共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
本文设计了一款基于无线传感技术的低功耗无线多跳网络振动传感器实现结构三轴振动的过程检测.采用高精度加速度传感器拾取振动信息,通过二阶巴特沃斯有源滤波器进行信号调理,最后通过基于Zigbee的无线传感器网络进行无线多跳网络的组建和数据的发送,进行多传感器数据融合.实验证明本设计具有良好的精度和可操作性,具有数据溯源和存储能力,能够进行连续过程检测. 相似文献
3.
《舰船科学技术》2019,(22)
现有船舶机舱无线传感器网络丢失节点预测方法存在计算量大、预测精准度差的缺陷,为此进行船舶机舱无线传感器网络丢失节点预测方法研究。为提升无线传感器网络丢失节点预测精准度,搭建无线传感器网络节点模型,建立网络节点隶属度向量。以此为基础,依据节点运动状态特点,计算丢失节点偏转方向,以得到的丢失节点偏转方向信息为依据,采用A-USVC算法预测丢失节点位置,实现船舶机舱无线传感器网络丢失节点的预测。仿真实验结果显示,与现有船舶机舱无线传感器网络丢失节点预测方法相比,提出的船舶机舱无线传感器网络丢失节点预测方法极大降低了计算量,提高了预测精准度,充分说明提出的船舶机舱无线传感器网络丢失节点预测方法具备更好的预测效果。 相似文献
4.
5.
通过对船舶无线传感网络节点数据,进行船舶无线传感组网设计,提高对船舶运行状态的分析和监测能力,提出一种基于量化融合跟踪和多线程总线调度的船舶无线传感网络节点数据的采集方法。进行船舶无线传感网络的路由拓扑结构设计,进行网络节点的最优分布路由控制和定位。在传感器节点优化定位算法设计的基础上,进行数据采集系统的硬件设计,采用32位数据总线进行船舶无线传感数据的高速捕获和总线传输,在FIFO RAM缓冲区采用连续脉冲冲激方法进行数据激发,将采集的数据存储在SCSI数据硬盘和局部总线中,实现数据实时调度和分析。测试结果表明,该采集方法能有效实现船舶无线传感网络节点数据的多线程多通道采集,数据检测和输出的准确性和实时性较好。 相似文献
6.
《舰船科学技术》2019,(22)
为了提高船舶航行姿态准确性,针对当前船舶航行姿态在线校正方法存在的错误大、实时性差等缺陷,提出了无线传感器网络的船舶航行姿态在线校正方法。首先分析船舶航行姿态在线校正原理,并采用无线传感器网络对船舶航行姿态数据进行实时采集,然后根据无线传感器网络采集数据对船舶航行姿态误差进行预测,并根据预测结果对船舶航行姿态进行在线校正,最后进行了船舶航行姿态在线校正仿真对比实验。结果表明,无线传感网络的船舶航行姿态在线校正精度高,船舶航行姿态在线校正速度快,船舶航行姿态在线校正效果明显优于其他方法,解决了当前船舶航行姿态在线校正过程存在的一些难题,具有广泛的应用前景。 相似文献
7.
8.
9.
10.
基于无线传感器网络的船舶识别方法 总被引:1,自引:1,他引:0
本文总结了基于无线传感器网络的船舶识别方法,并进行可行性分析,提出基于Zig Bee的无线传感网络身份自动识别技术。理论分析表明,基于WSN的船舶识别技术具有良好的兼容性、抗干扰性和安全性,对船舶产业的发展具有很好的促进作用。 相似文献
11.
12.
船舶网络是一种特殊的移动网络,面临巨大的安全隐患,传统线性船舶网络安全状态评价的偏差大,结果极不科学。为改善船舶网络安全状态评价效果,设计了基于BP神经网络的船舶网络安全状态评价方法。该方法首先分析船舶网络安全状态评价影响因素,采集船舶网络安全状态评价数据,然后将影响因素和船舶网络安全状态评价分别作为BP神经网络的输入和输出,通过BP神经网络学习,对船舶网络安全状态进行评价,最后采用VC编程实现了船舶网络安全状态评价仿真实验,结果显示BP神经网络可以区分各种船舶网络安全状态,评价准确性得到大幅度改善,同时提升了船舶网络安全状态评价效率,可以有效保证船舶网络安全。 相似文献
13.
14.
在现代海上电力系统中,智能化通信电网技术已经成为未来船舶电力供电系统的发展方向,从而使供电网络与各个船舶电力系统底层节点建立起自动化连接。而物联网系统中的无线传感网络技术,能很好地解决物与物之间的数据采集及通信问题,适应海上智能电网中通信问题。本文在研究无线传感网络及海上智能电网模型的基础上,提出一种基于海上智能通信的物联网体系结构,最后给出整个系统的网络结构模型设计并进行了系统仿真。 相似文献
15.
17.
论网络时代对传统会计的冲击 总被引:1,自引:0,他引:1
随着互联网的普及与应用,全球信息处理网络化成为历史的必然。为了适应环境的变化,网络会计应运而生,成为会计发展的新领域,冲击了传统的会计理论和实务。本文探讨了网络会计的内涵,从会计基本假设,财务报告,会计原则等方面分析了网络时代下传统会计存在的主要问题,并针对这些问题提出了应对措施。 相似文献
18.
随着深度学习的发展,不断出现具有良好性能表现的复杂网络模型.由于复杂的卷积神经网络存在计算资源消耗大和存储空间大的问题,使其不能很好地部署在各硬件平台之上.文中通过对用于视觉识别领域的密集连接的卷积网络(dense convolutional network, DenseNet)进行研究,发现网络中的参数存在大量冗余,其计算效率仍有提升的空间.因此,在其基础上引入分组卷积,对其密集块与增长率进行改进,提出一种基于分组卷积的密集连接网络(grouped dense convolutional network, GDenseNet).在两个数据集(CIFAR-10和CIFAR-100)上的实验表明:当错误率基本相同时,GDenseNet的模型复杂度和计算复杂度比DenseNet分别低12%和36%. 相似文献
19.