电动汽车锂离子电池荷电状态估算方法研究综述

锂离子电池具有循环寿命长、能量密度高、自放电率低、环境污染小等优点,在电动汽车产业中得到广泛应用。电动汽车中的电池管理系统(BMS)可以维护和监测电池状态,确保电池的安全性和可靠性。电池荷电状态(SoC)表示电池中剩余的电量,是BMS的重要参数之一,实时精确的SoC估算可以延长电池寿命,保障行驶安全。然而锂离子电池是一个高度复杂的非线性时变系统,电池寿命、环境温度、电池自放电等许多未知因素均会对估算精度造成影响,使估算难度大大增加。为了满足不同条件下对锂离子电池SoC精确、快速、实时估算的要求,需要对SoC估计算法进行进一步研究与改进。近年来已有相关文献对锂离子电池SoC的估算方法进行了综述,然而已有相关综述对估算方法的总结不够全面且缺少流程表达。该文首先介绍了锂离子电池的工作原理,阐述了影响电池SoC估算的因素;其次,通过总结最新的研究成果对电池SoC估算方法进行了归纳分析,根据各类算法的不同特性将其分为查表法、安时积分法、基于模型的方法、数据驱动的方法以及混合方法五大类,说明了各类估算方法的主要特征并对模型或算法的优缺点进行综合的比较和讨论;最后,对电动汽车中锂离子电池SoC估算方法的未来发展方向做出展望。

基于忆阻神经网络的光伏面板清扫机器人PID控制器研究

机器人清扫是光伏面板高效、便捷的清扫方式。文章研究了光伏面板清扫机器人的PID控制器的优化策略。文章基于忆阻器独特的纳米级电路特性,设计了一种新型的突触电路;然后,基于新型的突触电路,构建对应的神经元和神经网络电路,并将忆阻神经网络和光伏面板清扫机器人中的PID控制器相结合,提出一种新型PID控制方法,该方法在一定程度上解决了传统PID控制器体积大、功耗高和相关参数不可调的问题;最后,基于仿真结果验证了文章提出方案的可行性和有效性。

基于改进BERT-BiGRU模型的文本情感分类研究

针对目前网络评论文本情感分类准确性不高的问题,提出一种基于BERT和双向门控循环单元(BiGRU)的改进模型,使用能够表征文本丰富语义特征的BERT模型进行词向量表示,结合能够长期保留文本上下文关联信息的BiGRU神经网络提高模型的分类效果,并在此基础上引入注意力机制,突出文本中更能表达分类结果的情感词权重,提高情感分类的准确率。将上述模型分别在Acllmdb_v1和酒店评论两个公开数据集上进行测试,实验结果表明,该模型在中、英文文本情感分类任务中都获得了良好的性能。

基于Stacking分类融合的海洋哺乳动物声学识别研究

在自主研制的高精度声学探测系统采集的海洋哺乳动物声学数据基础上,提出一种基于Stacking分类融合的声学数据处理算法。该方法融合了支持向量机(Support Vector Machines,SVM)、K最近邻(K-Nearest Neighbor,KNN)、决策树(Decision Tree)、朴素贝叶斯(Naive Bayes model)4种单分类模型,并采用Labview软件开发,将采集的水下哺乳动物音频数据提取梅尔频率倒谱(Mel-Frequency Cepstrum Coefficient,MFCC)系数作为分类的特征参数用于对海洋哺乳动物分类。采用6个海洋哺乳动物种类共4042个样本进行测试,和单分类模型识别率最高的SVM模型相比,该方法的识别率提升了3.30%,且在精准率、召回率、F_(1)值等分类评估指标中也有更好的表现。

一种基于三角数分解的可配置2-D卷积器优化方法

多尺寸2-D卷积通过特征提取在检测、分类等计算机视觉任务中发挥着重要作用。然而,目前缺少一种高效的可配置2-D卷积器设计方法,这限制了卷积神经网络(CNN)模型在边缘端的部署和应用。该文基于乘法管理以及奇平方数的三角数分解方法,提出一种高性能、高适应性的卷积核尺寸可配置的2-D卷积器。所提2-D卷积器包含一定数量的处理单元(PE)以及相应的控制单元,前者负责运算任务,后者负责管理乘法运算的组合,二者结合以实现不同尺寸的卷积。具体地,首先根据应用场景确定一个奇数列表,列表中为2-D卷积器所支持的尺寸,并利用三角数分解得到对应的三角数列表;其次,根据三角数列表和计算需求,确定PE的总数量;最后,基于以小凑大的方法,确定PE的互连方式,完成电路设计。该可配置2-D卷积器通过Verilog硬件描述语言(HDL)设计实现,由Vivado 2 022.2在XCZU7EG板卡上进行仿真和分析。实验结果表明,相比同类方法,该文所提可配置2-D卷积器,乘法资源利用率得到显著提升,由20%~50%提升至89%,并以514个逻辑单元实现1 500 MB/s的吞吐率,具有广泛的适用性。

