锂电池异常状态监测的FEKF方法研究

为了保障锂离子电池的使用安全，提出了基于带渐消因子的扩展卡尔曼滤波 （Fading Extended Kalman Filter，FEKF）的电池状态在线监测方法. 建立锂电池一阶等效电路模型，利用递推最小二乘法进行锂电池状态参数在线辨识，建立状态方程；引入最优渐消因子，构造FEKF，得到端电压残差；使用端电压残差序列构造χ2分布的诊断函数，计算误检率与状态参数异常阈值. 实验结果显示利用FEKF生成的残差能更早对异常状态进行告警，证明FEKF能够显著提高χ2检验对锂电池内部缓变型异常状态判断的准确率.     

高校教师知识管理的现状与策略研究

教师知识管理是学校知识管理的主要形式之一,是提高学校教学水平与教师个人专业成长的重要策略。本文解释了知识管理的涵义,指出了高校教师开展知识管理的重要性,同时揭示了现阶段高校教师知识管理的现状,给出了解决这种状况的对策。     

C60高性能混凝土配合比设计和重载铁路T梁应用

近年来随着国家基础建设步伐的加快，对铁路施工的投资也越来越大，特别是国内几条主要铁路的施工建设，标志着我国在铁路施工水平方面进入了一个新的台阶，混凝土作为施工建设最主要的基础材料之一，其性能品质成为关键，以耐久性为特点的高性能混凝土就是在这种高标准、高要求的前提下应用而生的。     

后殖民视角下《喜福会》中的华裔女性创伤解读

华裔女作家谭恩美的《喜福会》主要讲述了四位出身、性格各不相同的中国女性移居美国,以及她们各自的女儿在美国出生、成长的故事。本文结合后殖民理论中"他者"的概念,来探讨《喜福会》中四对母女,作为华裔女性,所遭受的来自于父权制和种族主义的创伤,试图探讨她们创伤的根源以及她们是如何努力摆脱创伤的。     

一种新型蚊蝇拍的设计

本文设计了一种新型的蚊蝇拍装置,主要将弹簧、旋转式拍面及前后伸缩按钮结合,实现了垂直击打、长短可调、多方向多角度击打的三大功能.运用能量的相互转化,将弹簧的弹性势能转化为装置的机械能.同时该装置中弹簧的伸缩是可通过伸缩按钮控制的,具有半自动化的特征.     

实验动物设施环境检测移动平台的应用

目的 严格按照国家标准的要求进行实验动物设施环境检测,提高工作效率,节约人力成本。方法 设计一款便携式实验动物设施环境检测移动平台,用以进行环境检测。该平台可以通过调节高度、宽度和长度在实验动物设施内选取检测点。结果 该平台可以很好地在各种设施内应用,避免操作人员选点的系统误差。结论 该平台应用前景广泛,但便捷性还有待提高。     

试谈冲击碾压技术在路基施工中的应用

公路工程施工中,路基工程很容易受到一些由斜坡地形、地基的土质条件以及土石填料等不利因素的影响,不仅会促使其出现沉降变形,严重时还会给路基自身服务功能和使用寿命造成不良影响。路基施工过程中,如果处于湿陷性黄土等较为特殊的地质段时,采用普通压路机碾压就难以达到预期施工效果,这时就需采用冲击式压路机进行碾压。冲击碾压技术的优势在于可以均匀的传递出很大的冲击力,使得路基压实度满足施工设计标准,进而确保路基稳定性,与此同时也能将路基沉降变形情况减少,使其整体强度和均匀性得以提高,所以说该技术在路基施工中具有非常广阔的应用空间。     

平面型材料的宽频带电磁屏蔽效能测试

结合法兰同轴法和矩形波导管法测试了平面型纯镁金属屏蔽网和不锈钢电磁屏蔽网的宽频带(0.03~18GHz)电磁屏蔽效能.通过搭建测试系统,测量、记录了有无屏蔽材料时经装置衰减后的微波信号,并利用自主开发的Assembly-Plot软件实现了对测量数据的采集与处理,通过对数据的分析讨论了2种典型实验材料的屏蔽效能.考虑测量方法的最优适用频带,针对不同频带,采用不同方法进行测量,能够真实地评价屏蔽材料的电磁屏蔽效能.     

预制拼装结构拼缝胶研究现状与发展趋势

本文列举了应用于建筑预制拼装结构的拼缝胶的种类,主要包括PTB、聚氨酯水性胶粘剂和硅酮胶等几类.结合已有的研究现状对各类拼缝胶的优缺点进行评价,以粘结性、抗老化性能、涂饰性以及施工便捷性等性能作为参考因素,对各胶的应用效果和价值加以综述.结合自身的特点对施工处理手段和施工工艺加以分析,并展望了未来拼缝胶的主要发展趋势.     

面向新概念学习的图像描述生成模型

为了更好地在图像描述生成任务中对新概念进行学习和预测,在编码-解码框架下提出了一种新的面向新概念学习的图像描述生成模型(Att-DCC)。该模型引入了带有空间注意力机制的卷积神经网络,将全局视觉特征、语义标签和经空间注意力作用后的视觉信息进行了较好的融合;此外,引入自适应注意力机制多模态层,将语义相近的概念学习结果迁移至新概念,降低训练过程的复杂程度并提升学习性能。采用Att-DCC模型在MSCOCO2014数据集上针对2批(分别为8和6个)共14个新概念进行了测试和分析,结果表明:充分的多模态融合方式和多种注意力机制对于提升学习效果有显著效果;Att-DCC模型在F₁值上取得了42.56%和42.14%的平均结果,总体上取得了比具有代表性的NOC模型和DCC模型更准确的预测结果。