针对锂离子电池荷电状态（Stage of charge，SOC）在线估计精度不高，等效电路模型法估计精度与模型复杂度相矛盾的问题，本文对扩展卡尔曼滤波算法进行了改进，并以电池工作电压、电流为输入，对应等效电路模型法的SOC估计误差为输出，采用极限学习机算法，建立基于输入输出数据的SOC估计误差预测模型，采用物理–数据融合方法，基于误差预测模型，建立了等效电路模型法结合极限学习机的锂离子电池SOC在线估计模型。仿真结果表明，改进扩展卡尔曼滤波算法提高了算法的估计精度，而物理–数据融合的锂离子电池SOC在线估计模型减小了由电压、电流测量所引入的估计误差，克服了等效电路模型法估计精度与模型复杂度之间相矛盾的问题，进一步提高了SOC的估计精度，满足估计误差不超过5%的应用需求
长期颈部前屈对颈椎造成严重影响。为定量评估长时间低头对颈椎疲劳造成的影响，选取20名健康受试者，保持低头角度40°～60°持续3 h。选择胸锁乳突肌，颈部夹肌和肩部斜方肌测量其表面肌电信号。经滤波、整流、振幅标准化等处理后，对每60 s的肌电值进行积分和求其平均功率频率。研究发现，积分肌电值的波动变化具有规律性，首次增大后的减小表征肌肉进入疲劳状态；不同肌肉的平均功率频率(mean power frequency，MPF)值具有明显差异，决定着该肌肉疲劳耐受性的持续时间，且在整个颈部前屈过程中MPF并非简单的线性关系。提出用MPF的导数来提取疲劳特征，用窗口化的MPF负数累积判定肌肉疲劳。结果表明，MPF负数累积能很好地判断肌肉疲劳，胸锁乳突肌在20 min内出现最终疲劳，而颈部夹肌和肩部斜方肌在20 min左右出现了短暂性疲劳，随后在75～100 min时又出现了最终疲劳。因此建议持续颈部前屈时长不超过20 min
