設為首頁 | 加入收藏
文獻檢索:
  • 石墨烯諧振器激勵檢測研究進展
  • 諧振器是諧振式傳感器的核心元件,而諧振式傳感器由于其優良的重復性、分辨力和穩定性,廣泛被應用于航空航天事業。隨著技術發展,適用于航空事業的諧振器朝著體積小、質量輕、精度高、品質因數高的方向不斷發展。但由于諧振材料本身以及加工工藝的限制,傳統硅諧振器發展已進入瓶頸期。石墨烯材料具有著優異的機械、電學、光學性能,使其成為新型諧振器研究的熱門材料之一。而確定激勵檢測方法是石墨烯諧振器結構設計第一步。介紹了石墨烯諧振器現有的理論及實驗研究成果,并針對現有的諧振器激勵檢測方法其優缺點,是否適用于石墨烯諧振器進行了分析。其次,對現有的石墨烯諧振器實驗中的激勵檢測方法進行了綜述,并對之后的研究方向進行了展望。
  • 差分真空單顆粒進樣在線氣溶膠飛行時間質譜系統的研制
  • 詳細說明了差分真空單顆粒進樣在線氣溶膠飛行時間質譜系統(LAMPAS-3 PLUS)的單顆粒進樣系統、雙光束測徑系統、雙極飛行時間質譜儀以及數據采集分析系統,并分別用標準粒子對儀器進行粒徑標定與質量峰校正。測試結果表明,儀器對0.2~2.5μm粒徑段的顆粒物具有穩定的信號響應和~70%的電離效率,并且具有質譜峰識別精準漂移小的特點。儀器外場監測數據提供在線大氣顆粒物粒徑信息和組分信息的同時,結合模糊C均值聚類算法(FCM)與自適應共振神經網絡算法(ART-2a)可實現對大氣顆粒物污染來源快速解析,能夠為大氣顆粒物溯源解析提供重要依據。
  • 微電網數據通信無線傳感器網絡性能的跨層控制方法研究
  • 針對無線傳感器網絡滿足微電網數據通信規范性能指標要求問題,探索了一種微電網數據傳輸無線傳感器網絡協議棧跨層協作服務質量控制方法。通過分析影響微電網無線傳感器網絡數據傳輸的性能指標的主要因素,構造了包含10類概念頂點集合的模糊認知圖,以數學模型方式表達無線通信網絡中的主要參量之間的因果關系,建立了微電網數據傳輸無線傳感器網絡實時性和可靠性服務質量對應的狀態空間模型。依據模糊認知圖的概念頂點屬性模糊推理機制,探討了一種微電網數據傳輸無線傳感器網絡跨層協作服務質量的模糊控制方法,給出了以滿足微電網數據通信規范性能指標要求的3種不同狀況下的網絡參數調節方法和路由路徑動態調整策略。通過對微電網數據傳輸中不同數據產生率情況下的網絡性能分析仿真實驗分析,結果表明,本方法可為基于無線傳感器網絡的微電網數據通信提供更有效的QoS保障。
  • 基于KPCA-ANFIS的鋰離子電池RUL預測
  • 針對鋰離子電池壽命預測過程中內部參數測量困難、特征構造過程復雜、預測結果不精確等問題,提出了一種結合核主元分析法(KPCA)特征提取與自適應神經網絡模糊推理系統(ANFIS)的鋰電池剩余壽命預測方法。該方法利用KPCA算法從電池在線可測的參數(電壓、電流等)中提取出相互獨立的主元特征,通過計算特征得分率和Spearman秩相關系數篩選出準確反映電池退化規律的主元,將其作為鋰離子電池的健康指標輸入ANFIS神經網絡進行容量估計和剩余壽命預測。實驗結果表明,基于KPCA-ANFIS的鋰電池剩余壽命預測算法所提取的主元特征能夠顯著反應電池退化特性。此外,通過與PCA-ANFIS算法對比,所設計算法的剩余壽命預測精度得到顯著提高(均方誤差提高1.73倍,平均絕對誤差提高1.38倍)。
