基于LabVIEW的多采样率数字滤波器1/3倍频程计算方法

利用多采样率数字滤波器法计算噪声1/3倍频程谱在硬件上设计困难。因此为降低设计的难度,提出基于LabVIEW实现多采样率数字滤波器法计算1/3倍频程。信号首先通过抗混叠滤波器降低信号频谱混叠,然后经过降采样减少数据计算量,最后利用数字带通滤波器实现通带内信号的能量衰减并进行均方根计算得到1/3倍频程谱值。通过Lab VIEW设计出FIR抗混叠滤波器和8阶巴特沃斯IIR数字带通滤波器,并在此基础上结合声卡搭建噪声分析系统完成1/3倍频程计算。结果表明,所设计的系统能快速准确地计算1/3倍频程谱值,得到理想的低频处频谱分析。     

“教-学-做-研”一体化的单片机教学模式研究

针对电气信息类专业的卓越工程师人才培养计划要求,提出了"教-学-做-研"一体化的单片机教学模式,设计了一款以ADu C848为核心的功能强、成本低的单片机系统,形成了单片机口袋实验室,在后续教学进程中,每个任务与项目边教、边学、边做,并应用于大学生创新性实验计划、学科竞赛的培训与创新设计,使教、学、实验项目、创新训练的实施一气呵成,促进了大学生的实践兴趣,培养了大学生的研发意识,对提高大学生工程实践能力起到了良好的推动作用。     

基于MICA的声级计频率计权数字IIR滤波器设计

针对双线性变换法在设计声级计频率计权数字滤波器时存在固有频率失真问题,提出一种基于改进帝国竞争算法的数字IIR滤波器设计方法.为避免帝国竞争算法出现早熟收敛而陷入局部最优的问题,在帝国竞争算法同化阶段引入混沌函数来增大搜索范围,与此同时,在帝国竞争阶段引入克隆进化算子,引导算法向IIR滤波器参数最优解方向搜索,得到改进帝国竞争算法.在研究声级计A、C计权的IIR滤波器误差来源的基础上,利用改进帝国竞争算法对声级计频率计权数字IIR滤波器系数进行寻优求解,构建基于改进帝国竞争算法的频率计权数字IIR滤波器优化模型.仿真与实验结果表明,本文提出的数字滤波器设计方法精度较高,且滤波器的误差能控制在10~(-3)dB数量级范围内.在噪声环境下不同声信号级进行的频率计权测试结果表明,改进帝国竞争算法测试的声信号级的计权误差能维持在10~(-2)dB数量级范围内,完全满足国家标准GB/T 3241—2010对1级声级计的设计要求.     

基于OPCA-IGAFNN的NQI综合服务 信息平台服务质量评价

针对传统模糊神经网络（FNN）评价模型在国家质量基础设施（NQI）综合服务信息 平台的服务质量评价中存在收敛速度慢、易陷入局部最优解等问题,提出一种基于优化主成 分分析法（OPCA）与改进遗传算法（IGA）的模糊神经网络智能评价方法. 为提高FNN的网络收 敛速度,利用OPCA根据评价指标间的相关性,删除冗余指标因素,减少网络输入量,实现对网 络输入的降维处理;将 IGA与 FNN相结合,利用自适应的交叉与变异概率对 FNN隶属函数的 系数进行全局搜索,克服 FNN在智能评价时容易陷入局部极值问题 . 基于我国实际的 NQI综 合服务信息平台服务质量调研数据开展试验分析,结果表明,OPCA-IGAFNN评价模型具有高 效、准确的评价效果.     

三相多功能谐波电能表的EMI分析与EMC设计

针对电力系统需求,研制了一种具有RFID接口与GPRS通信模块的三相多功能谐波电能表,介绍了电能表的构成与工作原理,分析了电能表的空间电磁干扰、传导耦合干扰和公共阻抗耦合干扰,探讨了电能表的电磁干扰传输途径,提出了三相多功能谐波电能表的电磁兼容可靠性设计方案,论述了电能表开关电源电磁兼容、PCB布线、通信接口抗干扰、防静电设计、软件抗干扰设计等电能表的EMC设计方法,给出了电能表的EMC测试结果.试验和运行表明三相多功能谐波电能表设计具有良好的电磁兼容性.     

基于CAN增强模式的电力远程监测系统

针对电力远程监测系统降低组建与运行成本、提高通信可靠性和系统实时性的需求,提出并研制了一种基于CAN增强模式、集公用配电变压器运行参数观测和低压居民用户电量检测为一体的分布式电力远程自动监测系统,给出了系统构成与测量原理,介绍了由公用电话线、CAN总线、RS-485总线构成的多级信道的信息流程及系统的通信协议,论述了增强模式下集中器中CAN控制器的寄存器分配方法,详细介绍了系统的主、从集中器识别方法和系统的点名、广播通信的信息帧识别方法.实际运行表明,主集中器可以与各从集中器进行点对点通信,也可对所有从集中器进行全局广播通信,主站可以实时监测公用配电变压器的运行状态和低压居民用户的用电量,系统组建方便,运行成本低,可靠性高.     

基于S变换与傅里叶变换的电能质量多扰动分类识别

提出了一种基于S变换、加窗插值快速傅里叶变换(FFT)和概率神经网络(PNN)的电能质量扰动检测和分类方法.应用S变换和加窗插值FFT对电能质量多扰动信号进行时频分析,获取信号的特征量.通过训练信号集上获得的特征量,训练了一个概率神经网络用于扰动分类.训练好的网络在测试信号集上的测试结果表明,对正常电压和常见的电能质量扰动,该方法具有较高的分类准确率,在训练样本数较少、噪声影响大和多扰动信号并存时仍能取得较好的分类效果.