao bound, CRB)。为了解决目标位置在任意高斯分布时, 协方差矩阵为非对角阵的问题, 提出了基于三维坐标旋转的最大后验概率估计方法, 将协方差矩阵转化为对角阵以实现最小化CRB的迹, 从而得到定位系统中节点的最优部署。最后, 通过梯度下降算法对节点最优部署问题的理论推导进行仿真, 验证了该部署方法的有效性，同时仿真结果中不同节点部署方法的对比也表明了该方法可有效降低定位误差。     

美国虚拟国家实验室协同创新机制——跨学科、全链路的灵活协同创新模式及启示

 以美国虚拟国家实验室（virtual national laboratory，VNL）为研究对象，运用文献研究法和案例分析法，梳理VNL发展路径和管理模式，以高新技术研发与应用转化为主线，总结提炼政府部门统筹协调、多类主体协同联动、高效信息沟通机制下的多主体、跨学科、全链路协同创新运行机制特点。结合VNL经验启示和中国当前矛盾问题，提出应积极探索市场需求牵引、跨产业链、复合型科研项目的创新机制，发挥国家实验室承上启下的衔接作用，撬动产业力量对基础科研形成补充，建立多主体、跨学科的科研需求响应机制等启示建议。     

基于最小二乘法对GM(1.1)模型的研究及应用

针对提高股票未来价格的预测精度,提出区间模糊数的整体GM(1.1)预测模型.利用最优解求解定义方程,得到区间模糊数的预测公式.基于区间模糊数满意度对投资组合选择模型进行优化,得到单目标规划投资选择模型.通过实例分析,给定不同的满意度得到不同的投资组合,证明模型具有一定的柔性.     

基于SCI论文的我国新能源汽车协同创新分析

通过对我国新能源汽车领域协同创新的论文进行统计分析,对我国新能源汽车领域产学研协同创新情况进行研究分析,并提出合理化建议。     

钩形弯交叉口信号协同控制优化方法研究

针对车辆在钩形弯交叉口与相邻常规交叉口间的整体运行特性，建立了各条车道的车辆平均延误计算模型。以各交叉口的周期时长和相位绿灯时间为约束，钩形弯交叉口与相邻常规交叉口间的车辆平均延误最小为目标，建立了信号协同配时方案。以位于苏州市高新区内有轨电车沿线的两个相邻交叉口为例，采用实际数据验证所建立的方法，并设置钩形弯渠化方案。将设置的钩形弯交叉口与其相邻常规交叉口的信号协同作为改进方法，在VISSIM软件中对比分析改进方案与现状方案的车辆延误指标。实验结果表明，钩形弯交叉口与相邻常规交叉口的信号协同优化方法可有效提高交叉口的通行能力，尤其是干道直行机动车的通行能力，可降低车辆的平均延误。     

带有通胀风险的退休后期最优投资管理

考虑通货膨胀的影响,研究了一个确定缴费养老计划退休后期最优投资决策问题.自退休时刻开始,退休者定期从账户里抽取一定的金额维持日常支出,然后将剩余的财富投资于一个无风险资产、一个股票指数和一个通胀指数债券,直到强制购买年金的时刻.为保障退休后的正常生活,退休者在每个时刻设定投资的目标值,采取二次效用函数衡量投资财富水平和目标值的差距,并选择最优的投资策略以最小化平均累计差距.运用动态规划和随机控制方法,得到了没有上方惩罚的目标值、最优投资策略、最优值函数、破产概率以及终端财富与目标值差距的分布函数等指标的显式表达式.运用数学分析和数值分析手段,得到了每个时刻目标值的性质,分析了终端目标值和消费金额对破产概率的影响,研究了物价指数的瞬间变化率和波动率对财富值与目标值的差距、各时刻财富均值以及破产概率的影响.     

ZigBee传感器控制智能交通灯协同优化控制策略的研究

将ZigBee技术引入到智能交通系统中,提出了一种由ZigBee传感器构成的智能交通灯的体系结构和具体实现方法.通过点阵模块、数码管模块、蜂鸣器模块和传感器模块对交通灯进行数据的采集,建立了交通灯的数据模型,使用协同优化控制策略进行数据的优化处理,最终实现了智能交通灯的功能.     

基于改进蚁群算法的智能小车路径规划仿真研究

提出一种改进的蚁群算法,解决传统蚁群算法在路径规划时容易陷入局部最优解的问题,改进的蚁群算法具备更优越的搜索最短路径的能力.MATALAB仿真实验表明,改进的蚁群算法能够节约寻找到最优路径的时间,加快收敛速度,具有更好的鲁棒性.