  • 基于獨立特征選擇核Fishier判別分析的電機軸承故障診斷
  • 為提高電機軸承的故障診斷精度,在深入研究核Fishier判別分析的基礎上,對其進行了改進,并提出基于獨立特征選擇核Fishier判別分析(IFS-KFDA)的電機軸承故障診斷方法。該方法首先從多個角度構建了原始高維故障特征集,在此基礎上,利用獨立特征選擇核Fisher判別分析為軸承每兩類故障狀態獨立選擇敏感特征集,使獲得的敏感特征對故障狀態具有更好的表征作用,同時還有效地排除樂原始混合特征集中的非敏感特征的干擾。軸承故障診斷實例驗證了方法的有效性。
  • 基于神經網絡的無刷直流電機傳感器故障檢測及容錯系統
  • 針對傳統容錯控制系統只能檢測傳感器單相或兩相出現故障且檢測及容錯算法相對復雜的缺點,提出了一種基于神經網絡的故障霍爾傳感器故障檢測方法與基于無位置傳感器系統的容錯控制系統,利用神經網絡分類功能對多種故障類型,如換相延遲、換相提前、單相故障等更多故障類別進行診斷。通過仿真與測試平臺實驗驗證,所提出的基于神經網絡的傳感器故障檢測及容錯控制系統能顯著降低霍爾傳感器故障對電機轉速的影響,并使電機在霍爾傳感器故障時能夠穩定運行。
  • 基于機器視覺的太陽能電池片缺陷檢測技術的研究
  • 為了解決國內生產線中太陽能電池片缺陷識別存在效率低、精度差的問題,提出一種基于機器視覺的缺陷檢測方法。首先采用局部最大方差法對電池片圖像進行有效分割并識別出斷柵,接著提出了一種積分投影與灰度重心相結合的定位算法對圖像進一步處理,最后通過計算各缺陷的幾種特征參數作為輸入向量,設計了以徑向基(RBF)為核函數的支持向量機(SVM)分類器,通過網格搜索法自動獲得分類參數,實現了對太陽能電池片缺角、斷柵、崩邊、裂紋、漏漿、鑄點等幾種常見缺陷的檢測。實驗結果表明,該方法有效提高了檢測效率和準確率,所設計的SVM分類器的識別率在90%以上。
  • 改進型MGM(1,n)模型的焊點失效事前預測研究
  • 為了實現對焊點失效的事前預測,提出了一種基于改進型MGM(1,n)模型的方法。首先,提取焊點電壓數據的多種時域特征參數作為輸入以引入多特征參數對焊點失效時間的影響;其次,合理選取模型參數以提高模型預測精度;最后,利用模型預測焊點的失效時間,輸出失效信息。通過與傳統GM模型對比發現,該方法的預測誤差率更小、預測時間更長;通過試驗驗證,結果表明該方法能夠實時地預測焊點的失效時間、輸出有效的失效信息,準確率在85%~93%,預測時長在60~160 min。
  • 基于剩余時間預測的電站鍋爐吹灰優化研究
  • 針對鍋爐受熱面吹灰優化問題,研究了剩余時間預測及預防性吹灰最優決策問題,提出了一種基于剩余時間預測的燃煤電站鍋爐吹灰優化策略。在鍋爐受熱面積灰分布函數未知的條件下,由已知的鍋爐受熱面的剩余時間分布函數預測其平均剩余時間,以平均剩余時間為閾值制定預防性吹灰策略。由更新過程理論,建立了以預測間隔、吹灰閾值為優化變量和最小平均吹灰費用為目標的優化模型。采用粒子群算法進行優化求解,得到鍋爐最優的監測周期和吹灰閾值,并使鍋爐長期運行的平均費用率最低。
  • 模擬電路故障診斷的云關聯系數矩陣方法研究
