用称重传感器实现倾角虚拟测量

将虚拟测量技术应用于平台倾角的测量,提出了用称重传感器测量倾角的设想,并通过实验加以验证,发现该方法存在一定的测量误差,但误差分布规律性较强,应用误差补偿方法以减小实际测量误差。经过补偿,使称重传感器测量倾角的实际误差大大减小,最大相对误差为0.375%F.S.,最大绝对误差为0.1687°,达到了较高的测量精度,完全可以满足工程实际倾角测量的精度要求。     

基于光纤光栅的复合材料称重系统的设计

利用复合材料重量轻、刚度大、耐水耐腐蚀和光纤传感器体积小、灵敏度高、抗电磁干扰、耐腐蚀、与复合材料能够很好的结合等优点,以结构合理、构造简单、安装方便、使用寿命长为目的设计称体结构。     

车辆动态称重误差来源与补偿算法研究

动态称重系统为超限运输治理工作提供了相当的便利,但其测量精度一直是值得研究的课题。通过实车试验,测得动态称重系统测量数据,然后运用数学统计方法,建立以速度作为补偿因子的补偿模型,对动态测量结果进行修正,并对过往车辆的称重结果进行有效性验证。结果证明该补偿算法具有一定的精度和实用价值。     

车辆动态称重系统的设计

介绍一种动态称重系统的结构和实现方法,主要功能是动态测量行驶车辆的轮胎受力,并计算相应静态车辆重量,实现全自动、不停车计量。硬件设计中重点介绍数字电路的构成,A/D转换器、信号放大与偏置电路和无线通信接口。软件设计中提出了根据实际采样波形而设计的数据处理方法。     

钢箱梁节段精确称重系统研究

采用悬拼法施工的斜拉桥,由于钢箱梁实际重量与理论重量的偏差会对施工控制精度产生明显的影响,为了解决这一问题,研制了一套精确称重系统,系统由高精度装传感器和无线通讯网络构成,具有实时准确、简单易行、经济高效的显著特点,不仅实现了吊装过程中的主梁精确称重,而且在主梁匹配过程中可以实时监控桥面吊机索力．为施工监控提供准确的信息。     

具有自适应温度补偿的自动变速器起步控制

根据电控机械式自动变速器起步性能指标及起步过程离合器转矩传递特性，提出了确定离合器目标接合速度的加权方法．该方法兼顾了驾驶员起步意图及自动变速器起步性能要求．模仿人工控制的-特点，同时考虑液压油温度变化的影响，提出了基于误差峰值采样的自适应温度补偿的起步过程离合器接合速控制算法．实验表明，该算法既满足了3种典型起步工况(爬行起步、正常起步和急起步)的性能要求，又提高了系统对温度变化的适应能力．     

压力传感器温度补偿新技术的研究

分析了传感器目前的应用状况和发展障碍,提出了利用人工神经网络作为传感器补偿的新方法,构建了BP神经网络结构,并利用MATLAB软件对网络进行了训练和仿真.     

基于BP人工神经网络的压力传感器的温度补偿实现过程研究

对于压力传感器而言,在测量压力大小的时候,敏感材料很容易受到温度的影响,因此需要对温度补偿。补偿的根本就是把温度的影响降到最低,本文通过MATLAB神经网络工具箱中提供的构造神经网络的各种函数进行编程实现压力传感器的温度补偿功能。     

超载治理与动态快速称重检测系统分析

随着我国交通运输业的快速发展,高速公路超载现象日益严峻,传统的人工治超方式不仅过程复杂、工作量大还容易造成车辆堵塞且不安全,不能满足高速公路飞速发展的需要。针对传统治超方式的缺陷,提出了一种采用动态快速称重预检测和计重收费相结合的治超模式,并对构建高速公路动态快速称重检测系统的必要性、意义以及相应措施做了分析。     

滚齿机传动误差补偿系统的设计

针对滚齿机传动链分度的误差，提出了误差补偿的数学模型，设计了滚齿机传动误差补偿方案确定了补偿采用的算法。该系统是滚齿加工较理想的补偿方法。     

热敏电阻温度传感器非线性补偿方法

针对热敏电阻特性中的非线性问题,提出了利用BP神经网络非线性逼近能力对热敏电阻温度传感器进行非线性补偿。介绍了非线性补偿原理和网络训练方法,并且进行了MATLAB仿真,最后BP神经网络的逼近能力进行了一定分析。     

基于神经网络方法的柴油机气缸压力识别

分析了柴油机气缸盖系统激励和响应信号的非线性特性,阐述了基于BP神经网络的柴油机气缸压力识别方法.对测试的振动响应信号进行时域统计平均和低通滤波后,训练BP神经网络,利用自适应梯度下降算法,自适应调节学习速率,提高网络精度,识别柴油机气缸压力.结果表明,恢复出来的缸内压力信号和实测信号十分接近,该方法对柴油机的实时在线控制、监测和故障诊断有重要的应用价值.     

