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.     

难治性高血压的临床诊治总结

难治性高血压治疗是常见的临床问题，积极有效地控制血压是治疗的关键。诊断采取诊室测量、家庭血压和24 h动态血压测量( ABPM)并重，互为补充的方法，尽可能寻找继发性高血压的线索，在生活方式干预的基础上，采取优化联合治疗和个体化的药物治疗方案，并介绍了介入、雷帕特降压仪、高血压疫苗等其他治疗手段，为临床工作提供指导。     

一类具有毒素和状态依赖时滞的离散种群模型的持久性

研究一类具有毒素和状态依赖时滞的离散种群模型,运用一些引理,得到了保证系统永久持续生存的充分条件。最后通过举例子验证了所得结论的可行性。     

基于曼哈顿距离构建非参数Q矩阵修正方法

将被试得分、理想反应距离和被试得分异常原理相结合,并加入属性计分下的被试得分特性,开发了用于多级评分情境下属性计分曼哈顿距离法(SA-MD),在不同条件下验证了SA-MD的稳定性和适宜性.通过模拟研究和实证研究表明:(i)从逻辑推导出SA-MD用于多级评分情境下Q矩阵修正更合理;(ii)在多种条件中,SA-MD 均有较优的修正效果,适用范围更广,稳定性更高;(iii)当小样本测验进行Q矩阵修正时,使用SA-MD方法可获得更优的效果.     

基于神经网络的医疗诊断研究

主要工作集中在医疗数据的预处理和神经网络模型的训练.首先结合数据挖掘和自然语言处理技术,在保留医疗数据语义基础上对分词工具语料库进行补充,将中文数据分词,同时对其中大量冗余信息进行清洗,将中文数据转换成计算机可识别的编码,其次利用多种经典热门的神经网络模型来训练医疗数据,同时对比基于传统决策树模型的GBDT模型的训练结果,最后实验结果证明,对于多种疾病诊断,神经网络模型的效果要优于其他模型,诊断准确率接近90%.     

租赁设备的状态维修决策建模与优化

随着物联网技术飞速发展,租赁设备大多安装有传感系统,可以及时地对设备关键部件和整体运行状态进行检测,进而可基于设备的健康状态为其安排更为合理的维修方案,在降低租赁商维修费用的同时,尽量少地干预客户的正常施工,并且保证租赁设备在客户施工场所的可靠运行.本文研究了基于状态检测的租赁设备的最优维修问题,研究中引入了顺序状态检测,定义了基于状态的控制限维修策略,并建立了以维修开销最小为目标的解析模型,以决策系统最优的检测间隔和预防维修阈值.除检测、维修等基本费用外,模型中还进一步考虑了租赁系统的故障罚金和故障后维修超时罚金.在模型的求解中,推导了维修干预下设备任意时刻的检测概率和状态概率分布,作为模型构建和求解的依据.数值实验结果验证并表明了面向租赁设备的基于状态的维修策略的有效性.     

过滤烦恼“直饮”健康

<正>古人云:水为万物之源,土为万物之母,饮资于水,食资于土,饮食者,人之命脉也,而营卫赖之。世界上许多物质都可以找到它的替代品:用陶瓷或塑料代替钢;用一种金属代替另一种金属,但迄今为止,还没有一种物质可以取代水,水是不可替代的有限资源。地球上的水有97.2%是海水,淡水只占2.8%,而全世界可利用的淡水资源不足淡水总量的1%。长期以来,人们都认为水     

发动机传感器的测试

发动机传感器的测试是进行控制和诊断的基础,故有必要对传感器输出信号的性质、特征及电路加以阐述.     

心身问题解决的新尝试:机器功能主义

机器功能主义是功能主义的较早形式，它为心身问题的解决提供了一种有意义的尝试。本文对机器功能主义的产生、图灵机和机器表概念做了一个简要说明，同时把机器功能主义与行为主义、同一论相比较，论述了机器功能主义对心身问题的理解及其积极意义。但是机器功能主义仅把心理状态理解成一种功能状态，因而面临着许多方面的困境，并不能令人满意地解决心身问题。