  • 由于模擬電路元件中存在容差性和邊界模糊性等問題,提出一種基于云關聯系數矩陣的模擬電路故障診斷方法。首先,利用模擬電路本身的特點,提出了云模型提取電路故障特征集的算法。利用綜合云隸屬度方法計算云關聯系數矩陣,并將其作為被測模擬電路故障特征集。然后,該特征集被用作支持向量機(SVM)模型的輸入以確定故障的判定類別。以Sallen_Key帶通濾波器電路和四運放雙二次高通濾波器電路的單、雙故障情景為例作為驗證對象。結果表明,該方法提取的故障特征能夠更好地反映電路信息,診斷精度均可達到95%以上,具有較高的診斷精確度,可用于模擬電路軟故障診斷。
  • 基于網格的密度峰值聚類算法的RFID定位
  • 針對單一的一種聚類算法在處理實際定位問題時難以滿足其精度需求的問題,提出一種基于網格的密度峰值聚類算法并將其應用于處理RFID定位系統中的空間數據信息,以實現對目標標簽的定位。該算法結合了網格聚類算法和密度峰值聚類算法各自的特點,在保留了網格聚類算法處理大規模空間數據集的能力的同時,通過密度峰值聚類算法對網格聚類算法處理復雜聚類信息的能力進行提升,使得在處理基于RFID的室內定位問題時獲得的定位效果滿足實際需求。通過對3種算法的實驗結果進行對比分析,可以看出算法能夠提高基于RFID室內定位系統的定位精度,使得定位誤差在0.128 m上下波動,具有很好的穩定性。
  • 基于混合測地線區域曲線演化的虹膜定位方法
  • 由于可見光移動端虹膜識別中圖像受光照不均、鏡面反射等因素干擾,可能損失部分虹膜的結構信息和邊緣信息,造成難以準確定位虹膜區域。為解決上述問題,提出一種基于混合測地線區域曲線演化的虹膜定位方法。該方法首先在圖像預處理中采用拉格朗日插值法消除光斑;然后采用基于HOG特征和級聯分類器的虹膜檢測模型初步定位虹膜區域;再根據灰度梯度信息和擬合圓的方法確定虹膜內邊緣;最后采用混合測地線區域曲線演化法定位虹膜外邊緣。為測試算法的有效性,采用MICHE-I虹膜圖庫中由iPhone5采集的754張虹膜圖像進行測試,并且提出一種虹膜外邊緣定位準確度的定量評價方式。測試結果表明,方法在包含干擾的圖像中虹膜定位成功率達到93.3%,虹膜邊緣定位錯誤率為0.08,滿足移動端虹膜識別的實用需求。
  • 油中溶解氣體的灰色模型殘差修正融合算法
  • 針對傳統灰色模型對變壓器油中氣體進行分析時預測時間跨度較長、序列精度會大幅降低的問題,提出了灰色模型殘差修正融合算法。在建立灰色多變量模型的基礎上確定關聯度大于0.5的氣體變量,然后融合了自適應回歸算法和馬爾可夫修正模型對殘差進行修正,避免了殘差的持續累積,提高了預測精度。通過仿真,將傳統灰色模型、僅通過自適應回歸修正以及進一步馬爾可夫修正后的誤差進行對比,結果表明,融合了兩種模型的算法準確度最高,測試集誤差減小到最初的34%。該灰色模型殘差修正融合算法可有效提高傳統灰色預測模型的準確性。
  • 基于卷積神經網絡的半監督高光譜圖像分類
  • 為了充分利用大量未帶標記的數據,提出了一種簡單而有效的基于卷積神經網絡的半監督學習方法并用于高光譜圖像(hyperspectral images, HSIs)分類。首先,構造了一種同步處理帶標簽和未帶標簽數據的卷積神經網絡模型;其中,帶標簽數據用于訓練softmax分類器,并為未帶標簽數據提供初始的K-means聚類中心。在此基礎上,將K-means聚類損失函數和softmax分類損失函數結合起來定義了一種新的混合損失函數來訓練深度網絡,該損失函數可在帶標簽樣本有限的情況下,充分利用未帶標簽數據來有效地提高深度網絡提取特征的鑒別能力,從而有效地改善深度神經網絡的高光譜圖像分類能力。通過在PaviaU、PaviaC和Salinas數據集上進行實驗,方法的總體分類精度分別達到了98.49%、99.45%和94.64%;與傳統基于卷積神經網絡的高光譜圖像分類相比,半監督學習方法能夠改善特征提取的性能,從而獲得更好的分類效果,同時,此方法的網絡結構簡單且易于訓練。
