三维无界区域问题的快速Legendre有理谱配点算法

利用半直线和全直线上的Legendre有理配置点和相应的微分矩阵,结合矩阵分解方法,建立了一种求解三维无界规则区域问题的快速有理谱配点算法,发展了三维无界区域谱方法的数值求解方法.数值结果显示了方法的有效性和高精度性.     

9F型燃机发变组控制数据的OPC通信功能应用

进口大燃气机组控制和数据采集往往采用内部专有的通信协议，未经授权无法与之进行通信并获取有关数据，加大了用户自定义功能扩展的难度。通过其提供的标准OPC接口，可经由OPC规范对运行状态进行设计和读取。以进口的9F型GE燃气轮机及其控制器为例，通过对OPC接口的通信技术解析，获取了燃机系统现场数据传输的结构，选用自动化接口方式编写OPC客户端，对服务器和客户端DCOM进行配置，实现了对现场多种设备不同数据的读取和准确传输，为进口燃机控制器的通信扩展提供了实践参考。     

溶析结晶制备碳酸锂的实验研究

本文以质量分率3%的氯化锂水溶液为模拟卤水，以碳酸钠溶液为沉淀剂，以丙酮为溶析剂，采用溶析结晶方法，制备了碳酸锂产品。考察了碳酸钠溶液浓度、丙酮用量、结晶温度对产品收率的影响。实验结果表明：增大碳酸钠溶液浓度、增加丙酮用量、提高结晶温度皆可提高产品收率，但过高的碳酸钠溶液浓度可能会降低产品纯度；在碳酸钠溶液质量分率为16.7%，丙酮、氯化锂溶液和碳酸钠溶液体积比为1:1:1，温度为40℃条件下，制备的碳酸锂产品，其收率高达83.3%，形貌为棒状。本研究为低锂卤水提取锂盐提供了新途径。     

一种基于模态分解和机器学习的锂电池寿命预测方法北大核心CSCD

锂离子电池剩余使用寿命(RUL)是电池健康管理的一个重要指标。本工作采用电池容量作为健康状况的指标,使用模态分解和机器学习算法,提出了一种CEEMDAN-RF-SED-LSTM方法去预测锂电池RUL。首先采用CEEMDAN分解电池容量数据,为了避免波动分量里的噪音对模型预测能力的影响,且又不完全抛弃波动分量里的特征信息,本工作提出使用随机森林(RF)算法得到每个波动分量的重要性排序和数值,以此作为每个分量对原始数据解释能力的权重。然后将权重值和不同波动分量构建的神经网络模型得到的预测结果进行加权重构,进而得到锂离子电池的RUL预测。文章对比了单一模型和组合模型预测精度,加入了RF的组合模型预测精度让五种神经网络的表现都有进一步的提升。最后,对表现较好的两种网络——LSTM和GRU引入了简单编码解码(SED)的机制,让其更好地学习到序列数据全局时间上的特征和远程的依赖关系。以NASA数据集作为研究对象进行该方法的性能测试。实验结果表明,CEEMDAN-RF-SED-LSTM模型对电池RUL预测表现效果好,预测结果相比单一模型具有更低的误差。