锂离子电池内部状态检测与预测方法研究

随着电动车辆的广泛应用和市场需求的日益增长,锂离子电池作为电动车辆的重要能源储存装置,掌握电池内部状态的变化趋势和预测其性能的稳定性具有重要意义。因此,本文提出了锂离子电池内部状态检测与预测方法。首先,通过对锂离子电池的结构和工作原理进行分析,我们了解到电池内部的各个参数和状态对电池的性能和寿命有着重要影响。其次,提出了一种基于改进卡尔曼波算法的锂离子电池内部状态的预测方法,通过分析电池的历史数据和运行状态建立电池的模型,对电池内部状态进行检测。通过对比各种方法,结果表明,使用所提出的方法可以有效地检测和预测锂离子电池的内部状态,具有更高的准确性和稳定性。

基于多方向梯度边缘预测器快速边缘检测算法

改进了无损压缩编码中的梯度自适应预测器(GAP)和梯度边缘检测(GED)预测器,并应用在图像边缘检测中,提出基于多方向梯度边缘预测器(MGEDP)的动态阈值控制的边缘检测算法。该方法主要步骤为:1)从图像中心划分四个区域;2)采用并行技术多个方向应用MGEDP模板,分别预测错误值,利用错误反馈信息构建预测误差图像;3)利用大津算法计算阈值,分类误差图像边缘;4)细化边缘;5)合成边缘图像。实验证明:应用并行技术降低了时间复杂度,以中心逐步向四周选择预测参考点避免了误差繁衍,最终得到清晰完整、细节丰富的边缘图像。

基于无人机图像的输电线路部件检测方法研究

针对无人机电力巡检模式在图像快速检测方面存在的自动化程度和效率低等问题,提出了一种将单级多框预测检测器SSD与特征金字塔网络FPN相结合的输电线路部件检测方法,并对绝缘子故障进行检测。在SSD目标检测的基础上,加入了FPN特征金字塔结构,局部融合层间特征信息。实验验证了文中所提方法的优越性。实验结果表明,在部件检测中,该方法对大、中、小尺寸目标均具有良好的检测效果,检测精度在90%左右,在绝缘子故障检测中检测精度达到87.4%。为输电线路部件检测技术的发展提供了参考。

配电网谐波实时补偿系统预测检测策略

针对配电网电源侧谐波实时补偿系统提出了基于小波理论预测检测策略。其核心是跟踪电流基波分量 ,以半周期为采样更新速度 ,对负荷电流的基波分量进行递推式预报 ,避免了相关一般检测方法所引起的时滞。仿真结果表明 ,该检测方法有效、实用。

探究计算机网络流量异常的检测和预测

随着计算机使用的普及,网络安全成为人们关注的重点对象,针对计算机网络中的多种异常问题和现象,可以通过对计算网络中的流量进行监控来及时发现计算机网络流量中发生的异常情况,并针对相应的情况采取积极的应对措施,确保计算机网络的安全。针对计算机网络流量异常的检测和预测问题,概述网络流量异常检测和预测的意义,分析现有的网络流量异常检测技术,希望对维护互联网计算机网络的稳定起到一定积极的作用。

无缝轨道钢轨闪光焊接的质量检测与预测

众所周知,我国人口众多,在地理位置中我国东西南北之间的跨度也是非常大,因此为了解决人们的出行问题,就要想方设法建造更多的基础设施。伴随着经济的不断发展,客运总量越来越大,客运的时间也越来越长,所以必须要有高质量安全的设施才能满足人们的要求。在现阶段的发展当中,铁路运输是我国一种重要的运输方式,而铁路运输需要轨道的建造和铺设。在本文中,我们将对无缝轨道钢轨闪光焊接的质量检测与预测进行探讨。

试谈变电一次设备故障的预测及检测方法

在变电站的所有设备中,变电一次设备是核心内容,它的整体运行的情况对于整个电网的安全是非常重要的,所以务必要做好它的故障预测以及检测的工作。而如今社会智能设备的推进,电网的各方面都有很大的完善,我们已经可以提前预测和检测变电一次设备的故障。不仅如此,我们需要在保证设备对其他无影响的情况下单独切除,就需要合适恰当的方法。

试论计算机网络流量异常的检测和预测

随着社会发展进程的不断加快,计算机信息技术获得飞速发展,通信公司专网宽带用户数量也不断增加。为了确保用户的宽带连接更加高速、可靠,针对不同类型用户所开展的不同宽带接入方式,实现对现存网络资源的合理运用。研究展开对计算机网络流量异常检测及预测的研究,及时发现网络流量异常情况,在概述计算机网络流量异常基础之上,分析网络流量异常检测技术,以及大规模网络中异常预测框架,及时借助高性能测量及在线分析路由信息、网络流,预测网络流量异常实时报警。

