基于FPGA的激光测距系统中基4算法的FFT研究

文章提出了利用可编程逻辑器件FPGA通过硬件来实现快速傅立叶变换( FFT)的基4 算法,提出了采用两个蝶形运算器同时并行计算,每次蝶形运算按顺序进行的结构,将并行处理与顺序处理相结合,提高并行度和数据吞吐量,每次蝶形运算时间不超过1μs,完成整个256点复数FFT运算大约需要120μs左右,同时又节省资源。该方法在激光矿井提升机位置跟踪系统中应用取得了良好效果。     

模糊控制在复贴机张力控制系统中的应用

复贴机是一个典型的复杂、联动、时变、非线性卷绕系统,因而采用不依赖系统模型,对非线性系统控制效果较好的模糊控制对张力进行控制,为了提高控制精度,并对基于解析表达式的模糊模型的模糊控制器的修正因子用IATE积分优化,控制器的量化和比例因子采用自调整的策略。     

激光光谱技术的水质监测系统研究

为了能够迅速精准判断水质的成分，提出了利用激光光谱技术对水质的检测方法，此系统采用87C52单片机作为系统的核心，组建了共聚焦式检测子系统，采集系统则用USB30协议与上位机进行通讯。通过对水体表面受激而产生的荧光信号进行光谱分析，可以定量分析水质成分。本实验在室内光源下进行，忽略了背景光的影响，得到的实验数据较为准确。实验结果表明检测到的荧光信号与水体受污染程度成良好的相关性，可以作为水体污染检测的指标。     

基于模式理论的EFPI传感器输出干涉谱分析

运用模式理论研究分析了单模光纤法布里-珀罗传感器(EFPI)在白光条件下的输出干涉谱,理论推导出反射光干涉光谱的归一化函数表达式,分析得到输出干涉谱受法布里-珀罗腔的腔长和耦合系数的相位变化的共同影响,并与传统几何光学的方法相比较。通过计算机仿真,可以清晰看出各参数与输出干涉谱的关系。其研究结论为高精度和高准确度的法布里-珀罗系统的实现提供了更为精确的理论基础。     

基于完全局部二值模式的多光谱法识别损伤苹果

目的 建立一种基于完全局部二值模式的多光谱法识别损伤苹果。方法实验搭建苹果的多光谱数据采集平台,采集了558组苹果多光谱数据。使用完全局部二值模式算法提取苹果的特征向量,再将特征向量送入支持向量机中,比较分类结果。结果通过准确率、特异度和召回率三种平均指标,在完全局部二值模式结合支持向量机分类模型下,苹果多光谱图像的25 个波段对表皮有损苹果和表皮无损苹果有很好的识别效果。并在第20 波段的识别准确率达到最高为99.63%。多光谱25个波段的平均分类准确率达到了99.110%,第20波段分类准确率最高,达到了99.632%,准确率越高,分类效果越好。结论所建立的方法可以实现有损苹果和无损苹果的高效识别,对苹果的储运和分选都有一定的意义。     

新型矿用隔爆型双电源四回路风机控制器

针对我国高瓦斯煤矿井下局部通风的需要，普通磁力风机起动器和传统风机控制器已不能满足安全生产的现代化需要，提出采用双电源四回路风机控制器来实现矿井不问断通风，该控制器很好地满足了煤矿井下双电源和不间断通风的工作要求，实现了真正的煤矿整体安全通风的要求。     

AABC算法优化ELM的心脏病辅助诊断

针对ELM算法在心脏病辅助诊断中分类精度不高的缺陷,提出自适应人工蜂群算法优化ELM隐层输入权值和偏置的心脏病辅助诊断方法。采用自适应遗传算法对数据进行特征选择,以最优特征子集构造样本输入自适应人工蜂群算法优化ELM的分类模型。自适应人工蜂群算法改进原算法的跟随蜂概率选择机制,在搜索阶段引入最优解与次优解,通过自适应算子调整二者的引导作用。仿真结果表明,该方法相比于其它方法提高了分类精度,减少了总体耗时。     

分布式变电所微机监测系统

本文介绍了利用多台80C196KB做下位机分布式对变电所参数进行监测,经远程通讯由586上位机进行管理的系统,给出了V、I、P测量精度的实现及软件设计程序。     

考虑需求响应和碳排放额度的微电网分层优化调度

针对目前并网型微电网实现资源协同优化,提高微电网运行的经济性与环保水平,建立了考虑需求响应和碳排放额度的微电网分层优化调度模型。在微电网负荷侧考虑分时电价和新能源消纳来优化负荷曲线,并采用多重指标对优化方案进行评价,在微电网发电侧考虑碳排放限额,对微电网内部分布式电源进行优化调度以实现微电网综合运行成本最低的目标。采用混沌粒子群算法（chaos particle swarm optimi-zation, CPSO）求解该优化问题,通过算例仿真分析了柔性负荷占比0%、10%、20%和不同碳排放量额度约束下的优化结果,验证了模型与算法的有效性。     

遗传算法优化BP网络对掺假蜂蜜快速识别研究

为了更好地实现对掺假蜂蜜进行检测和识别,提出一种遗传算法优化反向传播(BP)神经网络和激光诱导荧光(LIF)技术相结合的新方法.实验采用蜂蜜、果葡糖浆以及二者以不同比例混合获取的实验样本,每类样本数为150个,共600个实验样本.通过激光诱导荧光技术获取实验数据.将各类样本的70％用于算法模型训练、30％用于模型预测评估.通过PCA降维技术进行特征提取,分别用极限学习机(ELM)算法、BP神经网络算法、GA_BP三种算法进行实验.实验结果表明,相比于极限学习机的82.78％、BP神经网络算法的95.89％的准确率,GA_BP算法对预测样本的预测准确率最高,可达100％.通过将GA_BP与蚁群算法(ACO)优化BP网路、粒子群算法(PSO)优化BP网络作对比,发现GA_BP算法具有运行时间较短、鲁棒性较好的特点.