基于DSP的电气平台硬件设计

设计了基于TMS320F2812的电气平台,通过CPLD架构外围电路,对外扩数据存储器SRAM,外扩高精度数模转换器ADS8364,串行通讯RS-485、CAN的原理与应用做了详细的研究,给出了SRAM、模数转化器、485、CAN收发器与TMS320F2812的硬件接口原理方框图。     

TMS320F2812片内FLASH的应用研究

通过对TMS320F2812片内FLASH的研究,总结了FLASH的基本用法,链接命令文件的编写,FLASH的烧写方法,在内部RAM中运行FLASH中装载的程序,以及如何通过FLASH进行TMS320F2812的自举     

基于神经网络校正算法的酒精非接触测量方法

为了解决酒精气体测量过程中其他外界因素对测量浓度影响的问题,本文结合酒精气体在红外谱段吸收的特性以及BP神经网络算法的非线性处理方法提出了一种基于神经网络校正算法的酒精气体非接触测量方法。该算法考虑气体吸收过程中温度、湿度对光强的影响,把其作为神经网络的输入和测量参数一起进行训练,同时与常规的数据拟合模型算法进行对比实验,实验证明该算法取得了较好的效果。     

基于神经网络和傅里叶光谱分析的易制毒混合气体检测方法

易制毒气体识别对于抑制毒品流通具有重要作用,但目前关于易制毒气体浓度检测的研究还不成熟。针对易制毒混合气体检测的问题,通过采集傅里叶红外光谱信息建立了反向传播(Back Propagation, BP)神经网络模型。以乙醚和丙酮的混合气体实验为例,对BP-傅里叶红外变换光谱(Fourier Transform Infrared Spectroscopy, FTIR)模型进行了验证和分析。结果表明,利用BP-FTIR吸收系统采集的多组分混合气体的光谱数据的总体回归R值为0.99273,相关性强。在混合气体测试中,乙醚气体的最大预测误差为28 ppm,丙酮气体的最大预测误差为11 ppm,总体预测误差较小,说明该模型能够较好地预测乙醚丙酮混合气体的浓度。因此,神经网络模型对多组分易制毒气体进行浓度反演的预测结果精度较高,本研究也为易制毒及其他混合气体检测提供了新的思路。