采用Morlet小波的锂电池相对健康状态估计

针对现有电池健康状态(SOH)估计方法存在估计精度低、计算量大等问题,提出了一种采用Morlet小波的锂电池相对健康状态估计方法。首先探究了电池电化学阻抗谱(EIS)与相对健康状态对应关系,然后获取电池实际工况下的电压电流数据,采用Morlet小波对所获得的电池电压和电流数据分别进行Morlet小波变换,用变换后的电压小波系数除以电流小波系数在线计算电池EIS,最后利用在线计算的EIS估计电池的相对健康状态。该方法无需进行大量实验,准确度高,计算快,能更好地应用于电动汽车中。在城市道路循环(UDDS)工况下对所提出的方法进行了验证,实验结果表明,该方法可以准确估计出电池的相对健康状态,估计误差控制在3.3%以内。     

利用单检波器数据估计高铁列车运行速度

在列车结构基本上固定的前提下, 仅利用高铁线路隔离区外单个检波器采集的地震数据来估计高铁的运行速度。通过给出列车经过铁路上一点时该点的受力函数振幅谱与列车运行速度的关系, 提出一种基于速度扫描的列车速度估计方法。首先根据列车结构参数及预设列车运行速度生成一系列受力函数振幅谱, 然后计算各种速度下的受力函数振幅谱与单个检波器所接收到信号振幅谱的互相关函数, 最终选取互相关函数值最大时对应的速度作为列车运行速度的估计值。合成数据及实测数据的结果均证明所提方法的合理性, 有望将此方法推广到其他道路交通中具有固定结构交通工具的速度估计中。     

关于2-Hessian方程解的全局C2估计的一个注记

采用2-Hessian方程C~2估计的检验函数方法,研究了一般2-Hessian型方程σ_2(λ(D~2 u+B))=f(x,u,Du)的Dirichlet问题解的全局C~2估计.所得结果在形式上对关于2-Hessian方程C~2估计的结果做了一般化的发展,建立了该方程解的全局C~2估计,进而得到了该方程Dirichlet问题解的存在性.     

一类二重积分不等式中未知函数的估计

利用变量替换技巧、放大技巧和反函数技巧等方法, 研究了一类被积函数中含有未知函数及其导函数、积分项外包含了非常数项的非线性二重积分不等式,给出该类不等式中未知函数的显上界估计,并举例说明所得结果可以用来研究微分-积分方程解的估计.     

一类非线性弱奇异积分不等式组中未知函数的估计

研究了一类二维非线性弱奇异积分不等式组.该不等式组积分号外有不同的非常数函数因子,不能用向量形式的Gronwall-Bellman型积分不等式进行估计.利用H?lder积分不等式、 Gamma函数和Beta函数把弱奇异非线性积分问题转化成没有奇异的非线性积分问题,利用Bernoulli不等式把非线性问题转化成线性问题,利用变量替换技巧和放大技巧研究只含有一个未知函数的积分不等式,接着给出不等式组中两个未知函数的估计.该结果可用于研究积分、微分动力系统解的估计.     

基于模糊逻辑四元数的平方根UKF算法

针对目标跟踪估计算法中,利用传感器离散观测建模并估计目标连续状态,进行导航解算时滤波精度低,及传统四元数扩展卡尔曼滤波算法无法满足目标姿态测量精度要求等问题,文中提出一种基于模糊逻辑四元数的平方根UKF姿态估计算法.该算法将四元数作为模糊逻辑UKF滤波器状态,应用测量的角速率完成滤波器的时间更新及量测更新,采用模糊逻辑的平方根协方差形式作为更新参数,既降低了算法的计算量和复杂度,又保证了数值的稳定性.文中还以近地卫星为例,在Matlab和C++软件上进行了仿真实验.实验结果表明:文中所提算法可保证对机器人和特征的姿态控制估计精度;可对目标实时跟踪定位并进行量测更新,抑制了姿态误差发散问题.     

面向AR沙盘异地协同标绘的动作重构技术

为真实再现增强现实环境下全息沙盘异地协同标绘的交互过程,提出了一种基于视频的异地协同标绘动作重构技术.使用单目RGB相机采集作业人员的实时视频信息,基于YOLO实现多人检测,并确定作业人员在三维空间中的相对位置关系;基于改进的ResNet网络对检测到的每个作业人员进行关节点的三维位置预测;然后将估算出的本地作业人员的关节位置实时传送到异地,经过逆向运动学及低通滤波器的优化驱动虚拟化身的运动.实验结果表明,能够准确地再现异地作业人员的标绘动作,满足实际应用需求.      

基于深度学习的OFDM信道估计

针对多径正交频分复用(orthogonal frequency division multiplexing, OFDM)信道环境下信道频域选择性衰落导致下行链路信道估计性能受限的问题,提出一种基于深度学习的信道估计(deep learning-based channel estimation, DL-CE)方法。采用自回归过程对信道建模,利用深度学习设计信道估计网络追踪信道响应及其频域相关系数。通过迭代训练,基于深度学习的信道估计网络能够学习到自回归系数的最优估计,同时利用先验信道信息估计信道频域响应和频域相关系数。与传统方法相比,所提信道估计方法性能提升明显。     

区间删失复发事件数据混合效应模型

通过向一般速率模型中引入随机效应项来研究区间删失复发事件数据的个体异质性,允许协变量对含有区间删失的复发事件数据产生影响。在给定随机因子和协变量的条件下建立基于区间删失复发事件数据的混合效应模型。利用极大似然方法估计此模型中所感兴趣的参数,证明此混合效应模型中参数估计的相合性与渐近正态性。通过大量的数值模拟试验研究混合效应模型和参数估计方法的有限样本性质,对一组真实膀胱癌数据的分析表明服用三胺硫磷可以降低膀胱癌的复发率。     

基于广义病例-队列设计方案的长度偏差数据回归分析

利用加权估计方程方法, 在广义病例 队列设计方案下, 针对长度偏差数据, 给出Cox模型中回归系数的估计, 并证明在适当的条件下, 所得估计量具有相合性和渐近正态性, 且渐近方差具有显式表达, 在实际应用中可由plug in方法估计.