基于Fluent的双加热湿度传感器传热性能分析

双加热湿度传感器可实现大气湿度连续探测.液滴、冰晶等水凝物覆盖在双加热湿度传感器表面,容易导致其测量精度和响应速度降低.为了提高测量精度和响应速度,有必要对双加热湿度传感器进行除湿处理.采用Pro/E建立4种尺寸的双加热湿度传感器三维模型;利用ICEM CFD中模块化的方法对模型进行分网,得到了较高的网格质量,降低了计算时间,提高了计算精度;利用Fluent稳态分析模拟出2只湿度传感器不同间距下的相互影响情况,瞬态分析模拟出升温时间和降温时间特性.根据仿真结果,提出高空和低空2种模式加热策略.     

镍铁氧体-锆钛酸铅层状复合物的低频磁电耦合

利用弹性力学模型,简要推导了低频下磁致伸缩—压电双层复合材料磁电电压系数的表达式,计算了镍铁氧体—锆钛酸铅(NiFe2O4—Pb(Zr,Ti)O3,NFO—PZT)层状复合材料的横向磁电耦合。采用溶胶—凝胶法制备NiFe2O4样品,将其与PZT胶合制成NFO—PZT和NFO—PZT—NFO层状复合材料,研究了其在低频下的横向磁电效应。在约31.8 kA·m-1的偏置磁场下,NFO—PZT—NFO的横向磁电耦合达到的峰值为761.8 mV.A-1,约是NFO—PZT的3倍多。三层的界面耦合参数明显高于双层。     

混沌信号的相空间重构和预测方法研究

基于复杂非线性系统的相空间重构理论和神经网络本质为非线性映射关系的特点,提出利用混沌时间序列重构相空间和BP神经网络构建其预测模型的方法。利用该方法对典型的Lorenz混沌时间序列进行了空间重构,研究了预测模型的预测效果,结果表明单步预测效果理想,多步预测在50步以内也能取得较小的预测误差,证明了混沌信号不同于随机噪声,具有短期可预测、长期不可预测的特征。该方法为具有混沌特性的时间序列如心电信号、电力负荷等预测模型的建立提供了理论基础。     

基于MSP430的婴儿睡眠监护系统

为更好地照顾婴儿,分担新爸爸新妈妈的负担,提出一种基于MSP430单片机的婴儿睡眠监护系统.系统包括多点尿湿检测模块、声音检测模块、声光报警模块和无线传输模块.以低功耗的MSP430为主控,利用DHT11芯片检测温湿度,单片机处理后的温、湿度信息由nRF24L01发送给接收端,当温湿度超出阈值或检测到婴儿啼哭时进行声光报警.经实际测试,该系统运行可靠,低功耗、低成本、高实用性,具有推广价值.     

窗口大小自适应的空间耦合LDPC码译码算法

空间耦合低密度奇偶校验（Spatially-Coupled Low-Density Parity-Check,SC-LDPC）码具有接近香农限性能,基于置信传播译码算法,窗口译码（Windowed Decoding,WD）能够获得较小延时的同时也存在一定的局限性。为了进一步提高WD的译码性能,对SC-LDPC码的窗口译码算法提出了提前终止译码和动态调整窗口大小相结合的改进方法。该方法监测窗口大小的动态变化及相应窗口的平均迭代次数,通过加性高斯白噪声信道下的仿真分析,与传统窗口译码相比,其误码率降低,且计算复杂度更低。     

多特征联合的稀疏跟踪方法

针对目标跟踪中单一特征描述目标能力较弱的情况,提出一种多种特征联合的稀疏表示跟踪方法。在粒子滤波框架下,首先,提取目标模板和候选粒子的多种特征并对其进行核化处理;然后,用字典模板对各候选粒子进行联合稀疏表示,采用可核化的加速近端梯度(KAPG)方法求解稀疏系数并实现候选粒子的重构;最后,将具有最小重构误差的粒子作为跟踪结果。跟踪过程中,利用子空间学习的方法实现目标模板的更新。实验结果表明,与现有跟踪算法相比,该算法提高了跟踪精度,并在目标存在遮挡、光照变化、运动突变等情况时,均可以取得较好的跟踪效果。     

非理想矩形锚单元的节点分析法

为了在节点化设计方法中考虑非理想锚效应,采用铁木辛柯梁理论和加权余量法建立了非理想矩形锚单元的节点化模型,在Hspice中构建了相应的等效电路。结合已有单元模型,实现了静电执行器的系统级仿真,与有限元模拟结果吻合较好,可模拟出非理想矩形锚对系统静态和动态特性的影响。     

基于凸优化算法的水声传感器阵列综合

稀疏基阵成像技术已在水下探测领域广为研究。针对稀疏基阵的分布特性带来的波束旁瓣电平升高、成像对比度降低等问题,提出一种基于加权范数最小化的阵列综合方法用于水下超声传感器阵列,设定目标函数及约束条件,进行多次的迭代,同时优化阵元位置与阵元激励,最后将20×20的面阵综合优化成51个阵元的稀疏基阵,旁瓣电平在-15 dB以下,并将凸优化阵列综合得到的稀疏基阵的波束图与切比雪夫阵列综合得到的波束图性能进行比较,且进行成像仿真,结果表明,采用凸优化获得的基阵在保证成像质量的同时,可以大幅减少发射阵元的数目,降低系统复杂性,并获得预期的旁瓣电平。     

基于改进GA-BP神经网络的湿度传感器的温度补偿

针对自动气象站采用的HMP45D型湿度传感器测量精度易受温度影响的问题,通过对遗传算法中的编码方式、适应度函数和参数进行改进研究,利用改进的遗传算法(genetic algorithm,GA)对反向传播(back propagation,BP)神经网络的初始权值阈值进行优化,在较大的范围进行搜索,采用反向传播算法在较小范围内进行微调,优化网络结构和参数,提出了用改进遗传算法优化BP神经网络的方法,根据在多温度条件下湿度传感器的实测数据,对利用此方法建立的模型进行温度补偿研究,并结合一般BP神经网络方法进行分析比较.实验结果表明,该方法具有全局寻优能力,补偿精度高,收敛速度快,能够有效补偿温度对湿度传感器的影响,大大提高了湿度传感器的测量准确度.