基于模型误差EKF-HIF算法的锂动力电池SOC联合估计

针对锂动力电池荷电状态(State of Charge,SOC)估计策略,提出了一种基于模型误差EKF-HIF算法的SOC联合估计方法。首先,通过建立电池等效电路模型,利用BP神经网络(Back Propagation Neural Network,BPNN)预测该电池模型误差。其次,推导扩展卡尔曼滤波(EKF)和H∞滤波(H Infinity Filter,HIF)算法流程,根据模型误差选择不同算法进行SOC状态估计。最后,通过仿真验证了该联合估计算法的有效性和可行性。     

基于电化学机理模型的锂离子电池参数辨识及SOC估计

采用Fisher信息矩阵进行参数可辨识性分析,解决了参数的辨识问题,进而提出了基于简化电化学机理模型SP2D(simple pseudo-two-dimensional)的SOC(电池电量)在线估计方法。实验表明,该SOC估计方法较基于等效电路模型(一阶RC模型)的SOC估计方法,可将SOC估计的平均误差减小近30%,而在电池放电中后期更可减小达60%,有效解决了在电池全工作范围内的SOC高精度估计问题。     

一款液晶电视机的GAMMA自动调整系统

正GAMMA曲线的校正一款电视机设计的成功与否,是否能得到用户的认同,很大程度上取决于电视机图象质量的好坏。在基本功能调通后,我们对电视机样机的画质进行了综合评价后发现样机在图象清晰度、运动自适应检测、隔行转逐行处理(Deinterlace)、小角度斜线的处理、亮色分离及降噪等方面表现优异,但是层次感一般,主要表现为画面暗区的层次感不强、对比度较差。通过调节白平衡无法加以改善,但是同样的电路和参数在与某些高档的液晶显示屏配合时效果却非常不错,可以判定问题的根源在于显示屏的光电特性的差异。     

基于阈值的平板探测器增益校正方法

为了更好地提高平板探测器在齿科CT中采集图像的质量,去除由于探测器制造缺陷等因素而导致的CT重建切片中的条状和环状伪影,提出了一种基于阈值的平板探测器增益校正方法.利用采集的相同放射条件下的空气数据,通过归一化方法计算得到增益系数矩阵.考虑到物体对射线的衰减性,先通过阈值区分出图像的不同部分,然后根据增益系数矩阵和阈值判断结果,对图像的每个像素逐一进行校正.实验结果表明:在校正后的图像中,由于探测器制造缺陷等因素所引起的重建切片中的大量条纹以及环状伪影被有效地清除,且未出现新引入的条纹,重建切片的图像质量得到明显改善.     

运用MAPGIS软件对地质图进行误差校正

制图误差在计算机制图中普遍存在，通过实例论述了运用MAPGIS软件对地质图进行误差校正的具体方法，并着重对校正控制点的选取作详尽描述，以期对实际工作中的同类操作有所帮助。     

一种动态校正的AGMM-GPR多模型软测量建模方法

工业过程常常是强非线性的,并有多个工况,传统的软测量方法存在预测能力差,不能有效利用误差信息等缺点.为了有效解决这些问题,提出一种基于自适应高斯混合模型-高斯过程回归(AGMM-GPR)的多模型动态校正软测量建模方法.首先,通过贝叶斯信息准则构建自适应高斯混合模型(AGMM),得到优化的子模型个数;然后,利用GPR方法建立各局部模型,当新的数据到来时,将其隶属于各局部模型的后验概率和预测值融合得到多模型输出;最后,为了进一步提高模型的精度,构建自回归积分滑动平均(ARIMA)模型对多模型输出进行动态反馈校正.通过数值仿真和硫回收装置(SRU)中H2S浓度的估计,验证了所提方法具有良好的预测精度和泛化性能.     

求解凸二次规划的一种二阶Mehrotra型预估一校正算法

给出了求解凸二次规划的一种二阶Mehrotra型预估一校正算法。该算法受Salahi等人对线性规划提出的相应算法启发,引入了安全步策略,保证了校正步步长有适当下界,从而具有多项式复杂性。由于算法迭代方向不正交,算法在罚参数的校正和复杂性的分析上有别于线性规划的情形。最后,通过一些新的技术性引理,证明了算法在最坏情况下的迭代复杂性为O（n^3/2log（x^0）^TS^0/ε）.     

具有无穷大边界值的半线性奇摄动Neumann边值问题

基于微分不等式方法,结合边界层校正的思想,研究了一类具有无穷大边界值的半线性奇摄动Neumann边值问题解的存在性、解的渐近近似以及渐近解的误差估计等.两个典型的算例表明:基于边界层校正思想所构造的渐近解是正确且一致有效的.     

具有无穷大边界值的二阶拟线性奇摄动Robin问题的双边界层

研究一类具有无穷大边界值的二阶拟线性奇摄动Robin边值问题的双边界层现象.基于边界层校正的思想,构造了左右端点附近的边界层函数(包括指数型与代数型),得到了该问题一致有效的渐近解;基于微分不等式理论,证明了该问题解的存在性,给出了渐近解关于精确解的误差估计.一个典型的算例验证了所得结果的正确性.     

基于图像分割和融合的图像去雾算法研究

为了解决传统的暗通道先验去雾方法产生的细节丢失和亮度偏低等问题,本研究提出了一种基于图像分割和融合的去雾算法。首先对输入图像使用亮度反转的MSRCR预处理来进行色彩保真;其次用阈值分割法提取图像的特征信息并获得掩膜,根据特征信息设计自适应的Gamma校正方法,提升对比度和亮度,并使用暗通道先验方法保持去雾后的细节;最后将处理后的图像进行掩膜融合。在真实世界的数据集上仿真结果表明,本研究所提算法在去雾后能保留更多的细节且提高亮度。与几种经典的算法相比,本研究所提算法在去雾后的图像有较好的色彩保真度,保留了更多的细节,去雾效果好且亮度更自然。