ZigBee组网在矿井突水应用中的网络性能分析

针对Zig Bee组网在矿井突水应用中数据传输的可靠性问题,采用主控制器STM32F107RB、射频无线收发器CC2540和传感器模块共同集成了数据采集模块,采集到的数据信号经过协调器和路由器模块传送至上位机。由测试结果可知:丢包率随着接收信号的强度指示(RSSI)值增大而减小。利用自适应功率调节算法,在保持丢包率为1%左右的前提下,调整节点发射功率,从而使节点数据传输可靠且能耗最低。     

多信息代价计算融合显著梯度的立体匹配

立体匹配是视觉导航、三维重建的信息基础.为了降低光照失真对匹配代价计算的影响,消除引导滤波平滑图像时产生的光晕,提出了一种多信息代价计算融合显著梯度的立体匹配算法.设计了融合颜色特征、梯度信息及梯度角度的匹配代价计算算法,对左右视图进行匹配代价计算;然后进行显著性处理,计算显著图的梯度信息,得到图像的局部平均梯度;遍历全图得到全局局部平均梯度作为边缘判断条件,自适应调整引导滤波的正则化参数.实验结果表明,算法有效改善了边缘轮廓及平滑区域的视差,降低了误匹配率.     

卷积神经网络与ELM的图像分类算法研究

卷积神经网络的全连接层作为一个经典的分类器,是根据传统的梯度下降法来实现训练的,泛化能力有限.针对这一问题,提出了一种将卷积神经网络和极限学习机相结合的混合模型应用于图像分类领域.卷积神经网络用于从输入图像中提取特征,特征映射最终会被编码成一维向量送入极限学习机中进行分类.给出了混合模型的详细设计,包括参数设计、结构分析以及迭代过程中反向传播算法的推导.实验结果表明,混合模型分类精度和快速性优于传统模型.在MNIST数据集上的分类精度达到了99.32％,GTSRB德国交通标志数据集上的分类精度达到99.35％.批尺寸相同时,混合模型的训练时间仅为卷积神经网络模型的9.9％～10.3％,同时测试速度是卷积神经网络模型的1.50～1.56倍,大幅缩短了时间.     

基于PSO—SVR的电力负荷预测

电力系统负荷预测精度直接决定了预测模型的质量.为了降低预测模型输出结果的预测误差,提出了粒子群算法优化支持向量机回归这一智能预测方法.通过对环境温度、节假日、工作日、日期的采集与分析作为模型的输入,以日平均负荷作为模型的输出.最后,通过仿真,对引入粒子群算法的支持向量机回归模型的预测结果进行对比分析.结果表明:优化后的智能模型取得了更为理想的预测结果.     

基于深度学习的肺部医疗图像识别

肺结节作为肺癌早期诊断的重要特征,对其识别和类型判断具有重要意义.目前使用迁移学习的识别算法存在着源数据集与目标数据集差距过大问题,对于肺结节特征提取不足,导致效果不佳.故此提出了基于卷积神经网络的改进神经网络模型.将预训练的GooLeNet Inception V3网络与设计的特征融合层结合,提高网络对特征的提取能力;为确定最佳组合方式,对各组以准确率为标准进行测试.实验在LUNA16肺结节数据集上进行.进行分组测试结果表明,改进的网络准确率达88.80％,敏感度达87.15％.在识别准确率和敏感性指标上,与GooLeNet Inception V3算法相比,分别提高了2.72,2.19个百分点.在不同数据集比例下进行实验,同样达到了更优的效果,具有更好的泛化能力.可以给临床诊断提供相对客观的指标依据.     

电动汽车用无线充电系统的线圈特性研究

针对电动汽车无线充电线圈的相关特性,提出了耦合谐振电路结合 Maxwell 软件建模的方法对 其进行分析;电动汽车用无线充电系统的互感线圈是实现无线充电的重要模块,对其进行特性研究有助于实 际生产中线圈的设计和优化。 为此,首先分析电动汽车用无线充电技术,并建立耦合谐振电路的等效模型进 行公式推导,进而通过 Matlab 仿真研究线圈互感系数对系统输出功率和传输效率的影响。 然后在 Maxwell 软件中搭建互感线圈的仿真模型,依次改变线圈的匝数、水平偏移程度和垂直距离进行仿真实验分析;仿真 得到线圈在不同互感系数下系统输出功率和传输效率线圈的变化情况和磁感应强度分布图、耦合系数变化 折线图。 根据仿真结果对线圈特性进行分析,最后得出随着互感系数的增加系统输出功率先增后减,传输效 率不断增加。 以及在线圈匝数减小线圈水平偏移程度以及垂直距离不断变大的情况下,线圈的耦合系数不 断降低,且降低幅度变大的线圈特性。     

基于不同奇对称误差估计的盲均衡算法

为了研究盲均衡算法中误差函数形式对盲均衡器性能的影响,定义并分析了不同奇对称误差函数的特点,提出了基于不同奇对称误差估计的变步长盲均衡新算法（DOSVCMA）。该算法充分利用误差函数的对称性来减小均方误差,利用变步长来加快收敛速度,在步长特性参数相同的前提下,用深海声道轴信道和双径水声信道对该算法进行了仿真研究。结果表明,用不同奇对称误差函数设计的均衡器,在收敛速度和收敛后均方误差方面的性能是不同的,但比常规的变步长盲均衡算法（VCMA）的性能优越,这一研究为提高盲均衡器性能提供了一条途径。     

基于STM32的非侵入式负荷监测系统设计

传统的侵入式负荷监测方法在实际应用中安装复杂,成本高,无法满足日益发展的电力系统需求.为此设计了一种基于STM32的非侵入式负荷监测系统,系统以STM32F103芯片为主控制器,利用AD8629放大器和ADS1256芯片进行高精度电信号采样,通过USB与上位机通信,在Labview界面中进行实时显示,并建立卷积神经网络算法模型进行负荷识别.将嵌入式系统与辨识算法进行结合,通过实验验证了用电负荷监测与识别的可行性,且系统实时性好,测量精度高,成本低,有较强的实用性.     

抗拉压具有恒刚度特性的柔顺铰链设计

提出一种抗拉压载荷具有恒刚度特性的柔顺铰链机构.该机构通过利用柔顺机构学原理合理布置平面柔性梁.既实现了抵抗较大拉压载荷引起的柔顺梁的鲁棒性,又兼具较好的移动恒刚度特性.该柔顺铰链可应用于精密XY定位平台或其他复合柔顺机构中.结合柔顺铰链特点利用有限元分析软件2D分析,验证了其在受较大范围拉压载荷下具有上述的力学特性.其设计思想也可用在其他类型具有恒刚度特性的柔顺机构设计中.     

基于矩阵模式的局部子域最大间距判别分析

矩阵模式的Fisher线性判别准则(MatFLDA)作为近几年矩阵模式下的经典特征提取方法被广泛地加以研究和运用。然而MatFLDA方法作为全局判别准则一定程度上忽视了样本空间内在的局部结构和局部信息。在矩阵模式下,引入局部加权均值(LWM)并结合最大间距判别分析(MMC),提出一种具有局部学习能力的有监督的特征提取方法:基于矩阵模式的局部子域最大间距判别分析(Mat-LSMMC),提高了MatFLDA方法的局部学习能力,具有较强的特征提取能力。通过测试人造、真实数据集来表明所提方法的优势。