一种高速变频数据采集系统

介绍了一种用不同频率对多通道模拟信号进行采样的高速数据采集系统．它既可以独立使用,也可以联机使用．     

电气设备外部噪声的抗干扰技术

分析了影响电气设备正常工作的各种外来噪声干扰,对其产生的根源和传递途径进行了讨论．并给出多种抑制传导耦合干扰和空间耦合干扰的技术措施     

一种矿用高隔离度三频MIMO天线设计

多频多输入多输出（MIMO）天线由于空间受限,存在单元间距较小产生的强耦合问题。针对该问题,设计了一种矿用高隔离度三频MIMO天线。通过在1个矩形枝节两端加载2个L型枝节组成三叉戟单极子天线,使天线具有三频特性;将2个三叉戟单极子天线单元对称放置,在2个单元之间的金属地板上加载1个T型枝节,利用寄生枝节产生的相反电流抵消未加枝节时耦合产生的电流,并蚀刻2个对称的矩形槽,通过改变地板上的电流分布来抑制地板表面波带来的互耦,从而使天线在整个频段内实现高隔离度。仿真结果表明：该天线工作在1.85～2.70,3.24～3.99,4.65～5.80 GHz频段,能有效覆盖煤矿井下WiMAX/WiFi/4G/5G NR工作频段;天线在3个频段内的隔离度分别大于20,22,22 dB,较去耦合前天线的隔离度分别提高了11,9,10 dB;包络相关系数小于0.2,具有良好的分集性能;天线在工作频段内增益变化稳定,且全向辐射特性良好。该天线具有结构简单紧凑、易加工、剖面低的优势,在煤矿无线通信中具有广泛的应用场景。     

端板连接普通螺栓群中和轴位置研究

以螺栓群偏心距和端板厚度为研究参数,对梁柱节点中端板连接在偏心拉力作用下（A组）和纯弯矩作用下（B组）的螺栓群进行了受拉性能试验研究。通过对破坏模式、螺栓群受力分布和中和轴偏移率的分析,研究了端板连接普通螺栓群中和轴位置变化的情况;对两组试验开展有限元分析,从荷载-位移曲线和节点抗拉性能两方面进行研究。结果表明：随着荷载逐渐增大,螺栓群中和轴不断向受压区移动;增大螺栓群偏心距可使螺栓力增大,且加快中和轴向受压区偏移;增加端板厚度能够减小螺栓力,并延缓中和轴向受压区偏移;现行偏心受拉和纯弯矩作用下普通螺栓端板连接的计算方法（或公式）较为保守,与试验结果相差较大。给出的端板连接螺栓力修正公式的计算结果与试验结果吻合良好。在保证结构安全的前提下,该修正公式计算结果更接近螺栓端板的实际受力状态,从而达到减小节点钢材用量和降低成本的目的。     

考虑电动汽车时空分布的配电网消纳边界评估

为了提高配电网对分布式电源的消纳能力，考虑配电网不同节点之间存在差异性与耦合性，提出一种考虑电动汽车时空分布的配电网消纳边界评估。首先，除了传统电力系统分区的电气指标外，引入用户生产生活指标与电动汽车出行指标，对配电网进行合理的分区。其次，在考虑电动汽车时空分布对消纳边界的影响，构建考虑不同功能区的电价模型，并建立考虑电动汽车时空分布的配电网消纳边界评估模型。该方法以最大化消纳边界，最小化电动汽车花费和配电网经济损失为目标，通过优化配电网中电动汽车行为，来提高配电网的消纳边界。实验结果表明结果验证了所提方法能够更准确地得到配电网的消纳边界。     

基于FPGA和AVR单片机的惯组电源板信号检测

对惯组电源板的3种输出信号的性能参数进行使用前的综合检测,以确保惯组电源板在投入使用后可以稳定的正常工作。测试内容包括:交流信号的频率与相位、方波信号的频率与占空比、正弦波信号的频率与失真度。本系统利用FPGA(EP2C5Q208C8N)和AVR单片机(ATmega 128)的综合使用,配合必要的外部电路,采用测周法、计数法以及FFT等数字方法进行频率、相位、占空比及失真度的综合检测。经过实验和仿真表明:该系统可同时对这3种信号的几种待测参数进行测试,且均能达到系统所要求的1%的精度。本系统验证了各类参数的数字测试方法的可行性,从实践出发结合理论进行了合理的误差分析。针对系统要求对各测试方法进行了综合,解决了传统测试方法精度不足、效率不高的问题,综合性更强,更加节省时间。     

多色飞秒激光场产生高能量超宽带太赫兹辐射的研究进展

飞秒激光聚焦在空气中能够产生高能量超宽带的太赫兹辐射，这种强场太赫兹辐射在物态操控、太赫兹通信、生物医学成像等领域具有重要的应用价值。采用双色乃至多色激光场是提高气体等离子体中太赫兹辐射强度的关键路径之一。本文回顾了多色场驱动空气等离子体太赫兹辐射源的发展历程，按照单色场、双色场到三色场的发展脉络，从实验方案、理论原理、优化探索三方面综述了国内外多色飞秒光场驱动气体等离子体太赫兹辐射的研究现状和最新成果，并对该方向的未来发展进行了展望。     

基于U-MobileNet网络的煤矿刮板输送机故障检测方法研究

目前，基于传统图像方式的刮板机故障检测方法得到了广泛应用，然而由于实际生产过程中刮板形态多变，同时存在着被输送物质附着等会对检测结果带来较大干扰，影响检测的准确度。针对当前传统图像检测无法准确识别刮板的问题，提出了一种基于图像增强与深度网络结合的方法来准确识别刮板轮廓。首先，利用自适应直方图均衡的图像增强方法增加刮板与背景之间的对比度，提高刮板可区分度；然后，利用U-MobileNet深度网络对刮板进行轮廓分割，根据轮廓计算刮板的倾斜角度，给出故障报警。根据实验结果，本文方法分割准确度在87.32%,在单张图片的推理时间为81 ms,可以有效分割出刮板轮廓，提升检测准确度。