阶次自适应AR等效电路模型的锂电池SOC滑模观测

基于等效电路模型的一类车载动力电池剩余荷电状态(state of charge，SOC)的估算方法，其估算精度高度依赖于模型精度，模型精度又正比于模型复杂度，以至于难以较好地应用于嵌入式控制单元.提出复杂度相对较低、能够自适应确定最优模型阶次的全新等效电路模型——基于阶次自适应AR模型的车载动力电池等效电路灰箱模型.基于此灰箱模型，给出锂离子电池SOC的滑模观测器设计推导及能观性、收敛性证明.结果表明，本文提出的基于阶次自适应AR等效电路灰箱模型的滑模观测器SOC估算方法(adaptive autoregressive-sliding mode observer，AAR-SMO)具有低模型复杂度、高精度、强鲁棒性及快速收敛等性能.     

考虑可靠性和状态估计精度的配电网优化配置研究

主动配电网中的自动化配电终端直接影响到状态估计精度和电网可靠性.通过配电网中量测配置的特点分析结果,采用灵敏度矩阵得到量测估计方差,确定其方差指标,评价指标的贡献系数并按大小排序,根据次序安装新量测设备.结合状态估计方差指标和配电终端投资指标,加权计算得出目标函数,以配电网合格条件为限制,迭代求解最优配置.通过改进配电网算例,分析了"三遥""二遥"两个优化阶段的优化过程和结果,说明算法的可行性.     

不同边界条件薄壁截锥壳的高阶振动特性研究

采用传递矩阵法研究了不同边界条件下薄壁截锥壳的高阶振动特性.基于Love壳体理论建立薄壁截锥壳振动微分方程,根据薄壁截锥壳子段间的状态向量,通过传递矩阵法得出整体传递矩阵,并用高精度的精细积分法计算固有频率,通过文献和有限元法进行验证,并分析了薄壁截锥壳在不同边界条件下的高阶振动特性.结果表明,不同边界条件下,采用传递矩阵法计算高阶固有频率与有限元法的计算结果基本一致.当轴向半波数增加时,频率明显增大;随着周向波数的增加,频率先减小后增大.固支-固支和简支-简支边界下在m=1和n=7处得到最小频率,固支-自由边界下在m=1和n=6处得到最小频率,三种边界下最小频率值分别为400.1、325.6和226.1 Hz;边界条件约束越多,最低阶固有频率越大.     

租赁设备的状态维修决策建模与优化

随着物联网技术飞速发展,租赁设备大多安装有传感系统,可以及时地对设备关键部件和整体运行状态进行检测,进而可基于设备的健康状态为其安排更为合理的维修方案,在降低租赁商维修费用的同时,尽量少地干预客户的正常施工,并且保证租赁设备在客户施工场所的可靠运行.本文研究了基于状态检测的租赁设备的最优维修问题,研究中引入了顺序状态检测,定义了基于状态的控制限维修策略,并建立了以维修开销最小为目标的解析模型,以决策系统最优的检测间隔和预防维修阈值.除检测、维修等基本费用外,模型中还进一步考虑了租赁系统的故障罚金和故障后维修超时罚金.在模型的求解中,推导了维修干预下设备任意时刻的检测概率和状态概率分布,作为模型构建和求解的依据.数值实验结果验证并表明了面向租赁设备的基于状态的维修策略的有效性.     

cRIO平台的轨道车辆运输中状态监测系统的研究①

为了解决轨道车辆采用公路运输交付至业主过程中,运输振动导致轨道车辆频繁出现电机传动轴承损害问题,利用美国NI仪器公司cRIO平台搭建了电机主轴振动的实时监测系统,选用加速度计、GPS和摄像机等传感元件对轨道车辆电机的振动、运输卡车的速度及行驶道路的路面质量等参数进行关联性监测。获得了哈尔滨地铁1号线运输(中车长春轨道客车厂-哈尔滨地铁车辆段)的监测数据,得出了电机主轴振动能量主要集中在20Hz频点附近,市区内的车辆运行速度与车辆振动水平大体呈线性关系,高速路段的振动较市区更为剧烈的统计结论。     

安徽省生物医药领域专利信息分析

使用Incopat专利检索平台,对2010年1月1日至2020年12月31日安徽省生物医药主要技术领域的专利IPC分类号分布、专利申请量、专利申请人、专利法律状态等方面信息进行统计分析.安徽省生物医药领域检索出专利申请量为101113件.针对安徽省生物医药专利自身的技术特点,提出提升现有技术竞争能力、促进生物医药专利创新发展的具体建议.     

以安徽省为例谈人口结构变换对产业结构升级效应

采用状态空间模型,基于安徽省1997～2017年的统计年鉴数据,研究人口结构变换对产业结构升级的动态效应.结果表明:第一,人口年龄结构变换方面,在2006～2017年间,少子化是产业结构升级的主导因素,老龄化则是主要的抑制因素.第二,人口空间结构变方面,在2005～2017年间,城镇化是产业结构升级的非常重要因素.第三,人口知识结构方面,在2006～2017年间,知识化是产业结构各级的重要因素.     

大规模MIMO系统基于多分辨率深度学习网络的CSI反馈研究

快变信道环境下,采用频分双工模式下的大规模MIMO系统,用户通过反馈链路将信道状态信息(Channel State Information,CSI)发送给基站,为适应信道快速变化保证系统性能,要求降低反馈时延及减少反馈开销.提出一种基于深度学习的多分辨率信道状态信息网络(Multi-resolution Channel State Information Network,MCSINet),对反馈的信道状态信息进行压缩及预测,能够显著减少信道状态信息捕获与反馈开销,及降低时延.MCSINet模拟信道状态信息编解码系统,采用残差网络从信道样本中学习并完成信道预测,并通过多分辨率的卷积操作以及针对不同压缩率改变网络结构,从而更好预测信道状态.实验结果表明:与LASSO,TVAL3,CSINet等方法相比,MCSINet可以显著提高恢复信道状态信息,并且具有更低的误码率,复杂度和时延.