  • 基于多結構特征提取和軌跡跟蹤的車輛遠光識別
  • 為識別夜間車輛遠光,提出了車燈特征提取算法及多車燈跟蹤匹配模型。首先,基于各光源成像差異,設計區分度顯著的多結構特征描述子,結合隨機森林判斷車燈類別。其次,根據車燈幀間運動規律,提出車燈軌跡極限值擬合模型,以生成跟蹤搜索區,并結合車燈軌跡預測和特征相似度完成多車燈跟蹤匹配。最后,據跟蹤周期中遠光開啟距離或持續時間驗證其遠近光屬性。實驗采集多段城區道路交通視頻數據,統計實現遠光識別的頻數,與主觀判斷進行比較。結果表明,該方法能以91.2%的準確率實時識別車輛遠光。
  • 適用于隨鉆成像數據壓縮的數據重排方法
  • 為了提高隨鉆成像數據井下存儲與實時傳輸的效率,結合其變化平穩、相鄰數據相關性強的特點,提出了一種數據重排方法,用于提高基于DPCM與離散余弦變換(DCT)的混合編碼方法的壓縮效率。采用預測編碼對原始數據進行差分處理后,該方法以重排元素平均距離作為優化準則,以數據重排路徑連續、無交叉且保持數據相鄰性作為約束條件,將得到的一維差值數據重組為二維矩陣,在保持相鄰數據間相關性的同時,增強非相鄰數據間的相關性,提高變換編碼去相關冗余的效率。利用模擬的隨鉆成像數據進行了壓縮實驗,結果表明,與常規的混合編碼方法相比,在重構誤差不超過5%的前提下,采用數據重排方法后壓縮方法的壓縮比提高了60%,顯著提高了混合編碼方法的壓縮效率;同時,運行時間縮短了23%,適合在井下儀器中使用。
  • 基于最優導向法則與距離約束的圖像修復算法
  • 為了解決當前圖像修復算法利用置信度與數據項來完成圖像修復時,忽略了優先修復塊中已知信息量所占的比例,導致修復圖像存在不連續以及塊效應的不足,提出了一種基于最優導向法則耦合距離約束因子的圖像修復算法。首先,將像素點的梯度信息引入到待修復塊的優先權中,聯合置信度與數據項,構造了優先權判定函數,從破損區域中選取優先修復塊。以優先修復塊中已知信息量所占的比例為依據,構造最優導向法則,對優先修復塊中已知信息所占比例進行調整,以找出最佳的匹配塊。然后,計算像素點的梯度信息,建立梯度直方圖,確定待修復像素點的主方向,通過待修復塊內已知像素點與待修復像素點的距離構造主方向上的距離約束因子,以對樣本塊大小進行動態調整。最后,在像素點之間棋盤距離的約束下,通過對像素點進行均方誤差和度量,搜索最優匹配塊,從而完成圖像修復。實驗結果與分析顯示,與當前圖像修復算法相比,所提算法具有更高的修復視覺質量。
  • 基于概率密度梯度值估計與圓諧傅里葉變換的魯棒圖像水印算法
