电动汽车动力电池荷电状态和健康状态估算方法

动力电池是电动汽车的关键组成部分,其状态参数直接影响电动汽车的性能。电池的荷电状态和健康状态是反映电池运行状态的两个重要参数,由于电池的强非线性,准确地对电池状态的判断有助于电动汽车电池的故障诊断。基于MATLAB/Simulink仿真,建立二阶等效电路模型,通过电容的减少和内阻的增加判断电池的老化程度,采用自适应卡尔曼滤波对电池的SOC和SOH进行估算以此判断电池的工作状态。仿真结果表明,该方法能够实现在线估算,对单体电池进行早期故障诊断,精度较高,确保电动汽车的安全运行。     

基于重构相空间充填体变形规律的灰色预测研究

尾砂胶结充填体是非线性力学介质,其变形是能量耗散的复杂过程,必须研究其内在变形规律,才能正确预测采矿过程中充填体的稳定性.对不同配比的尾砂胶结充填体进行力学试验,得出了其应力-应变规律,对安庆铜矿高阶段充填体变形进行了监测.采用自适应滤波原理,研究基于重构相空间的测量数据去噪处理方法.用灰色理论研究充填体变形在相空间中相点距离的演变规律,建立了重构相空间的灰色预测模型.为减小预测误差,对预测结果采用残差模型修正.应用建立的模型,对安庆铜矿高阶段充填体变形进行分析,确定了采场合理回采周期.结果表明,充填体变形具有非线性混沌特性,不同配比的充填体表现出不同的非线性动力学行为,重构相空间能充分展示充填体变形的内在规律.     

《复杂结构中频声振分析的尺度变换理论和自适应算法研究》

正北京市环境噪声与振动实验室主任李贤徽研究员申报的《复杂结构中频声振分析的尺度变换理论和自适应算法研究》获2012年国家自然基金项目资助。项目内容:以汽车结构的声振问题为切入点,重点研究有限元框架下复杂结构的中频声振分析方     

基于改进多种群遗传算法的尾矿坝形变预测

针对遗传神经网络(GA-BP)建立的尾矿坝形变预测模型易出现早熟现象、预测结果不稳定、容易陷入局部最优值的不足,引入一种具有混沌局部搜索的多种群自适应遗传算法。该算法以双种群寻优为基础,改进了遗传参数的计算方式,分别以种群进化中染色体适应度值的集中程度和空间距离的分布作为自适应交叉率、变异率的计算依据应用于不同种群中,提高了种群的多样性和遗传算法全局搜索的能力;同时引入混沌局部搜索技术(CLS),完善了遗传算法局部搜索能力的不足。采用改进的遗传神经网络模型对贵州省白岩尾矿坝三维变形数据进行预测,并与传统的GA-BP和AGA-BP模型预测结果进行比较。结果表明:改进后的模型预测精度更高,结果更加稳定,具有良好的预测效果。     

有限主观题考试自适应系统

有限主观题考试自适应系统的开发和应用，是实现科学客观考试学生实际能力的又一突破，本文着重介绍了该系统的基本设计思想和实现方法，并且介绍了实现方法的创新点和系统的创新性。     

基于EEG频谱特征的驾驶员疲劳监测研究

研究表明疲劳驾驶是引发交通伤亡事故的重要原因之一,因此有必要采取相应的预防措施。脑电是公认的睡眠(疲劳)金指标,因此论文提出了基于脑电频谱特征的驾驶员疲劳预测方法。采用了驾驶模拟实验中记录的三路驾驶员脑电信号,并利用驾驶员自评与专家评定两种方式相结合的方法将驾驶数据分为疲劳和清醒。针对脑电中眼电噪声很强的特点,对记录的脑电进行了自适应滤波消噪处理,结果显示可有效滤除眼电伪迹;然后根据脑电的频域特征比较突出且与疲劳相关的特点,从去噪后的脑电中提取出了的75个频谱特征;最后利用这些频谱特征,采用朴素贝叶斯分类的方法建立了驾驶员疲劳监测模型。实验结果表明,该方法能监测出驾驶员84%的疲劳状态。     

基于自适应遗传小波神经网络的水质评价建模

水环境污染过程的非确定性和非线性,使得传统的水质评价方法存在局限性。为了提高水质评价的准确性,提出了一种基于改进小波神经网络(wavelet neural network,WNN)的水质评价模型。采用自适应遗传算法(adaptive genetic algorithm,AGA)对小波神经网络的初始权值进行优化,再通过小波神经网络算法对网络进行训练,最后对训练好的网络展开测试。仿真结果表明,自适应遗传算法和小波神经网络的结合提高了网络的训练效率,该方法可以用于水质评价建模,并且评价结果具有较高的精度和准确性。     

基于AGA-BP神经网络的采空区危险性评价

针对采空区危险性评价的影响因素众多且关系复杂的特点,提出了基于AGA-BP神经网络算法评价采空区危险性。将岩体结构、地质构造、岩石抗压强度等13个影响因子作为神经网络输入,采空区危险性等级作为输出,建立一个采空区危险性评价的BP神经网络模型;采用自适应遗传算法(AGA)对BP网络的初始权值和阈值进行全局寻优,将寻优结果回代入网络中进行训练并预测得出采空区危险性等级;利用其它智能算法与该预测结果做出比较,以验证AGA-BP算法的有效性及优越性。结果表明:该算法的优化效果明显,同时在训练时间与预测精度上较其它智能算法有突出的优势,是一种在采空区危险性评价方面值得推广的新方法。     

基于自适应神经模糊推理系统和简单水质指标预测供水系统三卤甲烷的浓度

消毒副产物(DBPs)因其潜在的致癌、生殖毒性成为饮用水安全的重要隐患.及时知晓供水系统中DBPs浓度是防控DBPs健康风险的前提.然而目前DBPs仪器监测存在过程繁琐、成本高昂、时间滞后等问题.利用常规水质指标建立高质量的预测模型是重要出路.基于此,本研究选择3个简单的水质指标pH、温度、UVA₂₅₄,利用自适应模糊神经网络(ANFIS)建立了供水系统中三卤甲烷(THMs,最常见的DBPs)分布的预测模型.结果显示,当隶属函数(MF)分别为”gaussmf”、“gbellmf”、“trapmf”,MF数量分别为3、3、3时,建立的总三卤甲烷(T-THMs)、三氯甲烷(TCM)、一溴二氯甲烷(BDCM)模型的预测效果最好.其中,T-THMs、TCM模型质量较高：预测值与实测值的相关系数(r)为0.871～0.880,预测误差(MARE)为11%,预测准确率(N_E<25%)为92%～95%;与T-THMs、TCM相比,BDCM模型的预测效果略差(r=0.775,MARE=16%,N_E<25%=83%),但也在可...