基于BP神经网络的锂电池组SOC估算

电池荷电状态(SOC)的精确估计是电动车辆的核心技术之一,对影响电池荷电状态的因素进行分析归纳后,采用经典反向传播神经网络(BP神经网络)算法的动力电池SOC估计方法。利用高级车辆仿真软件ADVISOR对电动汽车典型行驶工况进行模拟,得到动力电池组电压、电流、平均温度和荷电状态数据,样本数据经归一化处理后导入神经网络模型中训练和测试,结果表明,该算法能有效提高SOC估算精度,具有较好的收敛性和鲁棒性,SOC估计误差范围能减小到4%以内,满足实际应用的需求。     

一种基于状态空间模型的进化算法

传统进化算法主要通过选择、重组和变异这三种遗传操作实现种群的进化。在进化过程中通常需要设定群体规模、交叉概率和变异概率等参数，而且它们的值会直接影响计算结果及精度。为了简化操作过程，设计一种基于离散系统状态空间模型的进化算法，这种算法采用实数编码方式，构造一个状态进化矩阵来实现重组和变异的功能，提高算法的可操作性和可靠性。并将该算法应用于求解无约束全局优化问题，对几种典型的测试函数进行仿真，结果表明：这种新的进化算法具有搜索能力强、收敛速度快、计算精度高、操作简单等优点，对相关研究有参考作用。     

基于Sentinel-2影像和机器学习算法的冬小麦秸秆覆盖度遥感估算

为探究大范围小麦秸秆覆盖度(CRC)估测方法，以冬小麦秸秆为研究对象，基于Sentinel-2遥感卫星影像光谱指数、波段和纹理特征及其不同特征组合，利用灰色关联-随机森林(GRA-RF)敏感特征提取方法，结合高斯过程(GPR)、套索(LASSO)、岭回归(RR)和偏最小二乘(PLSR)等多种机器学习算法，开展小麦CRC估算的最优模型研究。结果表明，基于GRA-RF特征优选后的机器学习模型显著改善了小麦CRC的估算精度，LASSO算法总体对小麦CRC的估测效果最佳，并且针对不同的光谱特征组合表现出差异化的结果。其中，以光谱指数、波段和纹理信息构成的组合特征集构建的CRC遥感估算模型精度最优(r²=0.65,RMSE=9.25%),以波段与纹理两者组合特征估算的CRC精度次之(r²=0.63,RMSE=9.31%),仅利用单一的光谱指数、波段或者纹理特征估算冬小麦CRC的精度均劣于组合特征的结果。这说明应用GRA-RF组合筛选方法能够有效优选秸秆覆盖度的光谱特征；相比于单一特征，光谱指数、波段、纹理信息等构成的组合特征更能有效地监测小麦秸秆覆盖度...     

RSA加密方式的应用及优化

本文研究了RSA密码体制的核心算法,提出了该核心算法在处理大数运算时速度太慢的问题。RSA加密体制执行的效率很大程度取决于快速进行模幂运算,模幂运算又相当于模乘运算的循环,蒙哥马利模乘运算利用二进制数的位移原理解决了快速模乘问题。根据蒙哥马利模乘运算的原理,验证了蒙哥马利算法提高RSA加密体制的实际效率。     

分压式偏置共射放大电路静态与动态分析技巧

分压式偏置共射放大电路的静态分析和动态分析在模拟电子教学中是一个重点,本文在分析基本放大电路的时候使用了一定的技巧,使其求解过程大大简化,从而化解了基本放大电路在静态分析和动态分析时的一个难点。     

基于改进的Dijkstra算法AGV路径规划研究

随着工业的发展,自动化码头已成为众多码头未来发展方向,而AGV作为自动化码头水平运输的重要手段,日益得到重视。研究AGV的相关技术意义重大,本文仅对AGV路径规划的Dijkstra算法进行研究,以期能应用于自动化码头。     

拖拉机弹性悬架结构的遗传复合形优化设计

针对传统优化算法全局性较弱,容易陷入局部解,以及遗传算法的局部速率较慢和局部搜索能力不足等问题,采用将遗传算法和复合形算法相结合的遗传复合形算法.在此基础上对拖拉机弹性悬架结构进行了优化设计研究,并且与传统优化方法进行了比较.结果表明,对同样初始条件的拖拉机弹性悬架进行结构设计时,采用遗传复合形算法比采用传统算法可以使得拖拉机弹性悬架钢板弹簧的体积减小2.6％,因此遗传复合形算法在求解弹性悬架多变量、多约束优化问题的时候是有效的和正确的.     

森林防火监测与预警研究取得重大成果

近日，国家林业局科技司在长春组织召开了“森林眼森林防火监测与预警系统”科技成果鉴定会。该成果是由吉林森工集团林信科技公司自筹经费、自主研发取得的。鉴定委员会专家认为，该成果创新性强，开发出的动态烟火快速识别算法和高精度球台，实现了监控图像与定位信息同步，提高了森林烟火的自动识别性能和定位精度，较好地满足国家森林火灾监测应用需求，     

应用人工生命模型Bug/BACO求解组卷问题研究

从一维Bug人工生命模型入手,通过设置细胞自动机中细胞的内部状态集合以及细胞的转换函数,对二元蚁群算法从人工生命的角度重新进行描述,提出Bug人工生命模型二元蚁群优化算法（Bug-BACO算法）。为解决二元蚁群优化算法＂探索和利用＂的冲突,引入随机扰动因子,并引入并行策略对Bug-BACO算法实施并行化处理,进一步提出Bug人工生命模型的并行二元蚁群算法（Bug-PBACO算法）。仿真对比试验表明,Bug-PBACO算法能在较短时间内解决大规模组卷问题,具有较强的实用性。