集成全局局部特征交互与角动量机制的端到端多目标跟踪算法

针对多目标跟踪(MOT)算法性能对于检测准确度和数据关联策略的依赖性问题,该文提出一种新的端到端算法。在检测方面,首先基于特征金字塔网络,提出空间残差特征金字塔模块(SRFPN),以提升特征融合和信息传递的效率。随后,引入全局局部特征交互模块(GLFIM)来平衡局部细节和全局上下文信息,增强多尺度特征的专注度,提高模型对目标尺度变化的适应性。在关联方面,引入角动量机制(AMM),充分考虑目标运动方向,以提升连续帧之间目标匹配的精确性。在MOT17和UAVDT数据集上进行实验验证,所提跟踪器的检测性能和关联性能均显著提升,并且在目标遮挡、尺度变化和杂乱背景等复杂场景下表现出良好的鲁棒性。

基于轻量化YOLOv5的新型菜品识别网络

为了更好地满足中餐菜品识别对准确性和时效性的应用需求,设计一种新型的菜品识别网络。在原YOLOv5模型的基础上,结合Supermask方法与结构化通道剪枝对模型进行剪枝操作,并利用Int8量化技术最终实现对模型的轻量化处理,保证模型在菜品识别中兼顾准确率和速度,同时提高模型的可移植性。实验结果表明,所提模型在交并比(IoU)为0.5时,平均精度均值(mAP)达到99.00%,平均每帧识别时间达到59.54 ms,相较于原始YOLOv5降低了20 ms,且准确率基本保持一致。此外,利用Qt软件将新型菜品识别网络移植到瑞萨RZ/G2L开发板,构建智能出餐系统,可实现点餐、生成订单、自动出餐全流程,为未来真正的餐厅智能出餐系统的构建应用提供了理论与实践基础。

计算成像——全光视觉信息的设计获取

真实世界的视觉光信息是复杂的高维度连续的信号;而现有的数字成像方式是低维耦合离散采集,在成像的各个维度——空间分辨率、时间分辨率、视角及深度、颜色(光谱)等均已达到瓶颈:这极大限制了场景视觉信息的全面获取。计算成像,综合信号处理、光学、视觉、图形学等多学科知识,可突破经典成像模型和相机硬件的局限,以更加全面、精确地捕捉真实世界的视觉信息。文章从计算成像的进化史、计算成像的基本原理、计算成像研究动态、计算成像的关键技术以及计算成像的未来展望等方面,从全光视觉信息的设计获取角度阐述了计算成像的相关概念与理论。

基于关键特征信息感知和在线自适应掩模的孪生网络目标跟踪

近年来,孪生网络在视觉目标跟踪的应用给跟踪器性能带来了极大的提升,可以同时兼顾准确率和实时性。然而,孪生网络跟踪器的准确率在很大程度上受到限制。为了解决上述问题,该文基于通道注意力机制,创新地提出了关键特征信息感知模块来增强网络模型的判别能力,使网络聚焦于目标的卷积特征变化;在此基础上,该文还提出了一种在线自适应掩模策略,根据在线学习到的互相关层输出状态,自适应掩模后续帧,以此来突出前景目标。在OTB100,GOT-10k数据集上进行实验验证,所提跟踪器在不影响实时性的前提下,准确率相较于基准有了显著提升,并且在遮挡、尺度变化以及背景杂乱等复杂场景下具有鲁棒的跟踪效果。

一种改进的PMSM模型预测直接转矩控制方法

针对永磁同步电机直接转矩控制转矩和磁链脉动大、开关频率不恒定的问题,对转矩脉动和开关频率不恒定原因进行分析,结合占空比和SVPWM调制思想,提出了一种新型PWM调制的永磁同步电机模型预测直接转矩控制。采用代价函数代替传统直接转矩控制的电压矢量选择表,根据转矩和磁链的综合误差确定所选有效电压矢量以及占空比,将选择的有效电压矢量和零电压矢量按空间电压矢量合成顺序产生使开关频率恒定的PWM。另外,考虑到采样和控制的延时,对转矩和磁链进行多步预测,提前一个控制周期计算并输出所需要的PWM波。仿真和实验结果表明,基于新型PWM调制的PMSM模型预测直接转矩控制方法能够使逆变器开关频率恒定,降低相电流的谐波含量,进而有效抑制转矩和磁链脉动,提高了DTC的转矩控制精度。

