扫描隧道显微镜在隧道谱微观无损检测中的应用

用扫描隧道显微镜(STM)研究了三种样品扫描隧道谱.记录和分析了三种样品的隧道电流与偏压的相关变化关系的隧道谱谱学性质.结果三种样品的隧道谱重叠得很好,表明STM在隧道谱无损检测研究中有广泛的应用,也为STM在隧道谱学研究提供了实验基础和理论分析方法.     

纳米金刚石的STM观测及其导电机理

用IPC-205B型扫描隧道显微镜（STM）获得了纳米金刚石的三维表面形貌图和扫描隧道谱（STS）．把绝缘体金刚石纳米化处理后,在一定的偏压下,获得了纳米金刚石的STM三维形貌图,观测了纳米金刚石表面形貌微观结构,测得了纳米金刚石的扫描隧道谱,估算出纳米金刚石的能隙宽度,并对纳米金刚石隧道谱和导电机理进行了分析．STM／STS实验不仅较好地解释了纳米金刚石导电性能的谱学机理,拓展了STM的应用领域,而且还可以作为绝缘材料纳米化处理后纳米晶粒结构及其能谱特征分析的重要研究手段．     

基于STM32和FPGA联合构建的特种设备行业高精度数据采集系统

在特种设备的控制和检测中,经常要对设备中连续时间变换运行参数进行实时采集。针对传统数据采集系统在采集精度与采集速率方面存在精度差,采集速率低,不能很好的采集高频信号、反映特种设备高速运行部件的准确信息,制约了特种设备安全风险管控和隐患排查治理的问题。本文利用STM32与FPGA芯片特性,设计了一种基于STM32和FPGA架构的高速采集系统,本系统采用高精度、大动态范围的AD9238芯片为核心进行AD转换保证了采样精度,通过FPGA的并行结构特性保证了采样速度,STM32进行逻辑控制与后级系统输出.阐述了系统整体结构,对关键硬件模块进行了设计,分析了关键数据流量处理过程,包括FPGA数据读取控制,FSMC总线数据传输,STM32数据传输控制等,最终对采集系统进行测试,测试表明本采集系统具备高采集精度与采集速率,能够很好的应用于特种设备的控制和检测中高频信号的采集.     

基于隧道效应的振动检测反馈系统设计

针对扫描隧道效应对环境的苛刻要求,旨在设计一种主动隔振系统提高STM工作的稳定性,主要基于隧道效应的原理搭建闭环控制系统,主动适时的响应和补偿振动的干扰.硬件部分包括以DSP为核心的高速精确的测控电路,软件部分解决了数字滤波和PI控制算法在提高控制性能上的关键问题.并利用仿真现象和实验结果进行控制特性和动态响应的分析,证明其良好的实时控制效果.     

立铣动力学系统模态参数辨识及实验

设计完整的铣削加工模态分析实验和动力学实验,完成铣削力和振动信号的采集和分析,并以刀具振动系统为例提出模态参数辨识计算方法.对比动力学实验测量和计算机仿真信号的时域幅值、功率谱特性可知:基于实验模态分析实现系统模态参数辨识技术路线可行,预测精度较高,可较好地应用于铣削力-振动等信号及其时域和频域特性的动态仿真.     

陆地声纳无线数据采集系统研究

陆地声纳法主要应用在隧道施工地质预报方面,信号采集是地质预报的关键环节.将UCOS-Ⅱ移植到STM32单片机,并利用其进行采样控制.将采集到的数据通过无线模块发送给上位机进行数据处理.本文针对陆地声纳数据采集系统进行了设计.     

外电场下扫描隧道显微镜铱针尖电子结构的理论研究

本文利用离散变分-局域自旋密度泛函方法,对外电场作用下的扫描隧道显微镜(简称STM)铱针尖电子结构进行了研究,并对同一针尖在不同的极性偏压下,可以获得不同分辨率的STM图象的实验事实进行了初步解释.     

基于地震动信号的目标识别

地面目标地震动信号的特性分析是进行地面目标识别的关键,针对人员、车辆地面目标运动时产生的地震动信号,利用JLD-3传感器和DSP设计了一种信号采集与处理系统,并进行多次外场测试.得到的信号时域、频域特征向量可作为目标分类的依据.试验结果表明,该系统结构简单、可靠性高,能有效识别由人员与车辆运动引起的地震动信号.     

