一种基于Boosting目标识别方法

Boosting算法是近年来在学习领域出现的用于提高算法精度的方法.由于它的算法简单实用,执行效率高,现已广泛应用于目标识别中.与其他算法不同的是：它不是直接构建一个高精度的算法,而是通过多次学习将弱分类器组成一个强分类器.针对传统识别方法检测率低的特点,提出一种基于集成学习的方法：利用图像目标的片段作为特征,用Boosting方法训练的分类器对目标进行分类.实验结果表明算法具有鲁棒性,对复杂场景中的目标具有较高的识别精度.     

锂离子电池在高脉冲工况下老化机理的分析与研究

随着性能的不断提高，锂离子电池也开始应用到高能器件上，通常要求电池频繁做大电流脉冲放电。然而当前学术界对电池老化的研究只关注循环充、放电工况或其他车用工况，对高脉冲工况缺少研究。本文旨在研究高脉冲工况下锂离子电池老化特性及规律。在循环工况实验过程中，通过电性能测试，即容量测试、混合脉冲功率特性测试和容量增量测试，分析锂离子电池的老化特征。结果表明，相对于1 C循环老化工况，高倍率脉冲放电工况下的电池容量衰减更快，至480周循环容量衰退率就达到21.8%。内阻增加同样表现得迅速，480周循环极化内阻与欧姆内阻增长率分别达到85.0%与141.3%,是1 C循环工况电池的数十倍。同样IC/DV曲线变化也更加明显。