  • 為了解決當前基于圖像特征點的水印技術存在的問題,設計了基于概率密度梯度值估計與圓諧傅里葉變換的魯棒圖像水印算法。首先,基于載體圖像的強度概率密度,構建概率密度梯度估計函數;利用概率密度梯度值替代強度梯度,計算載體圖像的二階自相關矩陣,以改進Harris-Laplace檢測算子,充分提取載體的魯棒特征點;然后,基于LOG(Laplacian-of-Gaussians)算子,計算每個點的特征尺度,構建了圓形局部特征區域;引入圓諧傅里葉變換,對所有局部特征區域進行處理,輸出相應的傅里葉系數;定義魯棒系數選擇規則,從所有的傅里葉系數中確定合適的系數作為水印隱藏位置;根據選擇的魯棒系數,設計水印嵌入方法,將加密后的二值水印隱藏到這些系數中,形成水印圖像;最后,建立水印檢測機制,從水印圖像中復原二值水印。測試結果顯示,與當前圖像水印方案相比,面對幾何變換攻擊,所提算法具有更高的不可感知性,所輸出的水印圖像與載體的相似度為0.994;另外,所提技術也具備更強的魯棒性,復原水印失真度最小,在中心裁剪攻擊下,所提算法的復原水印對應的峰值信噪比(PSNR)、歸一化系數(NC)值最大,分別達到了41.91dB、0.901。
  • 基于全局背景減法濾波器與多形狀特征的紅外艦船檢測算法
  • 為了提高復雜背景下的艦船目標的檢測精度,消除目標與背景中像素比率的影響,設計了基于全局背景減法濾波器與多特征融合的紅外艦船檢測算法。首先,根據紅外艦船圖像的像素強度分布,提出了一種全局背景減法濾波器,有效抑制背景信息,輸出稀疏前景圖像;為了避免艦船目標的丟失,根據稀疏前景圖像的梯度、顯著性映射,計算控制權重矢量,聯合每一行像素的強度值,設計了自適應逐行均值減法濾波器,增強紅外艦船目標;定義迭代分割方法,對增強目標圖像進行分割,輸出二值圖像;最后,基于紅外艦船的幾何屬性,計算艦船的多個形狀特征參數,并構造了目標選擇規則,以識別真實的紅外艦船和消除虛假目標。測試數據顯示,與當前紅外艦船檢測方法相比,在復雜背景下,所提方法的檢測正確率更高,呈現出更為理想的受理者工作特征(ROC)曲線。
  • 是德科技推出5G基站制造測試解決方案,加速5G網絡部署
  • 是德科技公司(NYSE:KEYS)今日宣布推出 Keysight S9100A 5G 多頻段矢量收發信機(S9100A)。是德科技是一家領先的技術公司,致力于幫助企業、服務提供商和政府客戶加速創新,創造一個安全互聯的世界。S9100A 是一款緊湊型、可擴展的 5G 基站制造測試解決方案,網絡設備制造商(NEM)可以用它來簡化 5G 新空口(NR)基礎設施設備的大批量測試,從而加速 5G 網絡的部署。是德科技的 5G 基站制造測試解決
  • 基于對抗顏色空間梯度SURF特征匹配復制黏貼篡改檢測
  • 為了提高篡改檢測方法對復制區域幾何變換的魯棒性,以及解決常規匹配算法帶來的誤匹配問題,提出了一種基于對抗顏色空間梯度SURF特征匹配復制黏貼篡改檢測方法,首先,將完成圖像對抗顏色空間梯度的獲取,采用梯度值替代灰度值完成SURF的128維特征描述子提取。然后,采用凝聚層次聚類算法對匹配特征關鍵點進行聚類處理,采用仿射變換估計對聚類后匹配關鍵點進行估計。最后,采用RANSAC算法優化估計結果。通過實驗驗證,該方法能準確實現特征點的精確匹配,并能準確定位復制粘貼區域,且對篡改區域的幾何變換具有很強的魯棒性。
  • 歸類精度保持的圖像測試集壓縮方法
