排序方式: 共有36条查询结果,搜索用时 0 毫秒
11.
针对模拟电路的故障诊断和定位问题,为进一步提高故障诊断准确率,提出了一种基于连续小波Tsallis奇异熵和超限学习机的故障诊断方法。首先应用连续小波变换计算被测电路时域响应信号的时频系数矩阵,然后将其分割为8个相同大小的子矩阵,分别计算每个子矩阵的Tsallis奇异熵,组成特征向量,最后将特征应用于超限学习机多类分类器进行区分。仿真结果表明,故障诊断方法能较好地获取故障响应信号的本质特征,并具有较其他现存方法更高的故障诊断正确率。 相似文献
12.
提出了一种基于RFID技术的无芯片湿度传感器标签。通过开槽蚀刻技术在覆铜FR4材料上制作缝隙散射体结构。标签结构分为两个单元:编码单元借助不同长度的缝隙组合存储ID信息;通过在缝隙表面覆盖硅纳米线沉淀层构成传感单元,用来感知湿度的变化。该方案结构简单、成本低,无任何后处理工艺。测试系统利用交叉极化的两台喇叭天线作为发射和接收天线,依据雷达电磁反向散射原理测量传输系数曲线进而获取标签的ID信息和外界湿度信息。实验测试表明在25℃温度及30%~90%的相对湿度范围内,该无芯片湿度传感器标签在215 MHz的频带范围内中心谐振频率与相对湿度呈现稳定的近似线性关系,其灵敏度超过2.9 MHz/%RH。 相似文献
13.
为降低绝缘子发生污闪的概率,需对影响绝缘子泄漏电流的温湿度值进行在线监测。为克服现有的在线监测温湿度技术在高环境温度和强电磁干扰等各种恶劣的环境下可靠性低的不足,采用了一种新的基于声表面波射频识别(SAWRFID)的绝缘子温湿度在线监测方法。首先对该SAW-RFID温湿度传感器标签芯片进行了通信测试、中心频率测试和性能测试,并基于该温湿度传感器对XP-70型绝缘子进行了实验,利用SAW-RFID温湿度传感器标签监测绝缘子温湿度,在此基础上分析得到了环境温湿度与绝缘子泄漏电流幅值的关系,为预估绝缘子绝缘性能提供了参考依据。 相似文献
14.
电力电缆运行温度是反映其运行状态的重要参数,在线监测其运行温度可及时确定电力电缆的局部过热,估计电缆绝缘性能,发现安全隐患。文中在分析对比现有测温方法的基础上,提出了一种基于声表面波射频识别(SAW-RFID)系统的无源无线测温系统,并详细介绍了SAW标签的设计原理,采用RFID测试仪对SAW标签进行了测试。文中通过实验证明了该系统的可行性,并基于该系统对XLPE电缆进行了实验,实验结果表明SAW-RFID系统测温结果与热电偶测温结果基本一致,实现了电力电缆温度的远程实时监测。 相似文献
15.
16.
湿度控制是混凝土早龄期控制开裂的重要措施,由于混凝土是有损多相复合材料,文中首先具体分析了电磁波在混凝土中的损耗,确定了标签可正常工作的基本条件,然后介绍了一种用于混凝土湿度监测的无源射频识别(RFID)传感器标签,该RFID传感器标签是基于超高频(UHF)的EPC-2通信协议,且工作于无源模式下,并具体介绍了传感器结构、接口电路和整流模块。后期实验对所设计的湿度传感器进行了性能测试,结果显示该湿度传感器具有良好的线性度和稳定性。与传统湿度测量的结构相比,所设计的无源RFID湿度传感标签具有低成本以及低功耗的特点。 相似文献
17.
18.
无线射频识别(RFID)系统采用的防碰撞算法直接决定了系统的工作效率。在查寻树(QT)算法的基础上提出了一种改进的混合查询树(IHQT)标签防碰撞算法。标签产生碰撞时,碰撞节点会裂分为多个子节点。为了避免空闲时隙的产生,IHQT算法在阅读器查询碰撞标签之前增加一个分支预测阶段,提出的分支预测方法可以准确地预测查询树中空闲时隙的位置,阅读器产生新的查询前缀时,不产生访问空闲时隙的查询前缀,从而完全避免了空闲时隙的产生。算法的性能分析和仿真结果表明,IHQT算法在阅读器开销少量增加(分支预测位n≤2)甚至明显减少(分支预测位n≥3)的前提下,时隙数、吞吐率有了显著的改进,优于已有的查寻树防碰撞算法。 相似文献
19.
本文提出一种基于RFID传感标签和深度信念网络(Deep belief networks, DBN)的人体活动识别技术。首先,设计了一种无源RFID(Radio frequency identification,RFID)传感标签,人体加速度信号存入传感器数据区,标签序列号和硬件版本组成了标签ID可以进行唯一标识。然后从数据中提取初始特征,采用核主成分分析(KPCA)和线性判别分析(LDA)对特征进行进一步处理,使其更具鲁棒性,有利于快速的人体活动识别。最后,利用这些特征训练DBN。在一个可穿戴传感器数据集上进行实验,仿真结果表明,所设计的传感标签最小灵敏度约为-17dBm,对应在2W的阅读器功率下传感标签最大工作距离为10.5m;所提出的DBN算法优于其他算法,也极大的提高了识别准确率。 相似文献
20.
针对瓦斯传感器的常见故障类型,提出了一种基于小波包和GBDT的瓦斯传感器故障诊断方法.该方法首先使用3层小波包分解对瓦斯原始故障信号进行分解;然后利用LDB算法削减得到重构信号能量,经归一化处理后作为输入分类器的特征向量;接着利用由梯度提升技巧和决策树构成的GBDT分类器作为故障模式的训练和识别器;最后通过瓦斯传感器诊断实例验证了该方法的有效性.实验结果表明,采用该方法进行瓦斯传感器故障诊断相比其他方法具有更高的诊断精度和更好的样本泛化能力. 相似文献