两自由度并联机器人的RBF神经网络辨识自适应控制

针对平面两自由度五杆并联机器人的轨迹跟踪问题,提出了一种基于RBF神经网络的自适应PID控制方法.该控制方案利用RBF神经网络自适应学习辨识并联机器人系统的未知非线性动态,可以在线调整PID控制参数以实现高精度控制.仿真结果显示该控制策略可以精确实现对于并联五杆机器人的轨迹跟踪控制,该方法的自适应性和跟踪性能均优于传统的PID控制.     

案例推理在在线物流资源决策中的应用研究

文中在在线分析过程(OLAP)与数据挖掘(data mining)技术的基础上．提出了基于案例推理(CBR)的决策模型去解决这类问题．模型采用模糊神经网络方法进行决策问题的特征提取和创建案例库，采用OLAP技术建立案例查询的星型模型，并通过创建的模糊神经网络模型去补偿匹配案例与决策问题之间的差异．文章的最后通过应用实例表明了该系统的有效性和可行性．     

基于自适应控制理论的汽车多策略交叉控制

由于各种智能控制策略各有其优缺点,因此有机地结合这些控制策略,构成多策略交叉控制器,取长补短,发挥其各自的优势,是提高系统控制性能的有效途径。     

磁浮列车悬浮系统LSTM与MGD融合的在线异常检测方法

针对磁浮列车悬浮系统的在线异常检测问题,提出了一种基于长短时记忆(LSTM)神经网络与多元高斯分布(MGD)的检测方法;建立学习悬浮系统正常运行的LSTM时间序列预测模型,得到了正常情况下的预测误差;基于间隙、电流和加速度的预测误差,建立了反映正常情况下预测误差分布特性的MGD模型;以对数概率密度作为检测指标,设计了在线检测逻辑,并以F₁分数作为检测效果衡量指标设置阈值;为了验证所提方法的有效性,利用磁浮列车运营线数据模拟在线数据,采用所提方法对过轨道接缝异常、砸轨异常和加速度信号异常进行了检测与分析。研究结果表明：在检测以上3类异常时,所提方法的F₁分数分别达到了100.00%、97.85%和83.33%,所提方法的检测指标在正常和异常情况下对比明显,可以反映出悬浮系统产生异常到调整好的具体时间段,并且算法平均耗时约2 s;相较于基于超球体高斯分布方法,所提方法检测率平均提高了1.9%,其中对于持续时间短的过轨道接缝异常的检测率提高了9.4%。可见,所提方法可以对悬浮系统状态数据进行异常在线检测。     

船舶电力推进系统状态评估软件设计与实现

电力推进系统的状态评估是船舶电力推进系统高效性和安全性的保障。文中探讨了该软件的功能、结构、数据库的设计,给出基于模糊神经网络的舰船电力推进系统状态评估模型,并通过模型仿真验证了其准确性;分析了系统实现所采用的关键技术。     

无线传感器网络局部瓶颈节点的分布式检测算法

为减轻网络的负担,提出了"局部瓶颈节点"的概念及其分布式检测算法.该类节点具有与瓶颈节点类似的影响,但检测算法更简单可行.特别地,对于布设在带状区域的网络,证明了当布设区域宽度不超过槡3/2倍节点通信半径时,即可根据一跳邻居信息判断一个节点是否是瓶颈节点.结果表明,邻居节点数平均为10时,采用提出的分布式算法,被测节点成为局部瓶颈节点的概率仅为准瓶颈节点的1/4,从而提高了判断的准确性,降低了网络维护成本.     

ָ�ӿ���ϵͳͨ���������߼�ⷽ���������ʵ��

采用故障树分析方法对指挥控制系统通信网络的故障传播情况做了详细分析，并对系统各部件的重要度进行了计算．在此基础上，结合指挥控制系统通信网络自身的特点，设计了一种在线监测方案—以Trap为向导的优先级轮询监测方案．最后，利用C++语言在校园网环境下对该监测方案进行了实现．测试结果表明，以Trap为向导的优先级轮询监测方案能够在一定程度上降低网络资源的利用率，提高网络性能．     

基于无线传感网的铁路隧道环境无线监测系统设计

依据隧道环境监测需求及特点,提出了一种环境参数无线监测系统设计方案,实现了ZigBee短距离无线通信技术与GPRS远程通信技术的有效结合,完成了传感器网络中数据采集节点以及网络协调节点的硬件和软件开发,并设计了适合于数据实时传输的通信协议.测试表明,该系统测量误差小,可靠性高,适合应用于铁路隧道环境监测.