一种模拟量模块的应用

模拟量模块采用RS485通讯网路,将分散的现场数据点的模拟量经AD变换传输到主机或由PC控制远程主站点。模拟量模块具有计量数据采集、测量数据采集、设备开关状态采集和对外逻辑控制等多项功能,主要用作各种测控终端的数据采集、控制和显示设备,适用于各行业的自动化、信息化系统。本文介绍了一种模拟量模块的应用。     

基于多尺度结构特征的快速异源图像匹配

针对异源图像提出一种基于多尺度密集结构特征的快速匹配算法。算法首先利用Gabor滤波器逐像素提取图像中的结构响应,再根据主方向响应对多尺度结构特征融合,然后使用快速傅里叶变换在频域计算各特征分量图像之间的卷积,最后将卷积生成的系数矩阵求和计算出图像之间的相似性并选择相似性最大位置作为匹配结果输出。本文算法能有效适应异源图像间的非线性灰度变化和噪声干扰问题。测试使用可见光、红外、雷达图像组成的异源图像数据集对本文算法和现有算法进行测试比较,结果表明:本文算法的平均误匹配率最低,并且计算速度有明显优势。     

基于小波变换的文胸底围压力数据分析

女性穿着文胸时,文胸底围紧贴人体胸部,直接影响人体呼吸时的难易程度,为了研究文胸底围压力与人体呼吸之间的关系,选择20名在校女大学生穿着合体文胸做深呼吸试验,以文胸底围侧中部为测量点,记录试验过程中的压力变化情况。通过小波变换对深呼吸试验所测压力数据进行去噪处理,并用最优尺度回归分析法统一数据尺度。结果表明,文胸底围压力与人体呼吸自由程度、塑形效果以及底围拉长率均具有相关性。     

基于GD32单片机的电能质量分析系统设计

基于32位ARM coretex-M4单片机作为主处理器,利用准同步采样技术实现三相电力系统的电压和电流参数采集,采用傅立叶变换技术对谐波频率及含量进行计算。针对每个工频周期的采样点数和响应速度的矛盾,提出了一种基于采样点数和响应速度的平衡控制策略,既兼顾了采样点数,保留原数据的真实变化,同时满足一定要求的响应速度。     

基于深度度量学习的电机故障诊断

深度学习以其强大的自适应特征提取和分类能力在机械大数据处理方面取得了丰硕的成果，由于电机结构的复杂性，其信号表现出的非平稳、非线性和复杂多样等特点，使得传统分类方法中的Softmax分类器+交叉熵损失函数对电机故障诊断力不从心。根据电机信号非平稳、数据量大等特点，结合短时傅里叶变换(STFT)与深度学习中的卷积神经网络(CNN)算法和Triplet Loss三元组思想，提出了深度度量学习电机故障诊断方法。该方法能将电机故障信号转换成时频谱图，同时构建CNN，将预处理后的样本用于CNN的训练，采用Triplet Loss作为损失函数度量故障数据高维特征间的距离，并结合标签有监督地微调整个网络，从而实现准确的电机故障诊断。实验表明该方法在处理复杂数据时能够度量特征在高维空间中的距离，高效完成故障诊断任务，弥补了交叉熵函数的不足。     

基于EVSEWT的下击暴流时变平均风提取

下击暴流等极端风具有强烈的非平稳特性，给风场特性分析、结构响应计算带来挑战。根据经验将非平稳风分为时变平均风和零均值脉动风分别进行分析，是处理非平稳风速信号的有效方法。分析了几种常见时变均值提取方法的优缺点，在此基础上提出一种基于能量波谷寻找的经验小波变换方法，用于下击暴流时变平均风速提取，并将提取的时变平均风和脉动风用于分析某幢高层建筑顶部位移响应。对2组下击暴流的分析结果得出：与经验模态分解和离散小波变换方法相比，基于能量波谷寻找的经验小波变换方法模型提取的时变平均风更符合预期，对应的结构响应偏于安全。