基于Wi-Fi的风机轴承运行状态远程监测系统设计

为了解决对风机轴承运行状态方便实时监测,提出一种基于Wi-Fi的风机轴承运行状态实时监测系统方案。系统由信号采集模块与信号分析模块两部分组成,信号采集模块将MPU6050作为振动信号传感器,以STM32微控制器为核心,利用Wi-Fi传输技术将采集到的振动信号传输到信号分析模块中的上位机,上位机采用本征时间尺度分解(ITD)方法,对采集到的振动数据进行分析进而判断出轴承的运行状态。实验结果表明:系统能够实时有效地对风机轴承信号进行传输,提取到的特征信号能够反映风机轴承的运行状态。     

汽车空调压缩机用电磁离合器动态特性试验台的设计

为改变电磁离合器性能试验依靠"手动、眼看、笔记"的传统方法,提高试验精度,运用计算机控制技术、虚拟仪器技术及相关设备,设计了汽车空调压缩机用电磁离合器动态特性试验台.阐述了试验台的总体结构,从硬件和软件两个方面介绍试验台计算机测控系统的工作原理.设计系统可以在不同转速谱、不同载荷谱、不同离合频率谱下测试电磁离合器的动态特性,对试验过程中电磁离合器的性能参数进行采集、显示、存储和分析.通过试验证明,试验台系统性能工作稳定、运行性能良好,满足相关标准的要求.     

基于ICA与PSD的ERD／ERS信号检测

介绍一种基于独立分量分析（ICA）空间滤波结合功率谱密度（PSD）曲线分析法用于提取大脑在想象动作时产生事件相关去同步／同步（ERD／ERS）信号的方法．其检测流程为：先对想象动作诱发的脑电（EEG）信号进行ICA分解得到独立分量与相应的解混矩阵,再按特征频段取其主要分量得到滤波后数据,然后采用短时傅里叶变换计算相关导联EEG信号在特征时段与频段的PSD曲线,引入ERD／ERS系数作为量化指标以进行想象动作的识别．计算结果表明,上述方法能够显著增强运动想象脑电信号的ERD／ERS特征信息,且通过实际分类验证,采用该方法可以获得更高的识别正确率,较传统信息检测方法平均提高8％以上．     

传输参考超宽带信号功率谱密度分析

介绍了传输参考超宽带(TR-UWB)系统,给出了传统单用户TR-UWB信号的功率谱密度(PSD);针对多用户情况下的TR-UWB信号,结合数学模型,给出了TR TH-PPM和TR TH-PAM信号功率谱密度的数学表达式.理论分析表明,TR-UWB信号的功率谱由连续谱和离散谱两部分组成,参考脉冲不影响连续谱,而只影响离散谱.减少参考脉冲可以降低离散谱幅度,但同时也降低了系统性能.仿真结果对理论推导进行了验证.     

湿式球磨机筒体振动信号分析及负荷软测量

针对磨矿过程的磨机负荷(ML)难以有效检测,球磨机常运行在欠负荷状态,造成该过程难以实现优化控制和节能降耗的难题,通过综合分析球磨机筒体振动的产生机理、不同研磨条件下振动信号的功率谱密度(PSD)及ML参数与PSD各频段的相关性,提出了采用料球比、浓度及充填率三个负荷参数对ML进行软测量建模的方法.该方法首先将振动加速度的时域信号通过傅立叶变换至频域,然后采用主元分析法(PCA)对振动频谱数据的低、中、高三个频段分别进行降维和特征谱变量的提取,最后利用最小二乘支持向量机(LSSVM)实现特征谱变量与ML参数间的非线性映射.实验结果表明,该算法能够有效地提取频谱变量的谱特征,并具有较高的估计精度.     

湿法冶金草酸钴粒度分布建模与优化研究

提出了一种基于实数编码的自适应遗传算法的优化控制策略,对湿法冶金草酸钴粒度分布进行了优化控制研究.利用最小二乘支持向量机与草酸钴合成过程动态机理模型相结合的混合建模方法,来预报草酸钴的粒度分布.在所建立的混合模型基础上,确定了草酸钴粒度分布的优化模型的目标函数与约束条件,并运用自适应遗传算法实现了对草酸钴粒度分布的优化.优化结果表明,所建立的优化模型较好地优化了草酸钴的粒度分布,提高了产品的质量,对草酸钴的工业生产以及促进硬质合金工业的发展有指导意义.     

