三线圈无线电能传输系统传输特性的研究

针对三线圈无线电能传输系统中继线圈的位置对系统的输出功率和传输效率等传输特性的影响问题展开研究,设计一种采用DC-DC转换电路的传输策略,使得整个系统能在中继线圈的摆放位置不发生改变的情况下,通过调整负载的等效阻抗,将传输效率维持在一个较高的水平.实验结果表明,该传输策略不仅适用于中继线圈固定、负载阻值改变的情况,在负载保持不变而中继线圈位置产生变化时依旧能保持较高的传输效率.     

基于Agent的软件自动生成系统

当今的软件系统及其传统的开发方式已经不能满足社会对软件的需求,本文介绍了一种新的基于Agent的软件系统蛄构,该结构采用multi-Agent蛄构,让每一个Agent在基于自己利益的基础上,通过协商自主决定如何解决相互之间的矛盾,进而产生智能化的、自主的、健壮的软件系统．文中还介绍了已开发完成的基于multi-Agent的软件自动生成系统,改进了软件工程中的软件开发方法．     

基于免疫思想遗传算法在FPGA设计中的应用

用生命科学中的免疫思想，指导一种惩罚-修补法来解决遗传算法中的约束问题，并用于解决FPGA设计中的功能模块利用率问题。其仿真结果表明，对于这类约束问题的求解，该算法搜索在全局最优解的收敛速度和精度方面都是可行的、有效的。     

基于充电电压片段的锂离子电池状态联合估计方法

锂离子电池的荷电状态(SOC)、健康状态(SOH)和剩余使用使命(RUL)是锂离子电池安全稳定运行的重要状态参数,本文提出一种基于充电电压上升片段的锂离子电池状态联合估计方法,实现对电池预测起点(SP)到寿命终点(EOL)的较长运行周期内SOC、SOH和RUL的联合估计.该框架在充电阶段进行SOH和RUL估计,在放电阶段进行SOC估计.首先提取电池恒流充电电压曲线片段的上升时间作为健康特征(HF),以HF作为输入,循环容量作为输出,建立最小二乘支持向量机(LSSVM)电池老化模型,对当前健康状态进行估计;采用等效电路模型对该电压区段进行非线性拟合,用拟合参数建立状态空间模型,结合无迹卡尔曼滤波算法进行SOC估计;用高斯过程回归时间序列模型对电池的健康特征序列进行建模,通过循环次数外推预测健康特征的变化趋势,并结合LSSVM老化模型,对RUL进行预测并给出置信区间.实验结果表明,所提方法具有较高的估计精度和较好的稳定性.     

盐酸洛非西定有关物质的HPLC-MS/MS研究

分析盐酸洛非西定有关物质的主要化学成分。通过收集中间体和利用破坏实验分离杂质的途径采用高效液相色谱-质谱联用的方法对盐酸洛非西定中一些主要有关物质化学成分进行定性研究。色谱柱为Diamonsil（200mm×4.6mm,5μm）,流动相为水：甲醇（用甲酸调节PH至4.5）,流速为1.0mL·min-1,进样量为1μL。质谱的离子源为电喷雾离子源,采用正离子模式。共分析了2,6-二氯苯酚,2-氯丙腈和2-（2,6-二氯苯氧基）-丙腈3种中间体在破坏试验中的存在情况,初步推测出氧化破坏产物中2,6-二氯苯酚的结构。通过液相色谱-质谱联用分析可获得盐酸洛非西定破坏实验产物丰富的结构信息,为这些化合物的定性提供了一种快速有效的方法。     

Agent-Based 软件工程方法

说明了基于Agent的软件工程的基本方法和技术特性，利用人工智能中Agent技术,改进了原有软件的生产过程，提出一种新的Agent软件体系结构，以提高软件的智能性、自主性和生存能力。研制开发出软件自动生成的多Agent系统（SABS），为探讨在软件工程，为探讨在软件工程领域中程序自动生成方法迈出了新的一步。     

等效滞回模型在锂离子电池SOC估计中的应用

锂离子电池荷电状态的快速准确估计是电池管理系统的关键技术之一.针对锂离子电池这一动态非线性系统,通过测试分析锂离子电池的滞回特性,建立了锂离子电池的二阶RC滞回模型,并利用容积卡尔曼滤波算法对电池荷电状态进行估算.实验结果表明,该模型能较好地体现电池的动态滞回特性,而且容积卡尔曼滤波算法在估算过程中能保持较高的精度.     

一种基于免疫思想的混合式遗传算法

基于生命科学中的免疫思想,在解决遗传算法中的约束问题时,将处理约束问题的两个关键方法(惩罚函数法和修补算法)有机的结合起来,并用于解决一类典型的约束问题--背包问题.其仿真结果表明,对于约束问题的求解,该混合式遗传算法和标准遗传算法相比在搜索全局最优解的收敛速度和精度方面都有明显的提高.     

基于弯曲高斯过程组合方法的光伏出力预测研究

针对光伏发电功率受多种天气因素影响造成预测难度大的现状,提出了一种基于弯曲高斯过程的混合模型,可以实现一天内任意时刻的光伏出力的概率预测,获得置信区间预测值和点预测值.该算法先由多元自适应回归样条模型实现对多维输入变量的约减,同时得到待预测值的先验数据,然后利用模糊C均值算法按天气类型对训练集数据和测试集的先验数据进行聚类,得到相似样本,再利用弯曲高斯过程模型对测试集数据进行估计,最后利用Bagging算法实现对子混合模型的集成学习,得到待预测值的区间估计和点估计.仿真及试验结果验证了该混合模型的有效性和可靠性.与高斯过程估计和BP神经网络分位数估计相比,该混合模型精度更高,实用性更强.     

一种基于免疫思想的混合式遗传算法

基于生命科学中的免疫思想，在解决遗传算法中的约束问题时，将处理约束问题的两个关键方法（惩罚函数和修补算法）有机的结合起来，并用于解决一类典型的约束问题--背色问题。其仿真结果表明，对于约束问题的求解，该混合式遗传算法和标准遗传算法相比在搜索全局最优解的收敛速度和精度方面都有明显的提高。