阀控密封铅酸蓄电池内化成充电方法探讨

详细介绍了适合阀控密封铅酸蓄电池(AGM-VRLA)内化成充电方法,总结电池内化成和外化成(槽化成)相比的许多优点,其简化工艺流程,节省了大量水、酸、电等能源,降低电池成本,提高电池性能,并且减少了对环境污染.     

土木工程地质勘测的有效措施

在基础设施建设不断发展起来的同时,土木工程地质勘测在基础设施建设中的重要性也不断提高。土木工程地质勘测的有效措施能够使土木工程地质勘测更好、更准确地完     

基于自举电路的开关磁阻电机初始位置估计方法

开关磁阻电机的转子必须与电机磁场保持同步才能保证电机的正常运行,因此对转子位置信息的准确检测非常重要。提出一种基于自举电路的开关磁阻电机初始位置估计方法,通过给自举电路中的电容充电,向各相绕组中注入诊断脉冲电流,根据各相诊断电流峰值和转子位置的关系,判断转子所在区间。该方法不依赖电机的具体电感模型,对控制系统带宽要求较低,无须电流闭环控制,检测过程不会造成电机转子的附加位移。阐述了利用自举电路检测开关磁阻电机初始位置的基本原理,给出了自举电路相关元件的选取原则,通过实验验证了所提出方法的有效性和实用性,并对引起误差的原因进行了分析。     

不同煤级区煤层气可动性和初始排水速度控制策略

对中国20个区块/煤矿煤层气地质参数进行了系统整理,开展了煤层气吸附时间和渗透率随煤级变化规律分析,并结合不同煤级区煤层气井的产气曲线,揭示了峰值产量出现前后不同煤级区产气动态差异的原因,以期为不同煤级区初始排水速度控制提供依据。研究结果表明：①吸附时间随煤级升高呈"U"型变化规律,中、低煤级区煤岩吸附时间一般低于15 d,高煤级区吸附时间变化大,吸附时间在0.1~85.54 d变化;②区块/煤矿间煤储层渗透率随煤级升高没有明显的规律性变化,同一区块内部,渗透率变化级差达2~3个数量级;③峰值产量出现时间与初始排水速度和煤岩吸附时间有较好的对应关系,而与渗透率的关系不明显;④在不同煤级区,针对不同井层煤储层吸附时间与渗透率的配置关系,应采用针对性初始排水速度控制策略：中、低煤级区煤岩吸附时间短,对低渗透井层应严格控制初始排水速度;高煤级区吸附时间变化区间大,对吸附时间长、渗透率高的井层,可适当加快初始排水速度。     

色散缓变光纤中的脉冲宽度研究

计算了高斯型脉冲宽度在色散缓变光纤中的传播特性和初始啁啾对脉宽演变的影响。讨论发现与单模光纤相比，色散缓变光纤中脉冲展宽较慢，并能有效抑制脉冲展宽；初始啁啾对脉宽有较大影响，初始啁啾参量C过大会造成脉冲严重展宽。     

一种基于CMKF建立跟踪初始估计的方法

针对极坐标观测条件下的目标跟踪，本文基于去偏转换测量卡尔曼滤波算法(CMKF-D)，提出了一种建立跟踪初始估计的方法：目标初始状态由前两点观测值估计，初始估计误差协方差由状态方程和CMKF-D中观测误差协方差计算得到。仿真结果表明，使用该方法建屯初始估计，能使滤波器迅速收敛至稳态，提高滤波初始阶段的跟踪精度。     

模糊自适应滤波在捷联惯导初始对准中的应用

传统卡尔曼滤波应用于捷联惯导初始对准中由于模型参数、噪声的统计特性不确定,影响估计效果.而模糊自适应卡尔曼滤波能按照模糊推理原理逐步校正系统的观测噪声协方差阵,具体实现是通过观察残差的理论值是否接近于其实际值,系统调整观测噪声协方差的加权以达到修正观测噪声协方差阵的目的,进而提高系统的对准效率.在噪声统计特性未知时,比较了常规卡尔曼滤波与模糊自适应卡尔曼滤波在初始对准中的应用效果.仿真结果表明,这种算法能有效提高系统的滤波效果,是一种较理想的初始对准滤波方法.     

多普勒计程仪辅助捷联惯导初始对准技术研究

针对捷联惯导系统初始对准精度问题,提出了一种采用多普勒计程仪辅助捷联惯导系统进行初始对准的方法。分析了多普勒计程仪测速误差的形式,建立了多普勒计程仪与捷联惯导系统的误差模型,通过输出校正的方法修正多普勒计程仪的速度信息,为惯导系统提供准确的载体速度信息,采用卡尔曼滤波进行捷联惯导系统的精对准。并对舰船匀速直航状态时,多普勒计程仪辅助捷联惯导系统的初始对准进行了仿真分析。理论分析与仿真结果表明:该方案能有效地解决舰船的初始对准问题,收敛速度较快,而且具有较高的精度。     

K-means算法及其改进研究现状

K-means算法因其简单、易理解、速度快等优点在众多领域得到广泛的应用,然而该算法的K值选取,初始聚类点的选取和对于孤立点的处理等都会影响最终聚类结果.根据k-means算法目前的应用研究现状,针对这些缺点对算法进行改进,最后指出了改进中存在的一些问题,并指出未来的研究方向.     

自适应连续多级分区与初始阈值估计的快速模板匹配方法

归一化互相关测度在光照改变时比采用绝对差之和测度（SAD）要稳定,但是归一化互相关测度的缺陷在于它的计算量非常大。为此,提出了一种结合自适应连续多级分区和初始阈值估计的基于归一化互相关（NCC）的快速模板匹配算法。根据模板图像中不同模块的梯度值,将模板图像进行逐级分区,通过分区顺序将互相关之和分为不同的层,得到各层互相关的上界,运用柯西-施不等式得到上界间的关系,形成自适应连续多级分区淘汰方法。同时,为了加快匹配速度,利用初始阈值估计产生一个较大的边界阈值,以淘汰初始搜索时的大量非匹配点,减少搜索点数目。实验结果表明:所提出的算法具有较好的鲁棒性,且算法的执行速度优于传统算法。