电动车与航天用锂离子蓄电池的进展

锂离子蓄电池作为一种９０年代初期发展起来的先进蓄电池,具有高比能量、高电压、长寿命和无记忆效应等特点,七年来的商品应用表明,电池的安全性和实用性均好。根据大容量电池近年来的试验结果与分析,液体电解质常温锂离子蓄电池很有可能被选为电动车、航天和储能用电源,并显示其优异的特性。本文收集并报道了国内外研究机构、电池厂商在此领域的研究成果。同时,也简单介绍了中国天津电源研究所在国家发展计划委员会资助下,对电动车用大容量锂离子蓄电池研究的初步结果。     

超声冲击对高锰钢辙叉组织与性能的影响

利用超声冲击技术对高锰钢辙叉试样表面进行强化处理。用维氏显微硬度仪测量分析横截面显微硬度分布,用金相显微镜和扫描电镜观察经超声冲击后的组织变化。试验结果表明:经超声冲击处理后,试样表面的显微硬度显著提高,且随冲击功率的提高逐渐增大,随距表面距离的增大而减小;试样表层经超声冲击产生高密度滑移线,随着距表面距离的增大,由多系滑移逐渐过渡到单系滑移,滑移带与基体没有明显界限;试样表面经超声冲击发生剧烈的塑性变形,冲击功率越大,塑性变形越剧烈,变形层越厚。     

低温型锂离子电池性能研究

着重对影响锂离子电池低温性能的相关因素进行了试验对比分析.结果表明:影响低温下锂离子电池性能的因素很多,如电解液、导电剂比例、活性物质颗粒度、电极涂覆量等.通过分析,总结出相关因素对制备低温型锂离子电池的影响.     

从GSM-R的应用看铁路通信系统的发展

本文主要描述了中国铁路通信系统的几十年来的发展历史,并通过对GSM-R系统具体原理和即将投入运营的合宁高速铁路GSM-R系统的具体应用的介绍,充分说明了GSM-R系统是铁路未来通信发展的方向,是铁路跨越式发展,全面实现信息化建设的里程碑.     

液晶硅(LCOS)技术研究与应用

新型微显示技术--液晶硅显示技术LCOS是一种全新的数码成像技术,也称数字硅基反射液晶显示技术,具有大屏幕、高亮度、高分辨率、省电等诸多优势,用LCOS技术制作高分辨率光阀的方法逐渐在平板显示界占有一席之地.本文对LCOS的结构和原理以及发展趋势和市场走向以及应用作了较详细的分析.     

研究生人工智能课程教学探索

从研究生教学特点和人工智能学科的自身特点出发,结合多年来研究生课堂教学实践,探讨在人工智能课程中采用基于问题的启发式教学、基于案例的探究式教学等教学方法。实践表明,这些方法不仅能使学生深入理解人工智能的基本概念和理论,而且有利于培养学生的创新和科研能力。     

双模态语音识别中乘积HMM权重系数与瞬时SNR的关系研究

在有噪声污染等复杂情况下,为了能够得到更高的语音识别率,提出了一种新的乘积隐马尔可夫模型(HMM)用于双模态语音识别,研究并确定了模型中权重系数与瞬时信噪比(SNR)之间的关系.该模型在独立训练音频和视频HMM的基础上,建立二雏训练模型,并使用重估策略保证更高的准确性.同时引入广义几率递减(GPD)算法,调整音视频特征的权重系数.实验结果表明,提出的方法在噪声环境下体现出了良好稳定的识别性能.     

车间作业计划管理系统的设计与应用

随着企业信息化工作的推进,现在制造业企业的信息化程度有了相当大的提高.但是,我们也要看到,目前在多数企业的信息化建设过程中,还是普遍存在如下一些问题:(1)信息共享程度低.很多企业的计算机辅助工具都是一些离散孤立的系统,由这些互不兼容的软件所产生的数据,很难统一由一个企业级的计算机软件系统来管理.特别是,如果将数据存储于不同的计算机系统中(有些企业甚至还未将这些计算机进行联网),那么这些数据就更加没有办法在设计、工艺和制造部门之间进行有效的共享与传递了.     

情感语音合成综述

情感语音合成作为一个新兴的语音合成方向,糅合生理学、心理学、语言学和信息科学等各学科知识,可以应用于文本阅读、信息查询发布和计算机辅助教学等领域,能够很好地将语音的口语分析、情感分析与计算机技术有机融合,为实现以人为本,具有个性化特征的语音合成系统奠定基础。目前的情感语音合成工作可分为基于规则合成和基于波形拼接合成两类。情感语音合成研究分为情感分析和语音合成两个部分。其中．情感分析的主要工作是收集不同情感的语音数据、提取声学特征,分析声学特征与情感联系;语音合成的主要工作是建立情感转换模型,利用情感转换模型实现合成。     

结合差图像和Gabor小波的人脸表情识别

提出一种结合差图像和Gabor小波变换的人脸特征提取方法,并使用支持向量机SVM(Support Vector Machines)进行人脸表情识别。对包含情感信息的静态灰度图像进行预处理,将眼睛和嘴巴等表情子区域从人脸中切割出来,求出其差图像,然后提取差图像的Gabor特征,使用下采样降维减少特征向量的维数并进行归一化,最后使用SVM进行分类。与只从表情子区域提取Ga-bor特征的识别方法进行了比较,结果显示识别效果更好。