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.     

粤北瑶山地区梅花矿区地质特征与找矿前景分析

本文介绍了梅花矿区的成矿地质特征,初步分析其找矿前景。     

"动物预报地震"现象探秘

地震是一种地壳运动的自然现象,从地球诞生开始,地震就没有停止过。在通常情况下,因其震动的幅度和影响不大,我们不能明显感知,但是,剧烈的地震会给人类带来巨大灾难。惊魂失魄的人类在屡历地震之灾后发现,与人类同在一个家园的动物中,不乏天才的“地震预报专家”。     

酵母原生质体形成中的电镜观察

用蜗牛酶处理对数期啤酒酵母和异常汉逊酵母细胞,可以有效地从中分离到原生质体透射电镜观察证明了细胞中周质体的存在,揭示了酵母原生质体的释放机理和蜗牛酶的作用位点。     

电气试验中两个异常负值现象分析

介绍了在电气试验中遇到的两个奇异负值现象，探讨了造成这些现象的原因，并说明在工程实践中成功的解决方法。归纳了电气试验中消除干扰对电气试验结果影响的几点工作经验。     

地震震级与前兆异常空间分布的相关分析

本文利用滇西及邻区５次中强以上地震及其震前滇西前兆异常空间分布特征对震级Ｍｓ与异常空间反应最远距离ｄ进行了一定程度的相关分析，得出Ｍｓ与ｄ的经验公式为Ｍｓ＝０．００９５８９ｄ＋２．１。运用相关分析结果对滇西及邻区中强以上地震短临监视可提供一定的定量依据。     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...