  • 國內外研究人員對圖像分類和圖像壓縮問題分別進行了大量研究,但是對于圖像測試集壓縮參數與圖像分類性能之間的定量關系,還缺少公開的文獻報導。針對這一問題,選擇典型的卷積神經網絡(CNN)圖像分類算法和常用的JPEG圖像壓縮方法,通過聯合設計圖像測試集的壓縮與分類實驗,研究了圖像質量因子和采樣尺度比兩種壓縮參數對圖像分類準確率的影響,并為其他測試集歸納出了優化的壓縮參數設置策略。所提方法通過為圖像數據集選取優化的質量因子和尺度比參數,可以較好地實現歸類精度保持的圖像測試集壓縮。在利用CNN模型進行圖像分類前,所提方法先將圖像測試集采用合適的尺度比進行下采樣,采樣尺度比為5/8,并將數據集中的圖像質量因子降為原來的35%。在此壓縮方法下,測試集的歸類精度能夠基本保持。實驗結果表明,所提方法能夠在基本保持歸類精度的條件下,盡可能低地壓縮圖像測試集的存儲空間。
  • 羅德與施瓦茨發布分析帶寬更大和射頻性能更強的全新R&S FSW系列
  • R&S FSW高端信號和頻譜分析儀日前已被用于各種測試應用場景,例如5G和Wi-Fi無線通信設備的測試、汽車、國防與航天領域的雷達分析和衛星系統的測試。信號和頻譜分析儀也可用于表征射頻部件,如功率放大器。羅德與施瓦茨公司進一步改善了R&S FSW系列的市場領先表現。新款R&S FSW與老款相比,相位噪聲性能改善了約10 dB,這在解決諸如排查微波頻段5G信號調制故障原因等應用中極為重要。內置2 GHz分析帶寬主機頻率26.5
  • 用于油水界面測量的中值預處理聚類算法
  • 原油儲罐油水界面測量過程是油田聯合站信息化系統過程控制中的重要環節。油水界面測量過程中,為了解決油水界面數據存在偽數據及油水界面傳統算法結果誤差較大等問題,提出了用于油水界面測量的中值預處理聚類算法。該算法首先采用中值預處理算法消除油水界面數據中的偽數據,獲得有利于聚類劃分的優化數據;其次根據油罐內介質特性,利用改進的K-means聚類算法確定聚類中心數量和閾值大小,劃分油水界面數據分段區域,并反復對比區域變化,不斷修正初始閾值,確定一組最優閾值;最后按照分類統計的方法求得油水界面及液位高度,實現油水界面精確計算。實驗結果表明,油水界面中值預處理聚類算法比傳統算法更穩定、更準確、更智能,適合于為原油儲罐油水界面監控和盤庫系統提供精確的監測數據。
  • 泰克全新智能型AFG31000系列,重新定義任意波函數發生器
  • 泰克科技公司日前宣布推出AFG31000系列,重新定義任意波函數發生器(AFG)。AFG31000采用全新設計,擁有多個業界第一,包括業界最大的觸摸屏和全新智能的用戶界面,這將使工程師和科研人員如虎添翼,因為他們需要生成越來越復雜的測試信號,用于調試、排障、表征和驗證被測器件。AFG在電子測試中發揮重要作用并得到廣泛采用,但AFG在易用性方面已經明顯滯后于其他測試儀器,比如顯示屏太小,加上其他缺點,它們變得很難學習和操作。此外,傳統
  • 連續可微閾值函數與尺度閾值的小波去噪
  • 為克服硬閾值、軟閾值、半軟閾值以及最新提出的閾值函數等小波去噪算法存在的諸多缺陷,提出了連續可微閾值函數與尺度閾值的小波去噪算法。改進閾值函數具有連續性、漸近性和高階可微性等良好的數學特性,在保持原始有用信號的前提下,對噪聲進行去除。另外,對目前最常用的通用閾值進行改進,根據噪聲的強度隨分解尺度的增加而減少的規律,在每個小波分解尺度上自適應地設置不同的尺度閾值,保護了幅值較小的原始信號的小波系數。仿真實驗的結果顯示,相對于現有的小波閾值去噪算法,所提出的算法的信噪比提高1.5 dB以上,均方根誤差降低0.015以上。去噪實驗的效果圖以及實驗數據證明,所提出的算法具有更好的去噪性能。
