基于卡尔曼滤波算法的锂离子电池荷电状态估算

提出并建立了一种锂离子电池二阶电路等效动态模型,在对模型的适应性验证的基础上,设计了一种卡尔曼滤波算法来估算锂离子电池荷电状态。仿真和实验结果表明,卡尔曼滤波算法能有效减少测量噪声以及同一生产工艺下电池的参数不稳定性所带来的影响,并显示了很高的精确度,其中快速估算的精确度为96.1%,缓慢估算的精确度为99.0%。     

基于P89LPC936单片机的锂离子电池组智能充电机设计

为实现对不同标称电压的锂离子电池组的智能充电和容量检测,设计了一种基于P89LPC936单片机的智能充电机,充电控制电路采用IR2181S高低端边缘驱动器实现自动选择充电,能对电池进行快速充电和常规充电,利用电子负载对电池进行恒流放电,并检测电池电压,根据电流积分法计算容量,以此判断电池的老化程度。实验结果表明,该充电机能对标称电压为25.2 V和14.4 V的锂离子电池组实现1 h快速充电和容量检测,测试精度达到了99.8%。     

中国与印度经济发展模式对比

中国与印度既是邻国，又都是人口大国。两国国情有许多相似之处。目前，两国都是最大的发展中国家，又都在经济领域表现不俗。近十年来，这两个国家快速的经济增长正在迅速地改变着世界经济增长的地理版图。“印度模式”与“中国模式”也被认为是后发现代国家中两种最具竞争力的发展模式。印度不俗的发展绩效常被用来与中国的改革成就作比较，并被认为是～种在发展特征、发展结构、发展制度等方面优于中国的“强潜力”的发展模式。因此，了解印度模式并与中国模式进行对比，目的就在于学习印度经验并在理论上探索、完善与发展中国模式。     

从中苏两国领袖的性格看中苏论战

毛泽东与赫鲁晓夫是中苏大论战对立双方的主角，中苏大论战带有他们鲜明的个性化印记。探讨中苏大论战的发生与发展不能不涉及两人的性格冲突。事实上，双方都曾为相互关系的日益恶化而感到焦虑不安，并为阻止这一趋势进行过艰苦努力。但大多数时候，努力的结果却往往适得其反。这种情况的出现，除了有当时的客观因素的作用之外，两人鲜明的个性因素也是不能忽略的。     

从中苏两国领袖的性格看中苏论战

毛泽东与赫鲁晓夫是中苏大论战对立双方的主角，中苏大论战带有他们鲜明的个性化印记。探讨中苏大论战的发生与发展不能不涉及两人的性格冲突。如果说苏联和中国的领导人或者其中的任何一方从一开始就希望把双方的关系彻底搞坏，那显然是有悖于史实的。事实上，双方都曾为相互关系的日益恶化而感到焦虑不安，并为阻止这一趋势进行过艰苦努力。但大多数时候，努力的结果却往往适得其反。这种情况的出现，除了有当时的客观因素的作用之外，两人鲜明的个性因素也是不能忽略的。     

基于BP神经网络的未采区瓦斯含量预测

为提高预测模型的可靠性,实现对煤层未采区域瓦斯含量的精确预测,以山阳煤矿5#煤层为研究对象,进行未采区瓦斯含量的预测。运用瓦斯地质学和多元线性回归分析法,得出基岩厚度、煤层厚度和埋深是影响该矿瓦斯赋存的主要因素,并将其作为BP神经网络模型的输入端神经元,初步构建出瓦斯含量预测模型;结合地勘时期瓦斯钻孔的实际数据,进行网络训练,再对预测模型的可靠性进行检验。结果表明:该预测模型预测瓦斯含量,精度较高,效果较好,能满足工程要求。采用多元线性回归-BP神经网络可以对未开采区域煤层瓦斯含量进行准确预测,为矿井瓦斯灾害防治提供一定的参考依据。     

基于L(0,2)模态的身管损伤无损检测方法研究

火炮特别是新型火炮在现代战争中发挥巨大作用,身管是火炮的重要组成部分,其缺陷检测至关重要。利用Comsol有限元仿真软件模拟导波模态并与理论计算结果进行对比,验证有限元仿真的正确性和可行性。在对比研究L模态导波和T模态导波的基础上,给出一种基于L(0,2)模态导波的身管缺陷无损检测方法,并利用有限元仿真软件对L(0,2)模态在存在内表面非对称缺陷的身管中的传播过程进行仿真。理论研究和仿真结果表明,该方法可以用来识别不同种导波模态并对缺陷进行检测,为今后身管缺陷检测奠定基础。     

不同贮藏环境和光照对钝裂银莲花种子萌发的影响

以三种不同花色的钝裂银莲花种子为材料,研究不同贮藏条件、光照对种子萌发的影响。结果表明：对种子萌发起显著影响作用的是贮藏环境。不同环境处理下合作、阿孜和在实验室进行冷湿层化处理的种子萌发率基本一致,均达到了80％以上,自然放置的种子萌发率则非常低（40名左右）。萌发指数：阿孜〉合作〉冷湿层化〉自然放置。光照能够打破种子休眠,促进种子萌发,但过度光照会降低种子的萌发率和萌发指数。不同花色间种子的萌发率为黄色与白色相近均高于浅黄色。     

基于灰色理论-BP神经网络预测瓦斯含量

以山阳矿5号煤层为研究对象,运用瓦斯地质学和灰色关联分析法,得出基岩厚度、煤层厚度和埋深是影响该矿瓦斯赋存的主要因素,并将其作为BP神经网络模型的输入端神经元,初步构建出瓦斯含量预测模型。结合地勘时期瓦斯钻孔的实际数据,进行网络训练,再对预测模型的可靠性进行检验。检验结果表明,采用该预测模型预测瓦斯含量,精度较高,效果较好,能满足工程要求。因此,采用灰色BP神经网络可以对未开采区域煤层瓦斯含量进行准确预测,为矿井瓦斯灾害防治提供了一定的参考依据。