微波通信接收系统噪声的研究

本文全面论述了微波通信接收系统的噪声来源和分类，并较详细地分析了噪声系数及网络的噪声特性。专门讨论了调频制卫星通信和微波中继通信系统中的噪声对多路电话通信的影响。     

电气试验中两个异常负值现象分析

介绍了在电气试验中遇到的两个奇异负值现象，探讨了造成这些现象的原因，并说明在工程实践中成功的解决方法。归纳了电气试验中消除干扰对电气试验结果影响的几点工作经验。     

低空目标噪声模型

低空目标噪声模型李云，贾民生（青岛大学计算中心，青岛２６６０７１）关键词：噪声模型；地空武器系统在地空武器系统大型仿真实验中，要求加入检飞试验中测量低空目标所带来的噪声误差信号．传统的方法是将磁带机记录的噪声信号直接加入仿真模型中，这种方法极不方便，...     

液压系统的噪声成因及降噪措施

对液压系统噪声产生的原因作了详细的技术理论分析,并提出其防范措施。     

地震震级与前兆异常空间分布的相关分析

本文利用滇西及邻区５次中强以上地震及其震前滇西前兆异常空间分布特征对震级Ｍｓ与异常空间反应最远距离ｄ进行了一定程度的相关分析，得出Ｍｓ与ｄ的经验公式为Ｍｓ＝０．００９５８９ｄ＋２．１。运用相关分析结果对滇西及邻区中强以上地震短临监视可提供一定的定量依据。     

基于频域降采样和CNN的轴承故障诊断方法

在工业领域,设备运行过程中采集的原始故障信号具有强噪声以及多工况的特点,现有的基于数据的轴承故障诊断模型的抗噪能力与泛化能力相对较弱。针对以上问题,提出一种基于频域降采样(down-sampling)和卷积神经网络(CNN)的轴承故障诊断方法 Ds-CNN。频域降采样包含最大偏移降采样和噪声横截断两个部分,可以实现样本增强,降低样本在频域的差异性,同时减弱噪声对频域信号的影响。基于频域信号建立的CNN模型能够自动提取降采样后频域信号的故障特征,并完成对轴承故障的识别分类。实验结果表明,在强噪声环境和多工况条件下,与目前常用模型相比, Ds-CNN具有更高的识别准确率。     

基于STM32的超声波电源设计与实现

压电超声波换能器应用广泛,可用于工业塑焊、测距、探伤、医学成像、碎石等.不同的换能器及负载,其谐振频率不同且会动态变化,所以需要匹配不同的电源,使换能器工作在理想状态.为此,设计一套用于工业塑焊的可自动追踪换能器谐振频率和恒定振幅的超声波电源.该电源以STM32为控制器,输出PWM波控制IGBT实现逆变,并使用LC串联型网络来匹配换能器,将负载端电流电压采集回STM32形成闭环系统,从而实现自动追频和恒定振幅控制.经验证,当换能器谐振频率偏移时,本系统能在500 ms内完成自动追频,振幅误差小于3%,加工成功率及效率提高50%以上,能在一定程度上延长换能器寿命,提升工厂加工效率、提高生产安全性.     

基于多元数据特征和改进随机森林的智能配电网异常数据辨识

智能配电网异常数据的准确辨识对于提高电网安全运行和调度具有重要意义。本文提出一种基于多元数据特征和改进随机森林算法的异常数据辨识方法。首先,在分析异常数据辨识过程的基础上,利用k-means、箱线图法等提取原始数据异常特征;考虑配电网技术需求,挖掘电网运行的衍生特征。然后,针对类不平衡问题提出结合过采样方法的混合Bootstrap抽样和加权投票策略,引入信息增益率优化最优特征选择,增加算法稳定性。最后,仿真分析了决策树数量和衍生特征对算法辨识性能的影响,并与支持向量机、神经网络等算法进行性能比较。实验结果表明本文方法有效、合理,具有优异的辨识性能和效率。     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...