基于闪动快门的互补序列对的运动模糊图像复原

针对传统曝光模式下运动模糊图像复原的病态性问题,提出了一种基于闪动快门互补序列对的运动模糊图像复原方法.分析了闪动快门成像原理及其码字序列在频域的相关特性,结合编码序列对之间的信息互补特点,引入Golay互补序列生成理论,构建长度适中的二进制闪动快门互补序列对.互补序列对的联合调制传递函数在频域上实现了信息互补,其曲线对比单码字的调制函数具有更大的最小值和更小的方差值,且其构成了峰值-谷值对应,保证了互补图像序列能够相互补偿由于运动模糊所造成的空间信息损失.引入全变分正则化模型,构造一体化的多帧图像去模糊复原算法框架,实现清晰图像的有效获取.搭建了运动目标实拍仿真成像平台,开展了仿真和实拍运动模糊复原实验.实验结果表明,该方法能够更好地保留场景细节信息,获得高质量的运动模糊复原结果,有效改善复原过程中的负效应.相较于其他几种运动目标成像获取方式,该方法复原图像具有更好的主客观评价结果.

结合编码曝光和运动先验信息的局部模糊图像复原

针对局部运动模糊图像复原的病态性和背景被破坏的问题,提出基于编码曝光和运动先验信息的局部模糊图像复原方法.分析编码曝光成像理论模型,建立最优码字选取的适应度函数准则.通过物像关系,获得运动目标的点扩散函数(PSF)像移尺度初步估计参数,作为运动先验信息.采用背景差分法进行目标提取,综合编码曝光运动模糊图像的叠加特性,实现对运动模糊目标区域的精确提取.结合先验信息,引入基于贝叶斯最大后验概率框架的student-t复原算法进行PSF精确估计和复原重建,快速迭代得到复原结果.搭建实验仿真系统,并开展针对实际运动目标的复原实验.实验结果表明,该方法能有效改善传统曝光中运动模糊复原的病态性问题,抑制复原过程中目标图像边缘振铃及背景噪声的放大效应,所复原图像具有更好的主客观评价结果.

旋转自适应的多特征融合多模板学习视觉跟踪算法

目标发生旋转及遇到外界干扰时会给目标跟踪带来巨大挑战,针对该问题,文中提出旋转自适应的多特征融合多模板学习跟踪算法.首先,构建具有互补特性的多模板学习模型,全局滤波器模板用于跟踪目标,当判定滤波器模板确定全局滤波器模板被污染时,使用修正滤波器模板对全局滤波器模板进行修正.然后,将颜色直方图作为视觉补充信息和VGGNet-19特征图进行自适应融合,提升全局滤波器模板对目标外观的判别能力.最后,提出旋转自适应策略,采用改进的跟踪置信度,估计跟踪框最佳旋转角度,减轻目标旋转带来的全局滤波器模板性能衰退.在OTB-2013、OTB-2015数据集上的实验表明,文中算法的成功率和精确率较高.

使用局部视觉显著分析的红外图像增强

红外增强是提升红外成像质量、凸显目标信息的有效手段之一。利用在局部窗口内计算视觉显著图来帮助实现红外图像的增强。利用局部空间区域内的中心-周围像素灰度加权距离法衡量显著性,由此获取显著图来表征模拟人眼以赋予不同像素区域的权重;结合视觉显著图的提取,在此基础上实现红外图像的增强;选取几组红外图像进行实验,结合主客观评价对多种增强方法进行评估。实验结果表明,与其他方法相比,所提方法的结果具有更好地视觉效果,能凸显图像细节即目标信息,能有效实现目标与背景的对比增强。

电化学微传感器检测水中痕量铜离子

为改善微电极在阳极溶出伏安法检测重金属离子过程中低电流响应和低电催化能力的缺点,提出了一种在碳纤维微电极表面合成还原氧化石墨烯/纳米金材料制得还原氧化石墨烯纳米金修饰碳纤维微电极(rGO/AuNPs CFMEs)的方法.通过SEM表征,所制备的rGO/AuNPs CFMEs具有比表面积高、吸附能力强和催化活性好的特点,因此改性微电极适合作为方波阳极溶出伏安法(SWASV)测定水中铜离子(Cu2+)的工作电极.在构建微传感器测试水中痕量铜离子系统后,对pH值、电导率、富集时间和富集电位等检测条件进行了优化.在pH值为4,电导率为36.1S/m,富集时间为360s,富集电位为-1.2V的最佳条件下,铜的线性范围和检出限分别0~1.0μmol/L和2.4nmol/L.此外,微传感器的可重复性、长期稳定性以及选择性也得到了验证.

