半讨厌型设施选址问题的模型与算法

研究了结合网络和平面模型的半讨厌型设施的选址问题.半讨厌型设施结合了讨厌型设施与喜爱型设施的性质,一方面由于这些设施对人们带来很多副作用,人们想要远离他们以避免遭到污染,但同时人们又希望距离设施不要过远,因此建立0-1整数模型,在保证所有人使用该设施的距离不超过既定距离的基础上,使污染范围最小.由于该问题是NP困难问题,本为给出了启发式算法,通过算例进行了比较分析,证明了算法的有效性.     

基于非线性优化的单目视觉/惯性组合导航算法

针对自主移动机器人在GPS拒止环境下准确实时定位的问题,提出一种单目视觉/惯性组合导航算法。为解决视觉/惯导工作频率不一致问题,利用预积分技术预先处理惯性测量值;引入了一种快速高精度线性初始化方法,分步估计初始系统尺度、重力方向、速度及零偏;结合全局地图三维点约束削弱累积误差,基于是否更新地图点,构建了两种基于非线性优化的单目视觉/惯性紧耦合模型,以保证导航的局部精度及全局一致性。实验结果表明:初始化方法可快速(15 s内)实现高精度状态初始化;与单目视觉导航算法相比,提出的算法不仅可获取绝对尺度信息,且导航精度更高;与传统滑动窗口非线性优化方法相比,提出的算法在窗口优化过程中加入全局地图三维点约束,可有效削弱累积误差,验证了算法的正确性和可行性。     

拥塞情形下的电动汽车充电设施选址优化

由于充电汽车充电时间较长,充电设施具有明显的拥塞情形.在假设充电设施容量限制的基础上,研究了在车流量和充电时间随机的情形下,如何对充电设施布局使得充电车满足充电服务的平均数量最大化.在基本截流选址模型的基础上,建立了0-1非线性整数规划,通过选址决策使得截得的平均车流量最大化,并结合贪婪算法和dogleg路径信赖域方法来求解该问题,通过算例表明了算法的有效性.     

拉曼光谱测试技术在可充电铝离子电池储能机理的研究进展

拉曼光谱是一种无损的分析技术,可以提供样品化学结构和分子相互作用的详细信息。由光谱学方法与常规电化学方法相结合产生的电化学原位光谱是一种动态探测电极材料结构和相组成的强大技术,能够方便地提供电极界面分子的微观结构信息,这使得其在储能领域中有广阔的应用前景。拉曼光谱能够有效地原位表征可充电铝离子电池氯化铝基电解液中络合离子、不同正极材料在充放电过程中的变化规律。结合X射线衍射技术（XRD）或X射线光电子能谱技术（XPS）等表征技术,拉曼光谱能够有效地揭示可充电铝离子电池的储能机理,包括对电池电解液和电极材料的研究以及电极表面反应的原位监测,对电池材料和界面结构性质的研究可以为电池材料和微观结构的优化设计提供指导,对电极表面反应的原位监测,有助于对电极界面反应的机理进行深入的研究,从而指导正极材料结构改进,促进可充电铝离子电池的发展。