基于非线性观测器的超级电容器荷电状态在线估计

超级电容器具有快速充放、高功率密度和长寿命等优点,被广泛用于新能源汽车的储能系统.系统可靠运行需获取其剩余电量,即对其荷电状态(SOC)进行估算.依托超级电容单体的等效模拟电路模型,建立了以模型中多电容端电压为状态,电容器输入电流为控制输入,电容器输出电压为观测输出的电容器二阶非线性系统的状态空间模型,包含了自放电现象产生的泄漏电流的因素.为提高模拟精度,辨识不同的模型参数,分别刻画充电和放电工况.采用非线性观测器算法来获取模型内部状态从而实现对SOC的估计.充放电实验的结果表明,考虑泄漏因素和建立不同参数下的充放电模型,能够更好地模拟超级电容器的动态特性,同时验证了非线性观测器算法具有稳定的跟踪能力.     

构造煤超微结构研究新进展

构造煤超微结构在不同温压和定向应力等因素影响下会表现出超微尺度上的特征与规律。大分子结构的变形可以引起纳米级孔隙结构的变化,而纳米级孔隙结构是煤层气（瓦斯）的主要吸附和扩散空间。因而在不同的变质阶段,不同机制的变形对不同类型构造煤超微结构的影响以及对其变质变形环境的研究具有重要的科学意义,而且对于煤层气的储集和赋存状态、煤与瓦斯突出的机理以及煤层气资源和煤与瓦斯突出危险性预测等也具有十分重要的实际意义。文中通过Ro,max,XRD,NMR（CP／MAS＋TOSS）和液氮吸附等测试和实验方法并结合国内外关于构造煤的结构模型、煤岩超微结构与应力的关系以及构造煤结构与应变环境等三方面研究成果进行了构造煤超微结构研究的综合分析,探讨了构造应力对构造煤超微结构和物性的重要影响,据此指出了构造煤超微结构研究存在的问题及今后的发展趋势。     

氧化钛-氧化铝复合微滤膜的制备

采用悬浮粒子烧结法制备氧化钛-氧化铝复合微滤膜,研究了膜厚度、烧结时间和烧结温度对膜的孔径及其分布的影响.     

扫描镜电机的神经网络PID控制器

基于神经网络原理,探讨了扫描镜电机的神经网络PID控制方法,由经典的增量式数字PID控制算式,推导出隐含层的加权系数的计算公式．在理论上研究了扫描镜电机的神经网络控制器,给出了其稳定的条件,并通过计算机仿真结果证明了它的可行性．     

同轴线导体电容和电感的计算讨论

给出了计算同轴线导体的电容和电感的两种方法,即利用高斯定理及安培环路定律、利用标量位及矢量位,从而得到了不同情况下两种算法的优越性.     

基于统计特征融合的人脸识别

从理论上分析了PCA分析的主元特征向量仅仅表示了图像的整体信息,不能表示图像的微小变化,而非零最小特征向量仅仅反映了图像的细微变化,将主元特征向量和非零最小特征向量进行有机的结合,并用于人脸统计识别. 试验结果表明,本文介绍的方法比PCA的人脸识别方法优越, 在一定程度上克服了人脸姿态表情的影响.     

不为考级而教学

随着社会的不断进步,职业教育也在不断的更新与发展。为了能够适应社会的迅速发展,将更优秀的毕业生送进社会。职业教育的课程改革是一件必须而且必要的事情。本文以计算机考级的教学方法为中心,从三个方面讨论这种为考级而制定的教学方法。论证这种教学方法不适应社会的人才需求,不能培养学以致用、将理论用运到实践中的人才。因此,需要对这种教学方法进行改革,使考组不再成为强化训练,而是要让学生在考级获得证书之后,真正的体现这张证书的价值。     

长江流域汛期降水年代际和年际尺度变化影响因子的差异

长江流域汛期(6和7月)降水量的变化, 不仅具有年际变化特征, 而且具有明显的年代际变化特征. 自上世纪90年代以来, 中国长江流域汛期的降水明显增多, 表明在年代际尺度上, 长江流域汛期的降水进入了一个丰沛期. 研究表明, 近年来长江流域汛期降水具有高基本态和高变化率的特征, 它是由影响年代际变化的因子及年际变化的因子共同作用结果. 利用NCAR/NCEP资料分别对这两种时间长度的大气环流进行了分析和诊断, 发现影响年代际变化的因子和年际变化的因子是不同的. 因此要预测长江流域汛期的降水量变化, 必须将年代际变化和年际变化这两种时间尺度进行分离, 清楚地认识控制或影响各时间尺度的物理因素.     

浅探会计信息失真原因及治理对策

本文阐述了会计信息失真现状及其表现形式,分析了会计信息失真的主要原因,提出了治理会计信息失真的对策。     

基于SVM预测的金融主题爬虫

随着Internet上信息的爆炸,利用通用搜索引擎检索用户相关的信息变得越来越困难,而主题爬虫成为WEB上检索主题相关信息的重要工具.目前大部分基于分类器预测的主题爬虫的训练数据是不同类别网页的内容,但是在实际预测过程只能根据父网页中的一些链接信息进行预测,所以造成主题爬虫的预测的准确率较低.本文使用SVM分类器对标注了类别的URL以及上下文和锚文本进行训练,并分别使用了DF和信息增益两种不同的特征选择方法进行特征筛选,对影响分类器的各种因素进行了实验对比,并对分类器进行了在线的实验.实验证明这种方法在实际预测过程中效率很高.