一种基于斯皮尔曼秩相关结合神经网络的电池组内部短路故障检测算法

电池组是电动汽车能源系统的重要组成部分,保障其安全性对电动汽车的智能化发展和人的生命财产都具有重要的意义,检测和保障能源系统中电池组的安全性已成为动力电池领域内的研究热点。神经网络被应用于电池组的各项数据检测中,但在电池组内部短路故障中基于相关系数等信号处理的方法仍广泛使用,其实现方案往往存在针对特定对象、需要特定环境、泛用性能较差等问题。基于此,该文融合相关系数和神经网络的特点,提出一种基于斯皮尔曼秩相关结合三通道卷积双向门控循环神经网络(TBi-GRU)的电池组内部短路故障检测算法。首先,基于斯皮尔曼秩相关系数,滑动窗口联合无量纲化,标准化多维度的电池组运行特征;接着利用提取的正常状态下电池组运行特征训练TBi-GRU神经网络;然后基于已训练好的TBi-GRU模型检测内部短路状态下的电池组运行特征,结合预测结果与各通道的动态阈值对电池组状况进行检测。通过理想条件的仿真分析与实际环境的平台验证,验证了该方法能够充分结合斯皮尔曼秩相关系数的鲁棒性强和TBi-GRU神经网络泛用性强的特点,识别出电池组的内部短路故障。

基于多阶段多尺度彩色图像引导的道路场景深度图像补全

道路场景深度图像对于道路目标检测、智能驾驶汽车、场景3维重建等研究和应用都是至关重要的,但是由于硬件条件的限制,激光雷达获取的场景深度图像非常稀疏,道路场景深度补全旨在利用稠密的场景彩色图像指导稀疏雷达深度图像的补全重建,是目前的研究热点。该文设计了一种新型的多阶段多尺度引导的轻量化编解码网络来实现道路深度图像的高质量补全。该文网络由“彩色引导”和“精细化补全”两个阶段构成。在两个阶段的编码端,提出带有通道随机混合的轻量化多尺度卷积模块,更好地提取图像特征的同时控制网络的参数量。在两个阶段的解码端,采用通道感知机制来实现对重要特征的聚焦。同时将“彩色引导”阶段解码端的多尺度特征融合到“精细化补全”阶段的编码端中,实现多阶段多尺度的特征引导。在训练过程中,该文设计了多损失函数策略来完成由粗到细的深度图像补全。实验表明所提算法能实现高质量的深度图像补全并且具有轻量化的网络结构。

氧化石墨烯掺杂量与pH值对石墨烯气凝胶储能性能的影响

采用溶胶凝胶法制备石墨烯气凝胶(GA),并研究了前驱液中的pH值与氧化石墨烯(GO)的质量分数对GA材料储能性能的影响.使用X射线粉末衍射(XRD)、X射线光电子能谱(XPS)、氮气吸脱附分析、扫描电子显微镜(SEM)对样品微观结构与形貌进行表征.用循环伏安(CV)、恒流充放电(CP)、电化学交流阻抗(EIS)测试了样品的电化学性能.结果表明,前驱液中的pH值及GO质量分数的不同会影响GA中团簇颗粒的大小和数量,进一步影响GA三维结构.在pH值为6.3、GO的质量分数为1%时,制得的GA比表面积最大为530 m^2·g^−1,在1 A·g^−1的电流密度下比电容高达364 F·g^−1.此外,将该材料制成对称超级电容器具有高的库伦效率,在1 A·g^−1下进行CP测试,得到电容器的比电容为98 F·g^−1,循环800次后其循环稳定性能为初始比电容值的95.9%.

基于Wi-Fi的可穿戴心电监护系统设计

为解决心电监护仪成本高、体积大、使用不便、心电图(ECG)信号易受噪声干扰等问题,设计了基于Wi-Fi的可穿戴心电监护系统。心电采集前端增加41Hz低通滤波器与0.5Hz高通滤波器,并在程序中嵌入数字滤波算法消除呼吸基线漂移和工频干扰。前端节点将采集到的ECG数据通过Wi-Fi上传至QT上位机,上位机实时显示、优化、处理与保存ECG数据。实验测试表明,该系统有效抑制了噪声信号,ECG波形优化良好,支持远程查看患者实时ECG以及生理参数,人体静息心率测量精度在±2%以内。

光学多普勒无创血流测量技术的发展与现状

基于光学多普勒效应的无创血流测量技术具有实时性、无需介质、非侵入式等性质,在临床医疗等领域存在着极大价值与应用前景。目前光学无创血流测量技术主要有激光多普勒血流测量技术、光学相干层析多普勒成像技术和光声多普勒血流测量技术。对这3种技术进行了原理分析,简述了其研究现状,并对这些新型技术的未来和发展进行了展望。