于明加 我不怕和范冰冰PK

电视剧《手机》首轮一播出,立即在观众中引发热议。尤其是那个当年令范冰冰在大银幕显露锋芒的角色——伍月,更是炙手可热。于明加,继出演《金婚》里的佟多多之后,又与陈道明、王志文两位大腕搭戏,演绎了一个全新形象的伍月。面对即将而来的走红,明加平静地说:"我的最大愿望就是能让观众记住我演的每一个角色。我希望大家关注我的角色,而我自己想拥有一个平静的生活。"

退役电池快速检测分类方法研究

随着大量锂离子电池从电动汽车上退役,对退役电池快速检测的研究迫在眉睫。针对传统方法因初始状态差异,导致电池在二次利用前的一致性检测时间较长问题,基于电池充电曲线提出了一种快速测试方法。通过将电池充电至截止电压保证电池具有相同的初始状态,而无需进行将电池放空以保证初始状态相同这一步骤,测试时间仅为电池完整充放电时间的12.5%,检测效率提高;提取特征后采用融合Canopy的K-means++聚类算法在NASA数据集和实验室电池上进行验证,聚类准确度达80.5%,证明了设计的快速测试方法的可行性。

市场有效性理论研究综述

有效市场假说(EMH)是最重要的经济和金融假说之一。一些学者对有效市场假说是否有效提出了质疑,并指出金融文献中存在大量关于市场异象的证据。对此,本文回顾了市场有效性的理论和文献,明确了有效市场假说的概念。

基于RBF神经网络的辛烷值损失预测模型

辛烷值是燃料汽油的抗爆指标,对发动机零部件的使用寿命和车辆的安全性有重要影响。因此,准确预测汽油辛烷值是一项涉及安全的基础性工作;同时,在原油的资源利用和环境保护方面也具有重要意义。为了能够更好地预测辛烷值损失,本文提出一种基于RBF神经网络的辛烷值损失预测方法。首先,基于石油化工原始数据,对其进行异常值和缺省值筛选,利用最大信息系数(MIC)筛选与辛烷值损失相关性最大的变量,对数据特征进行初次降维,再根据变量之间的强耦合性进行二次降维,获得主要变量;然后,使用RBF神经网络建立辛烷值损失模型,对降维后的数据进行训练和测试。最后,通过实验对降维后的和辛烷值损失模型预测的结果进行分析评价,结果表明,本文提出的模型能够很好地预测辛烷值损失。

基于融合模型的动力电池组多时间尺度SOC估计

针对电池组的荷电状态估计(SOC)问题,提出了一个基于均值加偏差模型(MDM)和联邦自适应无迹卡尔曼滤波(FAUKF)的多时间尺度SOC估计框架。该框架中,MDM表征电池组中的不一致特性。FAUKF融合每个单体的SOC结果估算出电池组的SOC,具体为利用Elman神经网络自适应地调整每个单体的融合权重进而得到整个电池组的SOC。其中,每个单体的SOC是在2个时间尺度上估算出来的。最后,在动态应力测试工况下对比了所提方法与传统方法的估算效果。结果表明,所提方法的SOC估算结果较好,均方根误差为1.194%,验证了所提方法的有效性与准确性。

原小檗碱骨架的合成及其抗炎活性研究进展

以小檗碱为典型代表的原小檗碱类生物碱具有丰富的生物活性,在癫痫、心脑血管等多种炎症性疾病中均表现出了优良的抗炎效果.鉴于其存在从自然界分离提纯难以及生物利用度较低等问题,众多研究人员将研究重心放在了原小檗碱的全合成及结构改造上.对原小檗碱骨架的全合成、抗炎通路与抗炎构效关系进行了综述,以期为全新原小檗碱骨架类抗炎新药的研发和临床应用提供参考.

基于SOC自适应分阶的动力锂电池两步优化快速充电策略

快速高效的充电方式对于推动汽车电动化,加快以石油为主导的传统交通能源向绿色低碳能源转型,实现中国“双碳战略”的目标具有重要意义。针对充电时间和充电损失的平衡优化问题,提出了一种基于SOC自适应分阶的两步优化多阶恒流充电策略。为实现充电过程的优化分阶,利用改进的二分K-means算法对基于内阻曲线的采样点集进行聚类,实现了充电区间关于内阻变化和分布特征的自适应划分。基于分阶优化结果,采用改进的非支配排序哈里斯鹰优化算法(INSHHO)求解优化电流对应帕累托前沿。利用Logistic混沌初始化及自适应t分布突变算子对哈里斯鹰模型(HHO)进行改进,进一步提升算法的全局寻优能力。最后通过充电对比试验,将优化多阶恒流充电策略与恒流恒压策略(CC-CV)和均分多阶恒流充电策略在不同充电时间条件下进行充电性能对比。结果表明:在充电时间保持一致的条件下,提出的优化多阶恒流充电策略较恒流恒压策略和均分多阶恒流充电策略的充电欧姆损失最大分别减少1.03%和0.3%;在温升表现上,优化多阶恒流充电策略较均分多阶恒流充电策略的充电温升最多降低了0.82℃。