锂离子电池最优充电电流预测方法研究

为解决锂离子电池最优充电中电流设定的关键问题,提出蚁群算法（ACO）优化回归型支持向量机（SVR）核心参数,并将蚁群优化的回归型支持向量机（ACO-SVR）用于最优充电电流的预测。SVR核心参数[C]和[g]以节点值的形式在蚁群系统中体现,以交叉验证意义下误差作为目标函数更新节点信息素浓度,经过有限次迭代得到最优[C]和[g]值,使SVR性能最优。根据锂离子电池实测充电数据建立了ACO-SVR最优充电电流模型,结果表明ACO-SVR模型具有较少的寻优时间和较好的预测精度,通过理论分析和实验数据验证了该方法具有一定的实用性和有效性。     

基于微粒群算法的无刷直流电机单神经元自适应控制

为提高无刷直流电机速度控制性能,提出一种基于微粒群优化算法的单神经元自适应速度控制算法,该算法利用单神经元在线调整连接权值的能力,实现无刷直流电机速度的自适应控制.针对传统单神经元权值调整规则容易陷入局部最优等不足,利用微粒群优化算法良好的全局和局部寻优能力对单神经元连接权值进行在线调整,提高了单神经元的自学习、自适应...     

蓄电池活化诊治系统设计与实现

提出了一个基于微控制器的智能蓄电池活化诊治系统的实现方案。系统由工控机、主控制器、数据采集、从控制器、LCD显示及触摸屏、充放电单元、数据存储、USB接口、以太网接口和无线接口组成,它采用微处理器控制技术解决了传统的蓄电池活化诊治费时费力,智能化程度低,同时存在事故隐患的问题。     

基于DE-SVM的柴油机气门故障诊断方法及应用

针对柴油机故障诊断样本少的实际问题,结合支持向量机的特性和微分进化算法良好的全局优化性能,提出了一种微分进化算法优化支持向量机方法.利用柴油机气门振动信号实测数据,经小波变换作为诊断模型的故障特征,建立了基于微分进化算法优化支持向量机的柴油机气门间隙故障诊断模型,并与反向传播神经网络算法、基于遗传算法优化支持向量机和基于粒子群优化支持向量机的模型相比较,结果表明:应用微分进化算法优化支持向量机比其他三种算法具有更优性能,能够有效地进行柴油机的故障诊断.     

改进Elman网络在锂离子电池容量预测中的应用

为了准确估算锂离子电池的荷电状态（SOC）,在分析影响锂离子电池剩余容量时变特性的基础上,综合国内外几种常用的预测锂离子电池方法,将改进Elman网络应用到锂离子电池的容量预测和模型建立中。实验结果表明：该网络不仅局部泛化能力好,而且有较好的动态性能和逼近能力,能够满足电池容量预测的误差要求。     

基于DE优化SVR的锂离子电池剩余容量预测

在分析了支持向量机回归算法(SVR)对剩余容量模型非线性回归基础上,针对SVR参数选择难的问题,提出了一种基于微分进化(DE)算法优化SVR的算法。DE具有强劲的全局搜索能力,将其应用到SVR的参数寻优当中去,可以寻找到SVR的最优参数。将该方法应用于锂离子电池剩余容量的预测模型,并将生成的模型和基于粒子群优化(PSO)算法的SVR锂离子电池容量预测模型比较。仿真结果表明,基于DE优化的SVR剩余容量预测的精准度高于PSO优化的SVR剩余容量预测精准度,为锂离子电池容量预测提供了一种新的方法。     

柴油机故障诊断中的遗传与模糊C-均值混合聚类分析算法

该文探讨了遗传算法与模糊C-均值算法相结合的混合聚类分析算法,给出了在柴油机故障诊断中的应用,效果良好。     

一种中小型通信电源站微机实时监控系统

本文从硬件和软件两方面介绍了一种通信电源微机控制系统的设计方法。     

基于骑士巡游变换的数字图象细节隐藏技术

为了研究一种不致引起他人破解欲望只置乱图象细节。而不破坏图象总体形象的数字图象隐藏技术,首先给出了骑士巡游问题及骑士巡游矩阵的概念,并提出了一种新的图象置乱变换--骑士巡游变换,同时分析了该变换方法隐藏图象细节的原理;然后,给出了图象细节隐藏的实验结果,实验结果表明,该方法不仅达到了隐藏图象细节而不破坏图象总体形象的目的,而且使隐藏图象看上去像受到某种噪声干扰一样,从而不易引起别人破解的欲望,同时该变换还可以很好地将文字信息隐藏在图象之中;最后,对骑士巡游变换在图象伪装与隐藏方面的特性进行了分析,表明该变换具较高的保密度和较强的免疫性。     

一种基于VC动态链接库的操作WORD的实现方案

使用动态链接库和COM方式相结合的方法来操作WORD文档是一种有效的报表生成方案。在这种方案中，使用VC 语言编写的客户端程序通过COM方式访问WORD服务器端提供的接口，同时将所有对WORD的访问细节都封装在动态链接库中，使WORD报表的生成变得非常方便和简单。