一种新型全自动CT特性测试仪的研制

研究了一种新型全自动CT测试仪.详细地介绍了该测试仪的系统实现原理框图,并对其中的主要部分进行了详细的阐述,给出了相应部分的电路原理图以及软件实现流程图,并对所设计的样机进行了伏安特性的测试.     

基于PIC单片机的温度控制器

介绍了基于PIC单片机和DSl8B20温度传感器的一种温度控制器的设计,包括温度传感器芯片的选取、单片机与温度传感器的接口设计以及实现温度采集和数据传输的软件设计.DS18B20数字温度传感器是单总线器件,与单片机组成一个测温系统,线路简单,体积小,在一根通信线上可以挂接很多这样的测温系统.通过控制器样机测试和误差分析的结果,该控制器使温度测试的精度得到了很大的提升.由于测温范围为-55～125℃,因此可以应用在很多温度检测和温度控制领域.     

一种新型的蓄电池内阻测量方法的研究及实现

蓄电池内阻是评估蓄电池性能的一个重要指标，测量其值具有重要意义。目前国内普遍采用四线交流法进行测量，但是对该种方法处理却相当复杂。针对这一状况，提出了基于鉴相处理技术的方法，大大简化了测量。介绍了该测量方法的原理和具体实现过程。实际情况表明：该方法简单、精度高，具有良好的实用价值和推广意义。     

基于PIC单片机控制的电容层析成像系统

电容层析成像技术以其结构简单、响应速度快、非侵入、无辐射等优点成为检测科学领域里的研究热点之一。介绍了一种基于PICl6C74单片机控制的8极板电容层析成像系统，描述了它的硬件检测电路组成、工作原理并给出了图像重建计算机和单片机工作的软件设计流程。实验证明：模块化结构设计使得系统具有良好的性能，且充分考虑了信号远传、系统成本、灵活性、速度等问题，为ECT技术的工业应用奠定了基础。     

空气压缩机节能分析及其控制系统的设计

文章根据空气压缩机在生产过程中的工作原理,从理论上进行空气压缩机能耗分析,得出了空气压缩机具有节能空间的结论;详细介绍了以变频器为驱动核心、采用压力变送器检测压力变化的空气压缩机恒压供气智能节能控制系统的硬件及软件设计。实际应用表明,该系统可实现空气压缩机恒压供气,且节能效果较明显。     

基于LS-SVR融合算法的颜色恒常性研究

目标物的图像会因环境光源的不同而呈现不同的颜色值,为对图像中的内容进行准确研究,需将记录图像调整到标准光源下,这就是颜色恒常性研究.无监督恒常性算法具有运算量小且简单的优势,但受限于假设条件,为此提出采用图像的多特征进行融合研究来提高恒常性研究的通用性.采用基于结构风险最小化原则的LS-SVR算法来对5种基本算法提取图像的多特征进行融合,评估出环境光源的色度.以标准图像库中的图像作为研究对象,结果表明:在各种光照条件下,多特征融合的LS-SVR算法能取得比5种算法更小的误差,评估出来的场景光源更接近于实际光源,为目标场景的准确分析与识别提供了科学依据.     

基于机器视觉PCB裸板缺陷自动检测研究

运用参考比较法对机器视觉PCB裸板缺陷检测进行了研究。在相机摄像头下同一位置采集多幅标准PCB图像累加求平均值得到标准电路板图像,运用Harris角点算法进行标准电路板图像和待测电路板图像的配准,分别对标准电路板图像和待测电路板图像进行灰度变换、中值滤波、二值化、异或等图像处理检测出缺陷区域,然后通过形态学消除伪缺陷,实验证明,该检测方法有较高的准确率。     

基于自适应粒子群优化LSSVM的网络流量在线预测

针对带混沌特性的网络流量在线预测,提出一种融合自适应粒子群算法(APSO)和递推式最小二乘支持向量机回归的流量模型。对流量序列嵌入重构得到多维状态输入矢量,将其作为初始LSSVM的训练样本,其中采用自适应粒子群算法对模型的特征参数、嵌入维数寻优,避免早熟停滞。对于在线预报过程中的吸收样本、删减样本采用核矩阵迭代式求解,动态调整回归机,使得模型具有在线学习能力,由此得APSO-LSSVM在线流量预测模型,并考察网络负荷度与嵌入维数关系。仿真实验表明:该方法能有效预测网络流量,实现较高精度实时流量估计。     

大功率伏安特性测试仪的研究

介绍一种用单片机控制的自动伏安特性测试仪,以MAXIM公司的高频波形发生器MAX038为核心构成,对其振荡频率控制、信号输出幅度控制的实现作了较详细的论述,给出了相应部分的电路原理图,以及软件实现流程图,并通过对所设计的样机进行了伏安特性的测试。根据测试结果可以看出,该测试仪具有很好的性能,是一个比较实用的测试仪器。     

一种高性价比的高压输出稳压开关电源的设计

文中介绍了采用TOP247Y芯片为主控芯片,输出为220V／0．5A的高压输出稳压电源的设计,给出了电路原理图、各电路设计和器件参数的设计方法,并通过实验得到了实际工作状态下的主要波形图。试制结果表明该电源各项技术参数均达到了设计要求。