脆性材料亚表面损伤检测研究现状和发展趋势

脆性材料加工过程中引入的亚表面损伤,对材料的使用寿命、性能、下道工序的移除量等都有很大的影响。为了指导加工工艺,加强对加工过程的控制,对材料的亚表面损伤层的检测显得尤为重要。从破坏性检测技术和非破坏性检测技术两种不同类型的亚表面损伤层检测方式、理论模型预测和亚表面损伤检测方法的应用效果对比四个方面进行阐述和分析,对不同的检测方式进行比较,并说明其原理、优缺点及应用范围,最后对该领域科学研究的发展现状进行了总结和今后的发展趋势进行展望。

舰船水压信号的预测方法研究

提出了一种能从海浪水压信号背景下提取舰船水压信号的预测异常检测 (PAD)方法。模型预测值与测量值相比较所得的差值被作为检测舰船水压信号是否存在的判据。讨论了作为 PAD中预测模型的线性的自回归(AR)模型和非线性的神经网络 (NN)模型 ,并用模拟数据和实测数据对二者进行了比较。仿真结果表明 ,PAD效果良好 ,预测模型中 ,NN模型要优于 AR模型。

面向虚拟手术的碰撞检测优化算法

为了提高虚拟手术仿真系统中碰撞检测算法的效率,基于混合包围盒碰撞检测法,提出了一种快速的碰撞检测优化算法。首先利用S-AABB上层包围盒进行粗略碰撞检测,然后利用球包围盒进行底层精确碰撞检测,并采用2种优化方法代替传统上建立层次二叉树的过程。采用分区域碰撞检测法,使每次检测只是针对某一个区域内的单元体,有效地提高了碰撞检测效率;采用预测碰撞检测法,当碰撞连续发生时,预测出即将可能发生碰撞的单元体,只是针对这些单元体进行碰撞检测。最后通过实验数据,证明了该碰撞检测算法及其优化方法的有效性及其快速性。

人工智能大模型在智慧农业领域的应用

人工智能(AI)技术在智慧农业领域的应用,正引领农业现代化的新浪潮。基于此,该文介绍了人工智能大模型的基本概念,分析了现阶段智慧农业的现状与挑战,并详细阐述了人工智能大模型在智慧农业中的具体应用,包括作物病虫害检测与预测、智能灌溉系统与水资源管理、作物生长监测与产量预测以及农业机器人与自动化作业,总结了人工智能大模型带来的革新与优势,包括提高农业生产效率与产量、降低资源消耗与环境影响、优化决策制定与风险管理。人工智能大模型在智慧农业领域的应用为实现可持续农业发展提供了重要支持。

战场环境因素对机器视觉目标检测的影响

为研究战场环境中不可知因素对机器视觉目标检测的影响,以便对军事目标检测和伪装隐身技术提供参考。针对基于在小样本数据充分训练后的Faster R-CNN、YOLOv4和CenterNet三种目标检测模型,利用分辨率变换和目标特征控制手段降低了检测数据集中目标的显著性,之后进行了目标检测。实验结果表明:那些导致目标显著性明显降低的战场环境因素,大幅降低了机器视觉目标探测的效果。

结肠腺瘤性息肉病患者的家系调查及APC预测性基因检测研究

目的对于结肠腺瘤性息肉病患者的家系调查和预测性基因检测在我国尚未系统开展,其实践价值也未见报道。本研究意在探索预测性基因检测对我国结肠腺瘤性息肉病家系的实际意义。方法我们基于上海长海医院遗传性结直肠癌筛查防治中心开展了一项横断面调查,即在家系调查的基础上开展APC相关息肉病家系的预测性基因检测。先证者临床信息的收集和家系调查将围绕结肠息肉病的临床分型等核心信息开展,并锁定先证者可追踪的一级亲属作为预测性基因检测对象。APC基因检测方法包括Sanger测序、二代测序和多重连锁探针扩增分析,所获得APC基因变异包括点突变和大片段缺失。基于按照年龄分层得出的变异检出率探讨开展预测性基因检测的恰当时机。结果研究共纳入APC相关息肉病家系65个,先证者临床表现包含结肠腺瘤、胃及十二指肠腺瘤、甲状腺肿瘤、先天性视网膜色素上皮肥大、颌骨及牙齿异常、硬纤维瘤等。预测性基因检测对象为130名无症状亲属,其中男性61名。65个家系共携带49种APC基因胚系变异,其中13种变异既往未见报道。亲属受检者中位年龄为12(6,24)岁,检测发现家系变异携带者共52名,变异检出率为40%。限定受检者年龄上限进行分析,以50岁为整体的年龄上限,每5岁作为一档,变异检出率分别为53.8%、48.2%、52.1%、50.6%、47.6%、44.2%、43.0%、41.6%、40.9%、40.3%。7岁、14岁、18岁这三个重要年龄节点的变异检出率分别为52.6%、52.1%、48.8%。将受检者限定为先证者的晚辈,则变异检出率为44.1%(52/118)。结论对以APC相关息肉病为代表的致病变异明确的结肠腺瘤性息肉病家系来说,预测性基因检测能够实现致病变异携带者的早期确认从而实现早诊早治。预测性基因检测的变异检出率整体上呈现出随受检者年龄降低而增加的趋势,受检者年龄在25岁及以下时的检出率已接近50%。

