基于模型参数在线辨识技术的SOC估算方法

针对遗传算法(genetic algorithm,GA)存在收敛速度慢、易陷入局部最优以及难以实现在线应用的问题,面向如动力电池等效电路模型一类非线性较强、实时性要求高的模型辨识问题,提出一种能够快速缩小搜索空间,且有效避免陷入局部最优的在线快速搜索的优化辨识框架,实现电动汽车动力电池等效电路模型参数在线快速辨识,扩展全局搜索优化算法的应用范围.进一步,将此算法应用于电池剩余荷电状态(SOC)估算问题,提出基于改进GA参数辨识技术的无迹粒子滤波SOC估算方法(IGA-UPF).并将此SOC估算方法与基于最小二乘参数辨识技术的无迹粒子滤波的SOC估算算法(LS-UPF)作比较,结果验证了本文提出的在线快速参数辨识框架具有更好的模型参数辨识精度.     

生物相容性石墨烯纳米复合物修饰电极的制备及其电化学性能

以石墨烯、对氨基苯甲酸重氮盐和氯金酸为原料,制备了一种具有独特性质的金纳米粒子/石墨烯复合材料,利用红外光谱和紫外可见光谱表征了其光学性质,利用TEM表征了其结构性质.将葡萄糖氧化酶吸附到金纳米粒子/石墨烯复合材料表面,制得了一种葡萄糖氧化酶修饰电极,利用循环伏安法检测了所获得的修饰电极的电化学性质,并研究了其对葡萄糖的电化学催化性能.结果表明,葡萄糖浓度(x)与响应电流(y)呈线性关系,y=5.223x-2.652,R=0.976,线性范围为1.4～6.2μmol/L,检出限为0.2μmol/L(RS/N=3).     

基于子类问题分类能力度量的特征选择方法

特征选择是机器学习领域中的基本问题之一,在大规模数据处理中至关重要.目前大多数特征选择方法以单一值作为特征的分类能力评价标准,本文提出基于子类问题分类能力的特征选择方法,该方法用特征对各子类问题的分类能力及其加权平均值来度量特征的分类能力,既能保证总分类能力强的特征被选择,也能保证对子类问题分类能力强但总分类能力不强的特征被选择.将该方法与已有的3个特征选择方法在4个公开的基因表达数据集上进行比较,结果表明该方法是有效的,且可以提高分类预测准确率.     

AuNPs/PEI/GO纳米复合物修饰电极的制备及电化学应用

利用高分子聚合物壳聚糖链上富含的氨基修饰石墨烯,制备了具有独特性质的石墨烯基纳米复合材料,并利用壳聚糖对金纳米粒子良好的保护作用,使金纳米粒子固载到石墨烯纳米复合材料的表面,合成了一种具有生物相容性的金纳米粒子/氧化石墨烯纳米复合材料.同时,利用UV-vis、FT-IR、Zeta电位仪、XRD粉末衍射仪、TEM等对所制备石墨烯基纳米复合材料进行了表征.结果表明,PEI/GO/GC,AuNPs/PEI/GO/GC修饰电极对H2O2具有更好的电化学催化性能.     

还原法制备银纳米粒子/氧化石墨烯的纳米复合物及其表征

基于聚乙烯亚胺高分子链上富含氨基这一特性,用绿色还原法制备了聚乙烯亚胺/石墨烯(PEI/GO)纳米复合材料,然后利用未反应的氨基对银离子的还原作用和银纳米粒子的保护作用,将银纳米粒子固载到PEI/GO纳米复合物表面,制备了AgNPs/PEI/GO复合物.研究了反应时间和银离子浓度对所制备的银纳米复合材料的影响,并利用红外光谱、紫外光谱、XRD、TEM等手段对所制备的AgNPs/PEI/GO复合物进行了表征.结果表明,PEI被成功地修饰到了GO表面,Ag+被还原并固载到了GO表面,且所制备的银纳米粒子具有良好的晶型结构及导电性质.