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.     

非同分布φ混合序列加权和的强极限收敛性

利用φ混合序列矩不等式和截尾的处理方法,研究非同分布φ混合序列加权和强极限收敛性质的问题,得到了若干新结果,推广并改进了独立同分布情形下的相应结果.     

基于改进Faster R-CNN的农田残膜识别方法

为了实现农田残膜的精准捡拾,提高残膜回收机的回收率.将改进Faster R-CNN卷积神经网络运用到农田残膜的识别检测中,提出了一种农田残膜的识别方法.以11MS-1850残膜回收机工作后遗留在农田表面的残膜为研究对象,分别在晴天、阴天不同时间段采集图像共计1648幅.通过更改图像亮度、旋转等方式扩充数据集,最终得到4950幅残膜样本图像,按照7:2:1划分为训练集(3465幅)、验证集(990幅)、测试集(495幅);采用双阈值算法替代传统的单阈值算法,降低了阈值对模型性能的影响;通过对比试验,选取具有残差网络结构的ResNet50作为主干特征提取网络,准确率可达88.84％,召回率为87.70％,总体精度为88.27％;为了使检测模型对小目标更加灵敏,根据数据集中残膜尺寸大小,在原有锚点基础上增加322和642的尺度参数,准确率、召回率、总体精度分别提升了1.29％、0.67％、0.97％,单幅检测时间为284.13 ms,基本满足了识别残膜的要求.可为残膜回收机加装补收装置提供参考,为研制人工智能残膜回收机提供理论基础.     

加权马尔可夫链在水稻产量预测上的应用

基于水稻的产量受多种因素的影响,并且具有较大的随机波动性的特点,提出了运用加权马尔可夫链的方法对水稻产量进行预测,并依据黑龙江省历年水稻产量的数据对该省2012年水稻产量进行了预测,验证了其有效性.     

基于多变量希尔伯特频域模型的癫痫发作预测

癫痫发作具有突发性和反复性,对患者生命安全构成巨大威胁.为了对癫痫发作进行有效地预测,提出了多变量希尔伯特频域模型的癫痫发作预测方法.将希尔伯特边际谱、希尔伯特边际谱的变化方向和希尔伯特加权频率组成一个三维特征向量作为多变量希尔伯特频域模型,输入到支持相量机中,实现癫痫的发作预测,最后采用癫痫发作预测特征方法对预测结果进行评估.实验结果表明:采用多变量希尔伯特频域模型分析方法预测δ波和θ波的癫痫发作,癫痫预测范围在30~45 min,患者有足够的时间采取措施应对;癫痫发作周期在5~10 min,缩短患者等待时间,降低焦虑程度;与多种相关方法进行比较,该方法具有较低的错误预报率和较高的预测敏感度.     

基于灰色残差马尔科夫模型的河南省小麦生育期旱涝灾变预测研究

介绍了残差灰色预测模型的原理和建模方法,应用马尔可夫状态转移矩阵对残差灰色预测模型进行了改进,并将此模型应用于河南省小麦生育期旱涝灾变的预测中.结果表明,改进的预测模型精度较高,比传统灰色模型预测效果好.     

加权马尔可夫链在市场预测中的应用

本文介绍了加权马尔可夫链预测方法的基础,以金星电子公司产品销量资料为例,采用均值-标准分级法进行销量分级,把这21个月的月销量分成5个级别,运用加权马尔可夫链对该公司销量进行预测和分析,得出了符合实际的预测结果,为市场产品销量的预测分析提供了一条新的途径.     

广义Morrey空间中奇异积分算子和极大算子的加权不等式

证明了广义极大算子和奇异积分算子在广义Merrey空间中的加权不等式，并且还得到了极大算子无权不等式的特征。     

关于一类Hankel算子的截断性与有界性

本文研究了在两个 Moebius 不变子空间 A_l~(a,2)(D)与 A_l~(a,2)(D)之间的、由双线性形式定义的一类 Hankel 算子的截断(cut-off)性质与有界性质,从而发展了这一算子的 Schatten—von Neumann 性质。     

完整的最小二乘递推算法及其对跟踪与预报的应用

借助广义逆矩阵的理论，本文分别就一般加权情形、最优加权情形和指数加权情形，给出了无需事先提供待估计量的任何初始统计知识而能获得严格意义下的所谓完整的最小二乘递推(PRLS)算法。应用这种算法，分别得到了某些线性系统的无差和无偏状态估计以及机动目标多模型跟踪与预报(MMTP)算法。