EMT中传感器线圈数量对灵敏度的影响

在EMT系统中,灵敏度矩阵反映微小扰动对测量值的影响,是影响重建图像质量的重要指标.以传统的“O”型传感器阵列结构为基础,利用Comsol有限元仿真软件将被测物场剖分成多个微小单元,采用模拟扰动法,用于灵敏度的矩阵求解.同时对8线圈、12线圈、16线圈、20线圈的传感器阵列结构的灵敏度矩阵分别进行求解,采用M atla...     

基于KingSCADA的矫直机监控系统设计

针对自动矫直机控制与管理自动化的需要,开发设计了一种基于KingSCADA的矫直机监控系统。该系统大大提高了钢材矫直系统自动化程度及控制精度。本文介绍了基于KingSCADA的矫直机监控系统的总体结构和实现功能。     

电子信息类专业基础课教学改革的探究

近年来我国一直在全面推进高等教育内涵式发展,大力提升高校培养基础扎实、发展后劲充足,创新型人才的人才培养水平.着眼于高等教育课程教学改革领域,从高校电子信息类专业基础课程改革的角度出发,着眼于电子信息类专业基础课的发展内涵,提出课程体系建设、教学内容改革及相关电子信息类专业基础实验改革的方案,最后在教学环节的设计方面,提出以课程教学和实践教学为依托,形成理论课程重基础,实践课程深化基础的氛围,构建相辅相成的基础课程体系,为高校电子信息类专业基础课可持续发展提供理论与实践支持.同时,通过深化基础教学改革引导学生重视基础对其自身发展的重要作用,提升人才的核心竞争力,特别是提升基础对人才创新能力的促进作用.     

离子聚合物-金属复合材料分数阶模型的建立与控制

IPMC是一类具有很好应用前景的电活性智能材料,但响应机理复杂且具有非线性限制了其开发与应用。分数阶控制是对传统整数阶控制理论的概括和补充,分数阶控制理论使得传统经典的PID控制理论更具有可模拟性和鲁棒性。为了准确地建立IPMC驱动器的模型并说明分数阶控制的优越性,首先建立了描述IPMC驱动器的整数阶模型和分数阶模型,然后比较两种模型的拟合精度,确定采用拟合精度更高的分数阶模型来描述IPMC驱动性能。针对IPMC分数阶模型设计了整数阶PI控制器和分数阶PIλDμ控制器。最后通过仿真分析可见,分数阶控制的上升时间更快,超调量更小,通频带更宽,可应用于控制IPMC的形变,证明了应用分数阶控制方法使得被控系统的性能得到了明显的改善。     

图像监控技术在城市电力系统的用途与设计

从简述城市电力系统远程图像监控技术在无人值班的必要性入手,详细介绍了远程图像监控技术的实现和应用。     

基于虚拟实验平台的大学生创新实践能力培养的研究

该文针对大学生创新实践能力培养的现状,结合《数字电子技术实验》和大学生创新创业项目实施的具体情况,研究虚拟实验平台在学生创新能力培养中的应用,并将虚拟实验与实物实践相结合的方式应用于大学生创新实践能力培养中,不仅提高了学生探索实验的兴趣,激发学生自主创新意识,而且更全面地培养了学生的科学思维模式,提高了大学生解决实际问题的能力。     

基于Arduino的温棚养殖环境监控系统

随着现代科技的发展和进步,智能农业设备开始进入人们的视野并逐渐融入农业生产中。以Arduino为主控板的温棚养殖环境监控系统的设计,根据现代化养殖对环境指标(主要包括温度、湿度、有害气体等)需求的分析,利用先进的传感器技术和无线网络传输技术设计出一种简单、高效、低成本和低功耗的温棚养殖环境监控系统。通过DHT11温湿度传感器、TGS4160型CO2传感器以及NH3传感器实时测量温棚内的环境指数,利用基于Atmega328P单片机的Arduino UNO硬件平台进行数据采集和分析,使用无线网络传输模块将实时数据传送到Yeelink平台,即可实现实时数据监测以及异地监控,也便于对温棚养殖环境实施长期监控和数据分析。     

基于全景图的虚拟校园系统研究

利用全景漫游的技术来建立具有真实感的虚拟环境是近年虚拟现实技术研究的热点。虚拟校园是数字化校园的基础和平台,开展虚拟校园的研究,具有重要意义。本文以普通数码照相机拍摄的序列图像为基础,探讨基于全景拼接的虚拟校园系统的实现。     

基于随机森林的长期目标跟踪方法

结合正负样本相互作用思想和随机森林算法构建检测器,融合基于LK光流法的跟踪器,提出一种基于TLD(Tracking Learning Detecting)的随机森林长期目标跟踪方法。将该方法与Mean-Shift算法、TLD算法进行对比,结果表明该算法能很好应对目标丢失、遮挡情况,准确率在93%以上。在多种情况下对该方法进行实验验证,可实现刚性物体和非刚性物体在复杂背景下的长时间精确跟踪。     

基于深度学习的结肠息肉检测算法

近年来,受结肠疾病困扰的人群数量不断增加,由于诊断不及时,结肠疾病容易演变成结肠癌,严重威胁患者的生命健康。结肠息肉是结肠癌在患者体内的前期表征,通过结肠镜及时准确地检测结肠息肉并进行干预可以降低结肠癌发生的概率。目前,深度学习在医学图像处理领域应用广泛,在结肠镜图像息肉检测中应用深度学习技术,可以帮助医生进行精确诊断。针对传统方法在肠息肉检测中因息肉成像差异大、肠息肉类型多样等存在假阳性高的问题,利用U-net++网络对结肠息肉进行检测,提出一种引入注意力机制的U-net++改进模型,采用端到端的结构,并针对不同网络进行实验研究,对不同网络模型在结肠息肉检测结果进行精度和损失度对比分析。经过实验验证,引入注意力机制的U-net++改进网络模型能够快速精确地检测结肠息肉,可以更好地辅助医生进行临床决策和干预,具有重要的研究意义和临床应用价值。