Influence of thermal-decomposition temperatures on structures and properties of V2O5 as cathode materials for lithium ion battery

Submicron spherical V2O5 particles with a uniform size and a lower crystallinity were successfully synthesized by a chemical precipitationthermal decomposition technique using the commercial V2O5 powders as starting material. The crystal structure and grain morphology of samples were characterized by X-ray diffraction(XRD) and scanning electron microscopy(SEM), respectively. Electrochemical testing such as discharge–charge cycling(CD) and cyclic voltammetry(CV) were employed in evaluating their electrochemical properties as cathode materials for lithium ion battery. Results reveal that the crystallinity and crystalline size of V2O5 particles increased when the thermal-decomposition temperature increased from 400 ℃ to 500 ℃, and their adhesiveness was also synchronously increased. This indicate that the thermaldecomposition temperature palyed a significant influence on electrochemical properties of V2O5 cathodes. The V2O5 sample obtained at 400 ℃ delivered not only a high initial discharge capacity of 330 m A h g-1and also the good cycle stability during 50 cycles due to its higher values ofα in crystal structure and better dispersity in grain morphology.     

尿沉渣图像的小波变换与二维最大熵阈值分割算法

针对尿沉渣图像的复杂散焦以及背景和目标区分度低、有形成分复杂,从而导致尿沉渣有形成分分割困难的问题,提出了一种组合分割方法。首先采用小波变换消除散焦影响,再结合数学形态学方法对图像中目标成分进行定位,分割出子图像,最后利用基于小波变换图像分割和二维最大熵阈值分割的组合分割方法对子图像中不同特点的尿沉渣有形成分分别进行分割,极大的提高了分割的精度。实验结果表明,该方法能够精确有效地实现尿沉渣图像有形成分的分割。     

基于能量特征的左右手运动想象脑信号的识别方法

提出了一种基于能量特征的左右手运动想象识别方法,利用快速傅里叶变换分析特定脑电(μ波和β波)的频率分布,然后利用小波分解去噪,再利用小波包分析脑电能量,提取能量特征,最后基于支持向量机(SVM)进行左右手运动想象的识别。本文把能量作为特征的支持向量机(SVM)识别法分别与自适应自回归系数法(AAR)和相同步分析法进行比较。仿真结果表明:在相同样本数据情况下,能量特征作为特征向量的SVM识别准确率明显高于其他2种方法。     

基于小波变换的电能质量扰动测量方法

对电压幅值变化现象的定量检测问题进行了研究．定义了基于两个实值小波归一变换的幅值及调整幅值的概念．证明了只要这两个实值小波函数一个为偶函数、一个为奇函数并满足一定的条件,则基于这两个实值小波归一变换的调整幅值在非故障区间内的值恰好等于1,而在故障区间内的值恰好等于故障区间的电压幅值与非故障区间的电压幅值之比。最后选用两个实值小波函数,应用基于这两个实值小波归一变换的调整幅值对电压波形畸变进行了检测,模拟结果显示该幅值检测图不仅能准确定位故障发生和终止时刻。而且可精确地定量显示出电压变化的幅度。     

企业总产值的组合预测方法与应用

为了选择灰色预测系统的最佳解释变量,并使其代表原始数据的绝大部分信息,将主成份分析方法与灰色系统理论进行有机地结合,形成一种组合预测方法。主成份的作用就在于对原始数据寻求基本结构、简化观测系统,并用一个有代表性的变量子集来解释整个问题,使GM(1,h)模型反映出影响某个经济现象的关键因素,更加有效地揭示了系统的发展趋势和动态变化规律,该方法具有很强的可靠性和实用性。     

遗传算法优化变分模态分解提取舰船辐射噪声特征线谱方法

特征线谱提取是舰船目标识别的一个重要研究环节,常采用传统的DEMON谱分析方法,处理过程中,一般对舰船噪声时域信号未予抑噪,低信噪比情况下,传统DEMON谱分析性能差。对此,提出一种采用遗传算法优化变分模态分解方法,用于分解舰船噪声原时域信号,获得抑制噪声后的舰船噪声重构信号,进而有效提取了舰船目标噪声幅度调制特征线谱。该方法首先采用遗传算法优化变分模态分解的两个关键输入参数(分解所取模态个数和惩罚因子),对变分模态分解得到的各阶固有模态分量加以判别,去除噪声主导分量,保留信号主导分量,使重构舰船噪声信号显著抑制了干扰噪声,然后对降噪后的重构信号进行频谱分析,获得目标噪声调制特征线谱。理论分析、仿真和实验数据处理结果表明,相比传统DEMON谱分析法,基于遗传算法优化变分模态分解的舰船噪声特征线谱提取方法具有更好的噪声抑制能力,所获取的舰船噪声幅度调制特征线谱信噪比明显高于传统DEMON方法,具有一定优势,前景良好。     

基于精准k核的复杂网络节点重要性评估方法

由于k核存在破坏网络整体结构信息、忽略邻居节点影响力等缺点,导致每个节点难以量化区分.为了提高关键节点的识别精度,首先改进了k核的分解过程,提出了精准k核Ak.考虑到网络中局部特征信息和全局结构信息对节点的影响,将精准k核应用到重力中心性中,并提出了精准重力中心性AGC.信息学中的香农熵在网络关键节点识上具有良好的扩展性,通过结合邻域度中心性、邻域精准k核以及精准重力中心性三者的香农熵,最终提出了混合中心性MC对节点重要性进行多元评估.在7种真实网络下,对MC和其他节点评估指标分别从单调性和准确性上进行了一系列实验,实验结果表明MC具有更好的关键节点识别性能.     

一类子矩阵约束下矩阵反问题的拓广

利用矩阵的广义逆和广义奇异值分解,讨论了子矩阵约束下左右逆特征值问题及其拓广,给出了其有解的充分必要条件及在有解条件下的通解表达式,并得到了此问题的最佳逼近解,而且用数值算法来验证求最佳逼近解的有效性．     

利用本征正交分解的非线性Galerkin降维方法

提出了一种利用本征正交分解(POD)的非线性Galerkin方法,用于复杂流体动力系统的低维建模.该方法将满足流场边界条件的正交基(POD模态)张成的完备空间分解为有限维(低阶模态)子空间和无限维(高阶模态)子空间,并采用近似惯性流形逼近高阶模态和低阶模态的作用关系,用低阶分量来表示高阶分量,将无穷维流体动力系统降维成有限维动力系统.以雷诺数为200、攻角为20°时的NACA0012翼型绕流流动问题为例进行了低维建模分析,结果表明:由于考虑了高阶模态的影响,且不改变原系统的拓扑结构,因此该降维方法能够用较少的模态数来获得准确的动力学描述,弥补了传统POD降维方法由于忽略高阶模态影响而出现的不足,由此验证了该方法的有效性.     

基于2D Gabor小波和HSV空间的木材缺陷检测

提出了一种有效的木材缺陷自动检测方法,试图赋予计算机从木材图像数据中自动辨别出缺陷的能力,主要分析了木材缺陷的形态、走向和分布规律.首先将要识别的木材图像变换到HSV色彩空间,分别对H,S和V层进行区域分割和Gabor小波变换,得到各个子图像块的局部区域的基于不同频率和方向的特征向量,用于描述高维的木材图像.接着将提取出的纹理特征归一化后送入SVM分类器,检测过程采用二次循环搜索方式,利用特征向量间的相似度进行缺陷的定位和识别.模拟实验结果表明,该方法可有效识别出缺陷区域,识别效果较好.