实验性路由协议仿真测试平台设计

通过对网络设计架构影响网络路由性能的分析,描述了局部网络参数的改变对整体路由环境影响的重要性.设计了一个实验性路由协议仿真测试平台,并模拟了OSPF协议在该平台上运行时的协议行为,进行了模拟故障分析.利用实验性路由平台可以为网络规划设计工作提供经济有效的实验环境,有效地提高工作效率,降低故障发生率.     

智能仪表人机界面的软件自动生成系统

设计了一种基于图形LCD显示模块的智能仪表人机界面的软件自动生成系统.从智能仪表和液晶显示器的发展趋势和需求入手,通过对现有智能仪表的界面分析,完成了PC机上组态式人机界面编辑平台的设计和开发,并且解决了代码的自动生成与转换问题.其目的是为各种智能仪表人机界面软件的设计与开发提供一种自动生成工具,缩短仪表产品的开发周期.     

海洋浮游植物自动分析和识别技术

浮游植物是海洋生态系统的初级生产者．对其种类的分类鉴定和定量分析是海洋科学研究和应用的基础性工作．传统的分析方法主要采用显微镜下的人工鉴定和定量计数．为了适应海洋科学和环境监测中的快速检测的需要，解决目前显微镜人工鉴定中存在的专业水平要求高、分类人员断层、耗时等问题，至今已有不少学者对各种浮游植物自动分析和识别方法进行了研究．包括基于藻细胞形态的与计算机技术相结合的图像法，基于藻类色素组成的吸光光度法、荧光分光光度法和高压液相色谱法．基于藻细胞大小、色素组成、DNA等的流式细胞仪法，基于细胞基因系列的分子探针法等．本文对这些方法的原理、发展动态、优缺点等进行了综述．认为基于藻细胞形态的浮游植物显微图像自动识别技术，由于其综合了现代仪器自动分析和传统显微分类方法的优点，是浮游植物自动识别的一种理想和实用的方法，将有很好的应用前景．     

基于小波矩特征的小波神经网络目标识别

提出一种具有尺度、平移与旋转不变性的目标识别方法.该方法首先提取目标图像的小波矩特征,然后与小波神经网相结合,构成一套目标识别系统.小波矩不变量不仅可以表示图像的全局特征,而且还能表示局部特征;而小波神经网络结合了小波分析和传统神经网络的优点,具有很强的学习能力和推广能力.因此基于小波矩的小波神经网络目标识别系统在进行目标识别时具有很大的优势.实验中使用该方法对4类飞机目标进行识别,实验结果证明其识别率高于其它的目标识别方法.     

由覆盖性测试应变识别简支梁破损

梁在破损处的应变突变明显，其它处甚至紧邻破损处的应变没有明显变化，由应变振型识别梁的破损，测试应变应沿长度覆盖整个梁，采用大标距应变片或应变测试辅助装置进行覆盖性测试是可行的，测量结果是标距范围内应变的平均．采用奇异值分解方法处理测试应变数据，可将微弱突变信号分离出来．     

超声无损检测机械手的设计与实现

为了解决由平面、弧面、球面等组成的零部件的超声无损检测问题,提高检测的自动化程度和可靠性,提出了基于机械手的超声无损检测系统。借助于超声检测技术、机器人技术、数字控制技术、计算机技术等,研制了一种用于超声无损检测的机械手。该机械手由机械系统、控制系统、伺服系统、检测系统等组成,通过PC机控制,能够实现自动控制并实时获取坐标信息,有利于缺陷的定位、定量和定性分析,其结构简单,性能价格比高,不仅能够用于超声无损检测,而且也可以用于其他场合,具有广泛的适应性。     

基于特征锚杆工作载荷动态检测的巷道围岩稳定性评价

基于锚杆支护作用原理和锚杆工作载荷的动态无损测试技术，通过大型相似模拟实验，论述了锚杆工作载荷和围岩表面位移的相关关系，得出围岩变形破坏的各个阶段和锚杆工作载荷变化的对应关系，从而达到通过锚杆工作载荷的无损检测来实时评估巷道的稳定性。     

自动抄表系统中几种传感器的应用

简要介绍了自动抄表系统的基本原理和采集部分的设计思路,着重介绍了光电传感器、霍尔传感器和零功耗磁敏传感器及其检测电路在自动抄表系统中的应用,并对它们的优缺点进行了比较。     

管材超声检测中导波模式及频厚积的选择

用轴向功率流分布来选择检测自由管状结构的最佳导波模式及其最佳频厚积 ,并将混合边界元法应用于管状结构 ,对其结果的有效性进行了验证 .结果表明 :对于自由管材 ,用超声纵向L(0 ,1)模式检测时 ,频厚积在 0 .15MHz·mm以下时较为灵敏 ;用L(0 ,2 )模式检测时 ,在 1.4～ 1.8MHz·mm之间对检测管壁中央的缺陷较灵敏 ;用L(0 ,3)模式检测时 ,在 2 .0MHz·mm以下对管内外表面上的缺陷都较灵敏 .轴向功率流分布能有效地选择检测的最佳导波模式及其频厚积 .     

基于信号谱熵的模糊Hamming网络缺陷识别

无缝钢管损伤监测和诊断的关键在于缺陷信号特征的提取和识别，作者研究了无缝钢管内伤、外伤及孔洞等缺陷信号的频域特征，提取信号二维谱熵指标作为特征指标，运用改进的模糊Hamming神经网络识别方法，对无缝钢管的缺陷进行识别，结果表明，该方法具有很高的识别精度，实例中识别准确率达100％，由于该识别方法不需要示教学习过程，因此能够应用于实时在线缺陷识别。