MEIC-AlCl3离子液体用于中温钠氯化镍电池的可行性探讨

以氯乙烷、N-甲基咪唑为原料合成1-甲基-3-乙基咪唑氯盐(MEIC),通过核磁共振氢谱(1H-NMR)、傅里叶变换红外光谱分析(FT-IR)等测试方法对产物进行表征,确定其为目标产物。以MEIC和无水Al Cl3为原料,通过调节原料摩尔比分别制备了酸性、碱性和中性3种MEIC-Al Cl3离子液体,分别利用热分析、交流阻抗和循环伏安法对3种离子液体进行热稳定性、电导率和电化学窗口分析。综合以上各项性能,并结合钠氯化镍(ZEBRA)电池使用条件,最终确定过饱和Na Cl缓冲中性MEIC-Al Cl3离子液体为中温(~120℃)ZEBRA电池的最佳备选电解液。     

一类三维Hindmarsh-Rose神经元模型的动力学分析

从理论角度分析了一类三维Hindmarsh-Rose(H-R)神经元模型平衡点的数目及特性,运用数值模拟的方法研究了系统周期与混沌间隔的周期窗口的递增特性,借助理论与数值模拟相结合的方法,更加充分地解释了神经元丰富的放电规律.     

批量制造业交货窗口提前／拖期生产计划方法

建立批量制造企业在交货期窗口下的提前／拖期生产计划模型,将交货期窗口（ｄｕｅ－ｗｉｎｄｏｗ）概念引入到带有能力约束的提前／拖期生产计划中,拓宽了生产计划问题研究的范围．并利用数学推导,将所建模型转化为线性规划模型,使得该模型运用单纯形法就可求取精确的最优解,从而解决了开发中的ＣＯＮＷＩＰ集成化生产管理软件对不确定交货期主生产计划的编制问题．     

TOFD检测工艺计算

在TOFD检测中,为了更好地提高检出率,在实际检测中必须对几个关键参数进行计算,如检测区域、时间窗口、扫查速度、探头覆盖范围以及上下表面盲区等。通过对以上参数的精确计算后,才能达到TOFD检测中的最优参数的选择,保证被检焊缝的质量。     

安徽省科技厅荥获2013年度“优秀窗口单位”表彰

日前,在安徽省政务服务中心组织的2013年度综合考核中,省科技厅荣获“优秀窗口单位”称号。受到省政府的表彰。2013年,省科技厅窗口受理行政审批及服务事项190499件,其中省科技厅机关6921件,省知识产权局183578件,办结191649件,按时办结率、群众评议满意率达100％。     

自适应窗口滑动的物联网数据流典型相关分析

针对传统的数据流典型相关分析算法没有考虑数据流速率的动态变化特性,不适用于物联网实际情况的问题,提出一种基于自适应窗口滑动的数据流典型相关分析算法,依据数据流速率变化,设计自适应的窗口滑动策略,并动态调整滑动窗口。实验结果表明,可以保证物联网数据流典型相关分析的实时性、准确性和高效性。     

多边形滤波窗口在傅里叶变换中的应用

针对传统傅里叶变换求包裹相位过程中矩形滤波窗口易产生噪声干扰的问题,设计了多边形和圆形滤波窗口。简述了傅里叶变换的原理,通过MATLAB对试验所得物体变形条纹图分别用矩形、多边形和圆形滤波窗口进行了滤波,并讨论了滤波后图像的信噪比。结果表明,针对不同形状的频谱图,采用最适合频谱形状的多边形滤波窗口得到的包裹相位图,噪声最小,质量更高。     

基于事务型滑动窗口的数据流中高效用项集挖掘算法

由于能反映用户的偏好,可以弥补传统频繁项集挖掘仅由支持度来衡量项集重要性的不足,高效用项集正在成为当前数据挖掘研究的热点.为使高效用项集挖掘更好地适应数据流环境,提出了一种基于事务型滑动窗口的数据流中高效用项集挖掘算法MHUIDS.首先在二进制向量的基础上,提出了高事务加权效用项集树(HTWUI-树)的结构.进而分别给出了事务型滑动窗口初始化与滑动的算法描述.最后,提出了高效用项集的剪枝策略与挖掘算法.实验结果表明,MHUIDS算法具有较高的挖掘效率及较低的存储开销.     

多算法融合的疲劳驾驶监测算法设计与实现

现实中基于图像处理的疲劳驾驶监测往往因环境的变化而具有不确定性。监测算法不规范,以致于疲劳驾驶监测任务很具有挑战性。为了解决此问题,提出了一种基于多算法融合的动态滑动窗口算法框架。首先利用Adaboost算法识别人眼,然后改进Otsu算法来自适应各种不同环境;进而提出动态滑动窗口算法来得到睁闭眼之间的最佳阈值;最终,利用改进的PERCLOS算法估计疲劳驾驶状态的不同级别。针对环境的变化采用睁闭眼判断窗口随人眼特征变化而更新的策略,系统使用摄像头实时捕获人眼图像,并在PC机上进行仿真测试,可在130~150ms之间实现不同疲劳状态的识别。实验结果表明,此算法框架能够有效、快速的分辨驾驶员不同的疲劳状态。     

窗口能力不等、输入率可变且有差错服务的M/M/2排队模型研究

主要研究了窗口能力不等、有差错服务且输入率可变的 M/M/2 排队模型。设顾客到达系统的时间间隔服从参数为 的指数分布,二服务窗对顾客的服务时间分别服从参数为μ1 和μ2 的指数分布且与顾客到达时间间隔相互独立,当系统队长为k 时,顾客进入系统同时排队等待的概率为ak=1/k,窗口提供正确服务、不出差错概率为γk=k/k a+1。基于排队系统的状态转移图推导出了 K 氏方程,同时考虑正则性条件,求得系统队长的平稳分布以及主要指标。