排序方式: 共有66条查询结果,搜索用时 7 毫秒
1.
结合嵌入式Linux结构简单、灵活、低成本、高性能的特点以及图像采集系统的广泛应用,介绍了在Linux系统下基于QT开发图像采集系统的方法,给出了基于AT89C2051处理器以及SAA7111A视频采集芯片的嵌入式图像采集系统的设计方案,分析了图像采集卡的工作原理,并结合CPLD实现了对整个采集过程的控制。介绍了QT和Linux下串口通信的特点,并对如何编写基于QT的串口通信、图像传输、图像处理和图像显示等程序进行了讨论。 相似文献
2.
3.
4.
介绍了一种基于WorldFIP现场总线的振动测量仪表的组成原理及软硬件设计方案 ,包括同步整周期采样、抗混滤波器的实现以及键相脉冲处理和交直流分离方案 ,该仪表直接处理振动数据 ,并通过现场总线发送测量或处理结果。设计中充分利用了 6 8HC12众多内嵌模块的功能 ,使得电路设计简洁 ,抗干扰能力强 ,可靠性高。文中具体分析了主要电路的作用及工作原理 ,软件的设计及WorldFIP现场总线的软硬件接口。 相似文献
5.
电站锅炉NO_x排放是大气污染物的重要来源,建立有效的预测模型是降低NO_x排放的基础。NO_x的排放特性受多个热工变量的影响,针对变量间的相关性和强耦合性,提出一种基于互信息变量选择和长短期记忆神经网络的预测模型,实现对NO_x排放的动态预测。以互信息"最小冗余最大相关"为准则对特征变量进行重要性排序和变量选择。在变量筛选过程中采用序列前向选择方法,以模型预测精度为目标确定最优输入特征集和最佳模型参数。将筛选出来的特征变量集作为LSTM预测模型的输入,并采用多层网格搜索算法优化网络超参数,建立了NO_x排放动态预测模型。基于某660 MW超超临界燃煤机组的运行数据对模型进行验证,实验结果表明该方法能够有效地减少模型输入变量的数目,降低变量间的信息冗余,同时提高了预测模型的精度和鲁棒性。 相似文献
6.
7.
针对燃煤电厂NOx排放的预测问题,提出了基于粒子群优化算法和双向门控循环(PSO-Bi- GRU)神经网络的NOx排放预测模型。通过主成分分析对影响NOx排放的运行参数进行降维,消除变量间的耦合;基于双向门控循环神经网络学习NOx排放的非线性特性和前后时序信息,提高特征提取能力;采用粒子群算法对Bi-GRU神经网络模型进行超参数寻优,使网络结构最大程度匹配影响NOx排放的变量特征,克服依靠经验选取或手动调节参数而导致预测精度低的问题。最后基于某电厂660 MW机组燃煤锅炉运行参数,建立NOx排放预测模型,并与单向门控循环神经网络、传统Bi-GRU神经网络预测模型进行对比。仿真结果表明,PSO-Bi-GRU神经网络模型预测效果最好,其平均绝对误差、平均绝对百分误差、均方根误差均最小,验证了本文所提PSO-Bi-GRU神经网络NOx排放预测模型的有效性。 相似文献
8.
辨识火电机组的实发功率与机组参数的动态非线性关系便于机组的深度调峰分析以及先进控制算法应用。针对辨识参数相关性重要程度考虑不足和辨识方法泛化能力差的问题,提出了一种基于Copula函数联合含注意力机制的门控循环神经网络的辨识算法。该算法采用Copula函数对影响机组实发功率的参数进行相关性分析,通过注意力机制赋予相关参数注意力系数,提高辨识精度;采用门控循环神经网络进行辨识,克服梯度爆炸与泛化能力差的问题。基于某320 MW亚临界机组的历史数据进行辨识,并对比多种神经网络模型,验证了考虑参数重要程度的优越性。离线实验结果表明所提算法具有良好的泛化能力,对现场机组状态分析与在线应用具有一定的参考价值。 相似文献
9.
燃煤电站NOx排放预测模型可提高脱硝经济性。NOx排放机理复杂,相关性变量众多,有效的融合相关变量之间的信息,能提高NOx排放预测精度。提出了一种基于互信息-图卷积神经网络的NOx排放预测模型。基于某660MW燃煤电站的运行参数,计算影响NOx排放的特征变量之间的互信息,设计特征变量间的邻接关系,获取特征邻接矩阵,构建了基于图卷积神经网络的NOx排放预测模型。将所提出的NOx预测模型与基于LSTM、BPNN和LS-SVM的典型NOx预测模型进行对比,实验结果表明,MI-GCN预测模型具有较好的泛化能力和较高的预测精度。 相似文献
10.
本文介绍一种能用的软件在线帮助的快速实现方法。该方法充分利用微机显示卡的硬件资料,实现帮助画面的快速切换和滚动,切换和恢复时间接近于0,并且有不占用系统内存,切换时不调盘,不需要保存原工作画面内容等特点,具有较高的实用价值。 相似文献