太阳能电池最大功率跟踪技术研究

本文介绍了光伏电池系统的输出特性及跟踪技术的基本原理．列举了多种常用的跟踪的方法．总结了当前的最大功率跟踪技术(MPPT)。并对各自的的优缺点进行了详细的分析比较。     

瞬态最优半主动控制在滑移隔震中的应用

应用瞬态最优控制理论，在考虑上部结构刚度与阻尼的条件下，建立了基底摩擦力大小的计算方法，并对滑移隔震结构的半主动控制方法进行了研究．对实例计算结果的分析表明，半主动控制下的滑移隔震结构不但具有较好的隔震效果，而且能有效地减小基底的最大滑移量及残余位移。     

Fenton试剂氧化预处理橡胶促进剂生产废水

采用Fenton试剂氧化处理橡胶促进剂生产废水.研究H2O2投加量、Fe2 投加量、反应时间及进水浓度对COD去除率的影响,通过实验确定了Fenton试剂处理该废水的最佳操作条件为:Fe2 加入量0.4g.L-1,反应时间20 min,H2O2加入量为18 mL.L-1,pH=3.     

磁性纳米催化剂SO2-4/TiO2-Fe3O4的制备及表征

用溶胶一凝胶法、沉淀法将磁性材料与固体酸进行组装，制备了磁性纳米固体酸催化剂SO4^2-／TiO2-Fe3O4．该类催化剂能通过外加磁场进行分离、回收．扫描电镜、透射电镜观察及磁性能、比表面积测试结果表明，用溶胶-凝胶法制备的催化剂比用沉淀法制备的催化剂具有更小的粒径、更高的磁强度和更优异的催化性能．X射线衍射、傅里叶红外光谱分析表明，影响催化剂磁性能和催化活性的主要因素是Ti与Fe的摩尔比、焙烧温度和浸渍液浓度。     

基于非线性参数的意识任务分类

研究了非线性参数作为脑电（EEG）信号特征时对意识任务分类的作用，使用的3种非线性参数特征为最大Lyapunov指数、轨道平均周期和轨道平均初始距离，分类方法为Fisher线性判别式．对4个实验对象共60个任务对进行了分类处理．使用3种参数在2s数据段上取得的平均分类精度分别为82．3％、90．7％和93．3％．在较短（1s）的数据段上，应用轨道平均初始距离参数进行分类取得了平均为90．8％的正确率，分类精度接近于Anderson取得的实验结果．轨道平均周期和轨道平均初始距离算法具有较小的运算量，能够应用于在线系统．     

自主车辆视觉系统的摄像机动态自标定算法

为了解决自主车辆视觉传感器在姿态变化后摄像机旋转外参数的在线自标定问题,提出了一种利用道路图像消失点相对不变量的摄像机旋转外参数的动态自标定算法.它首先从汽车采集到的道路视频序列中实时分析道路消失点,然后依据中心极限定理并使用相应的统计量,动态地估计主消失点与消失线参数,最后利用小孔成像模型下的消失线与消失点方程,解析地求得对应于当前统计特征的摄像机外部参数动态解.实验结果表明,在摄像机进行姿态调整后,实验系统使用本算法可在不超过90帧有效图像样本的基础上,能对摄像机旋转外参数进行精确标定,使旋转外参数的绝对误差值收敛于0.001 rad的误差带之内.     

在非时齐马氏决策过程中的动态贝叶斯网络研究

提出了用动态贝叶斯网络（DBN）对非时齐马氏决策系统进行建模的改进方法，使动态贝叶斯网络能被更广泛地应用于各种复杂的真实系统中．该方法的基本思路是，将扩展后的隐藏变量引入DBN的演化过程来建立假设条件所要求的马尔可夫模型，给出从不完整的样本数据集以及存在隐藏变量时来学习DBN结构的算法，进而用贝叶斯概率统计方法对后来的时间片的充分统计因子进行估计，并通过当前已存在的和估计的充分统计因子对基于时间变化的转移概率进行学习，以解决假设条件要求的转移概率的时不变性．原理性分析和仿真实验结果也验证了改进方法的有效性．     

一种基于区域分割的多传感器图像融合方法

针对传统像素级图像融合方法割裂像素间联系的问题，提出一种基于区域分割的图像融合方法．在图像配准的基础上进行区域分割，提取显著性因子和可见性因子作为区域特征，自适应地确定融合权值以得到融合图像．该方法克服了传统像素级融合方法中融合图像模糊、对噪声敏感等不足，尤其适用于图像没有严格配准的应用场合．实验结果表明，与小波变换融合方法相比，均方根误差减小了33％～36％，灰度标准差提高了0．9％～53％，互信息提高了39％～42％，空间频率提高了0．3％～38％，客观评价准则与目视效果吻合良好．     

一种新的注意力相关脑电分类算法设计

提出了一种新的基于支持向量机(SVM)学习机制的注意力相关脑电分类算法.在对脑电信号进行3级小波分解之后,采用主分量分析方法提取主要的特征分量,并且采用SVM方法对其进行分类.在此基础上,依据数据融合理论,对多导分类结果进行综合判断.结果表明,本方法具有良好的鲁棒性,对注意力相关脑电信号分类的准确率可达89%左右,高于单导最优准确率.该方法对注意力缺陷反馈治疗、注意力机制研究等具有较高的实用价值.     

活性炭无纺布表面污染物的吸附特性研究

实验研究了活性炭无纺布表面CO2和挥发性有机化合物(VOCs)的吸附特性.研究结果表明:在低气流速度条件下,活性炭无纺布能够很好地吸附空气中的CO2,系统的能耗也低;环境温度对活性炭无纺布表面CO2吸附效率的影响不大,但低空气湿度有利于CO2的吸附;在实验条件下,活性炭无纺布表面VOCs的吸附效率与迎风气流中VOCs的体积分数无关,与污染源的种类有关;低气流速度有利于VOCs的吸附;虽然增加吸附层的层数既有利于活性炭无纺布表面的CO2吸附,也有利于VOCs吸附,但实验中当吸附层增加到3层以上时,吸附效率随吸附厚度的增加而提高的效果不再明显,而吸附系统的阻力却迅速增大.