  • 基于滑動平均的并聯Buck變換器均流控制
  • 針對DC/DC變換器在并聯時很容易出現輸出電流不均的現象,介紹了一種利用滑動平均處理從采樣電流的均流控制方法。針對兩個Buck變換器并聯電路,先采用滑動平均濾波方法對兩個變換器的電感電流進行濾波處理,再對濾波后電流值之差進行PID計算,從而通過調節一個變換器的開關管的占空比,使被調節變換器電感電流跟隨未被調節變換器的電感電流變化,以實現均流控制。通過仿真研究,驗證了算法的均流效果和抗擾動性能。仿真實驗結果表明,這種均流方法在動態和靜態過程中的均流效果都非常好,并且表現出很好的魯棒性能。
  • 科氏流量計幅值控制中兩類關鍵參數的確定
  • 為了實現科氏質量流量計的數字驅動,需設計有效的幅值控制方法以控制流量管的振幅。為此,建立被控對象的數學模型,提出兩類關鍵參數的確定方法,包括對數誤差底數和不同流量管的比例積分(PI)參數。其中,利用有限長度的正弦波激勵流量管,建立流量管振動系統的二階數學模型。它在穩態下相當于一個固有增益,這為PI參數的整定提供了基準。根據期望值的不同,選取不同底的對數誤差作為后續控制器的輸入,以滿足對動態特性和穩態特性的要求。采用PI控制器控制幅值,以幅值閉環系統的增益預設PI參數,再根據實際的動態效果和穩態效果確定最終參數。控制不同的流量管時,根據它們的穩態特性按比例關系調節PI參數。
  • 基于PCA與GA-BP神經網絡的磁記憶信號定量評價
  • 為實現磁記憶檢測中對缺陷承受的拉伸載荷、寬度及深度進行識別,提取出缺陷處磁記憶信號切向分量的最大差值X1、峰值X2、曲線下圍面積X3、梯度的峰谷值X4;法向分量的峰谷值X5、曲線下圍面積X6、缺陷梯度X7以及梯度的峰峰寬X8等8個特征參數,采用主成分分析法(PCA)與遺傳算法優化神經網絡(GA-BP)法有機結合對數據處理,該算法可以有效地逼近力磁耦合作用下的復雜非線性關系,實現了對磁記憶信號的定量識別。該算法不僅降低了數據冗余度、提高了計算效率,還使得神經元的權值和閾值更加穩定,避免陷入局部最優解,解決了輸出結果不穩定的缺點。其中法向分量所提取指標(X5,X6,X7)和切向分量提取的指標(X1,X4)對第1主成分影響較大,而指標(X2,X3,X8)對第2主成分影響較大,這些指標都可以反映缺陷的信息。檢測實例表明,該算法對寬度的預測精度最低,而對深度的預測精度最高。
  • 嵌入式數據庫在自動氣象站中的應用研究
  • 針對目前自動氣象站數據采集器使用普通文件存儲數據的方式存在數據可靠性較低、應用程序設計較復雜、數據結構調整靈活性差等問題,設計了一種基于數據采集器的嵌入式數據庫管理方法。該方法利用數據庫表存儲各類氣象要素數據和要素名,并通過調用數據庫提供的API設計數據庫訪問、數據結構更新和數據庫修復程序。實驗表明,這種存儲管理方式可以有效地提高數據存取的可靠性,簡化程序的設計流程并提高其執行效率,同時實現通過終端命令對數據結構進行調整。
  • 石墨烯諧振器激勵檢測研究進展(邢維巍;孫璐;樊尚春)
    差分真空單顆粒進樣在線氣溶膠飛行時間質譜系統的研制(張漢君;華道柱;謝遠術;葉華俊)
    微電網數據通信無線傳感器網絡性能的跨層控制方法研究(薛雪;王建平;孫偉)
    基于KPCA-ANFIS的鋰離子電池RUL預測(王竹晴;龐曉瓊;黃蕊;賈建芳;史元浩;溫杰)