水煤浆气化炉内件损坏原因分析及改进措施

对水煤浆气化炉内件损坏原因进行分析,并提出相应的改进措施。首先介绍了水煤浆气化炉的应用及内件的种类和作用,详细分析了内件损坏的常见原因,包括机械磨损、腐蚀和高温烧蚀等。在针对不同原因的基础上,提出了相应的改进措施,包括选用更耐磨、耐腐蚀和耐高温的材料、加强冷却和控制气体成分和温度等。最后介绍了常见的内件损坏检测技术和内件损坏预测模型。该研究成果对于提高水煤浆气化炉的生产效率和减少损失具有重要的理论和实际意义。

低温卷烟加热装置电源能效管控系统

伴随着低温卷烟加热装置的快速发展,加热装置电源能效管控系统的优化方式越来越受到重视。针对加热装置抽吸口数和电量指示检控不准等问题,提出一种基于神经网络管控的新方法来在线实时检测和预测抽吸口数和电量。首先根据加热装置当前电压和电池剩余容量建立Elman神经网络系统,通过初始数据训练得到神经元的权值和阈值;其次通过斩波单元将预测得到的电量和剩余容量输出到加热单元,加热单元再通过电阻温度系数来精准控制吸烟口数;最后通过MATLAB搭建的仿真系统和实验样机验证了此方法的可行性。

智能材料与结构及其在智能飞行器中的应用

为了满足民用和军事领域对智能飞行器日益增长的需求,在承载、连接等功能的基础上,具有自诊断、自适应、自控制、自修复等“智能功能”的智能结构应运而生。这一技术的出现显著地推动了航空领域的发展,如利用形状记忆合金作为驱动器驱动指定结构变形可以改变飞行器气动性能,而利用压电材料作为传感器和驱动器对结构进行健康监测和振动噪声控制是当前智能结构研究的重要方向。以此为背景,介绍了南京航空航天大学智能结构研究团队近十年来在智能结构方面的研究进展,以期为智能结构技术的发展与创新提供可以借鉴的思路。

基于预测残差检测的数字视频篡改鉴定

论文主要研究了在没有数字水印和数字签名的情况下,依据数字视频文件本身的特性对其真实性做出鉴定。同时,针对一种常用的视频文件编码格式——MPEG进行分析和研究,利用预测残差在篡改后会周期性出现显著变化的特征,可以检测出视频文件是否经过了删除或插入某几帧的篡改操作,从而为司法鉴定提供判断的依据。

基于DTW算法的语音识别系统实现

动态时间归整 (DTW )算法的实现简单有效 ,在孤立词语音识别系统中得到了广泛的应用。介绍了将DTW算法移植到TMS32 0VC5 40 2上实现孤立词语音识别的原理、系统硬件组成和软件设计。研究结果表明 ,系统能满足实时性能要求 。

基于双流外观运动语义融合的视频异常行为检测架构

视频异常行为检测目的在于检测出稀少且随机的异常事件,这些异常事件通常偏离预期。现有的检测方法没有将事件的外观语义和运动语义进行结合考量,所以导致检测效果不佳。由于正常事件的外观语义和运动语义高度一致且对应,而异常事件的语义一致性较低。本文基于此,提出一种双流融合的混合网络进行异常行为检测。利用多尺度融合的自编码器分别记录事件的外观语义和运动语义,生成对应的重建外观帧和重建运动帧。之后将两帧进行融合生成最后的预测帧。本文通过引入时间注意力来增强模型表示运动语义的能力并捕捉正常行为的有效规则运动。在三个标准公开数据集的实验表明,本文提出的方法可以准确检测异常事件,其性能可与最先进的方法相媲美。