基于CNN-LSTM的脑电情感四分类研究

为深入研究脑电信号时空特征之间的关联,解决因手动提取特征导致的脑电情感识别准确率较低问题。将卷积神经网络（Convolutional neural network, CNN）和长短时记忆网络（Long short- term memory, LSTM）相结合,构造出了CNN-LSTM模型。首先,提取了5个频段的5个不同特征：功率谱密度(PSD)、差分熵(DE)、差分不对称(DASM)、理性不对称(RASM)和差分熵差分(DCAU)。其次,将特征输入CNN-LSTM模型,在DEAP数据集中的效价和唤醒两种情感维度上展开四分类实验。最后,将堆栈自编密码器(SAE),卷积稀疏自编码器(CSAE),深度置信网络(DBN)分别与LSTM组合,构造SAE-LSTM,CSAE-LSTM,DBN-LSTM三种混合模型同CNN-LSTM进行分类准确率比较。实验结果表明,DE特征的分类识别效果在五种特征中占最优,β和γ频段上所有特征的识别准确率远高于其他频段,尤其是γ频段。CNN-LSTM模型获得了最高的平均分类准确率92.48%,充分证明了CNN-LSTM模型的有效性。     

气液两相段塞流的PSD和PDF特征分析

在气液两相段塞流理论基础上,通过大量实验,利用LabVIEW平台进行数据采集和处理,并引进数字信号理论和统计学分析方法,得出了段塞流在不同时期、不同形态的概率密度函数(PDF)特征和功率谱密度函数(PSD)特征.段塞流的压力概率密度函数呈现单峰、双峰、多峰分布,尤以双峰分布最为普遍;段塞流的压差概率密度函数分布符合正态分布,呈现单峰分布;段塞流的功率谱在整个频率范围内随着频率增大而缓慢下降,频率范围内出现两个幅度比较明显的特征峰.利用PSD和PDF特征分析可以进行气液两相流的流型识别,为研究流型和管道系统设计提供帮助.     

单次运动想象脑电的特征提取和分类

为了实现脑-计算机接口(BCI)系统,对运动想象脑电信号的特征进行了提取和分类.将大脑C3,C4处采集的二路运动想象脑电信号分成4段,分别建立六阶AR参数模型进行功率谱估计,再对每段数据的功率谱求和构造特征矢量,提供给误差反向传播算法进行左右手运动想象脑电模式分类.结果表明,该方法提取的特征向量较好地反应了运动想象脑电信号的事件相关去同步(ERD)和事件相关同步(ERS)的变化时程.另外,该方法识别率高,复杂性低,适合在线脑-计算机接口的应用.     

激光自混合干涉技术中两种不同形式功率谱密度反演颗粒粒度分布的比较

激光自混合干涉技术中颗粒粒度分布反演属于病态问题.为了得到较好的颗粒粒度分布,采用Chahine算法作为非负算法,分别对激光自混合干涉线性和对数形式的功率谱密度进行颗粒粒度分布的反演,比较了两种功率谱密度对应的颗粒粒度分布,并且采用Morrison迭代算法平滑Chahine算法的初始向量,减缓了颗粒粒度分布的振动.仿真结果表明对数形式的功率谱密度反演所得的颗粒粒度分布具有更好的抗噪声能力和稳定性.     

基于信道特征生成对抗网络的信道建模方法

基于生成对抗网络(generative adversarial networks, GAN)的数据生成特性,提出一种用于信道特征生成的GAN改进模型,即信道特征生成对抗网络(channel feature generative adversarial networks, CFGAN)。采用完全无监督学习信道特征方式,利用线性编码向量与生成信道之间的互信息关系和变分互信息最大化原理,实现编码向量与信道特征对应;采用实测室内电力线信道数据集训练CFGAN模型,训练完成的CFGAN能够学习到不同信道特征分布。仿真表明,在-80～-10 dB大动态衰减范围内,CFGAN可根据学习到的信道特征生成具有明显区别的4类信道模型,并且生成信道和实测信道的信道特征差异小于2%。     

基于几何特征的调制波形优化方法

为提高频带效率,探索更有利于频谱紧缩的调制波形,根据二元相移键控调制波形的几何特征,通过数学分析与推导,提出了基于几何特征的卡圆和正弦插入波形优化方法. 把提出的优化方法应用于EBPSK调制,使其调制波形的相位突变趋于平滑,功率谱边带大大衰减,频谱得到紧缩,获得了较好的频谱特性.仿真表明,优化后的EBPSK调制与优化前的EBPSK调制具有几乎相同的误码率,验证了该优化方法的可行性.把提出的优化方法进一步与控制周期线谱成分的优化方法结合,得到了传输带宽更窄、边带抑制更好的EBPSK调制波形.该方法可以完全数字化实现,因而,可以简化发送设备,甚至省去发送成型滤波器.