    基于獨立特征選擇核Fishier判別分析的電機軸承故障診斷(楊斌;李文慧;王疇民)
    基于神經網絡的無刷直流電機傳感器故障檢測及容錯系統(溫嘉斌;趙紅陽;劉子寧)
    基于機器視覺的太陽能電池片缺陷檢測技術的研究(劉磊;王沖;趙樹旺;李海濱)
    改進型MGM(1,n)模型的焊點失效事前預測研究(張鈺林;景博;盛增津;胡家興;陳垚君)
    基于剩余時間預測的電站鍋爐吹灰優化研究(李強;史元浩;曾建潮)
    模擬電路故障診斷的云關聯系數矩陣方法研究(談恩民;王存存;張欣然)
    基于網格的密度峰值聚類算法的RFID定位(蘭慶慶;肖本賢)
    基于混合測地線區域曲線演化的虹膜定位方法(劉笑楠;楊爭威;張海珊)
    油中溶解氣體的灰色模型殘差修正融合算法(吳汶倢;何怡剛;段嘉珺;張亞茹;張慧)
    基于卷積神經網絡的半監督高光譜圖像分類(李繡心;凌志剛;鄒文)
    基于多結構特征提取和軌跡跟蹤的車輛遠光識別(蘇金亞;張偉偉;吳訓成;宋曉琳)
    適用于隨鉆成像數據壓縮的數據重排方法(藺凱璇;孫偉峰;李新;倪衛寧;張衛;戴永壽)
    基于最優導向法則與距離約束的圖像修復算法(蔡鵬飛;段朝偉)
    基于概率密度梯度值估計與圓諧傅里葉變換的魯棒圖像水印算法(張森;曹再輝;施進發)
    基于全局背景減法濾波器與多形狀特征的紅外艦船檢測算法(陳艷浩)
    是德科技推出5G基站制造測試解決方案,加速5G網絡部署
    基于對抗顏色空間梯度SURF特征匹配復制黏貼篡改檢測(秦銘謙;曾青松)
    歸類精度保持的圖像測試集壓縮方法(吳樂明;劉浩;況奇剛;孫曉帆;張鑫生)
    羅德與施瓦茨發布分析帶寬更大和射頻性能更強的全新R&S FSW系列
    用于油水界面測量的中值預處理聚類算法(任喜偉;何立風;姚斌;宋安玲)
    泰克全新智能型AFG31000系列,重新定義任意波函數發生器
    連續可微閾值函數與尺度閾值的小波去噪(陳家益;戰蔭偉;曹會英;吳興達;李小飛)
    基于滑動平均的并聯Buck變換器均流控制(張笑笑;儲昭碧;董學平)
    科氏流量計幅值控制中兩類關鍵參數的確定(劉文;徐科軍;樂靜;方正余;張建國;徐浩然;張倫)
    基于PCA與GA-BP神經網絡的磁記憶信號定量評價(王帥;黃海鴻;韓剛;劉志峰)
    嵌入式數據庫在自動氣象站中的應用研究(肖賀;薛鳴方;行鴻彥)
    《電子測量與儀器學報》封面
      2018年
    • 10

    主管單位:中國科協

    主辦單位:中國電子學會

    社  長:趙玉蓮

    地  址:北京市東城區北河沿大街79號2層

    郵政編碼:100009

    電  話:010-84853004 84851797

    電子郵件:[email protected]

    國際標準刊號:issn 1000-7105

    國內統一刊號:cn 11-2488/tn

    郵發代號:80-403

    單  價:18.00

    定  價:216.00


    關于我們 | 網站聲明 | 合作伙伴 | 聯系方式 | IP查詢
    金月芽期刊網 2020 觸屏版 繁體版 電腦版 京ICP備13008804號-2
    好彩1生肖季节走势图