太阳能光伏发电无线远程监控系统的研究与设计

为了满足光伏发电系统的网络化、智能化和可操作化的要求,研究并提出了一种太阳能光伏发电控制系统;该系统硬件结构采用DSP芯片TMS320F2812和CPLD的EPM240,软件系统下位机则固化在DSP芯片中,上位机由C++builder编写,极大地提高了太阳能发电的自动化水平;同时提出了一个基于GPRS网络的远程监控系统设计方案,将远程监控技术融入到光伏电站的管理中,可以将地域上广泛的、分散的太阳能光伏系统联系起来,实现集中式的监控和维护;经实验验证,该系统工作稳定,性能优越.     

网络工程专业校企联合实践教学体系的设计与实践

针对网络工程专业实践性较强的特点,提出了网络工程专业实践教学体系的建设思路、具体内容及实施与保障等。给出由课程内实验、课程设计、实习、毕业设计等逐级强化的实践教学体系,结合实际介绍实验室和实习、实训基地等的建设,最后总结该实践教学体系具有的特点及未来需进一步完成的工作。     

同安煤矿4101综放工作面煤氧化自燃的标志性气体研究

煤自然火灾严重威胁着煤炭工业的安全。为了遏制该类火灾的发生,煤自然火灾指标气体的预测预报功能越来越受到人们的重视。本文通过煤氧化反应生产气体的红外光谱实验,分析了同安煤矿4101综放面煤样在升温氧化过程中,在不同温度下煤氧化自燃产生气体的红外光谱图谱,确定了此煤样在氧化自燃过程中在不同温度下出现的标志性气体。建立了标志性气体的预报模型,研究分析了煤样氧化自燃生产的CO、CH_4和C_2H_4气体的浓度与温度的关系。结果表明,4101综放工作面实验煤样氧化自燃生成的气体产物有H_2O、CO_2、CO、CH_4和C_2H_4等5种,CH_4、CO和C_2H_43种气体的浓度随温度的升高有着不同的变化规律。对矿井自燃火灾的预测预报具有重要的指导意义。     

基于蚁群算法的遥感影像传输资源调度方法

针对遥感影像数据量大,多用户并发请求造成服务器负载加重,使遥感影像传输效率逐渐降低的问题,提出一种在多线服务器环境下分块调度遥感影像资源的策略。该策略采用改进的蚁群优化(IACO)算法,通过引入一个线路等待因子γ动态选择当前最优的线路进行传输,从而提高传输效率。对IACO、ACO、Max-min、Min-min和Random算法进行了对比实验,IACO算法在客户端的任务完成时间和服务器端的执行时间与其他算法相比均是最少的,且随着任务数目的增加,效果更明显;同时IACO算法的线路资源的利用率也更高。仿真结果表明:多线服务器分块调度策略与改进蚁群算法相结合,使遥感影像传输速度和线路资源利用率均有一定提高。     

基于混沌免疫粒子群优化和广义回归神经网络的回采工作面瓦斯涌出量预测模型

为提高回采工作面绝对瓦斯涌出量预测的精度和效率,提出了将混沌免疫粒子群优化(CIPSO)算法与广义回归神经网络(GRNN)相耦合的绝对瓦斯涌出量预测模型。该方法采用CIPSO对GRNN的光滑因子进行动态优化调整,减少了人为因素对GRNN网络输出结果的影响,并采用优化后的网络建立瓦斯涌出量预测模型。通过对某煤矿瓦斯涌出量数据的仿真实验结果表明:基于CIPSO-GRNN的回采工作面绝对瓦斯涌出量模型比BP神经网络、Elman网络预测模型具有更好的预测精度和收敛速度,证明了该方法的有效性和可行性。     

基于边缘信息车流量检测方法的研究

针对边缘检测中阈值很难确定导致不能准确提取背景边缘信息的问题,提出一种改进的基于边缘信息车流量检测方法。该方法预先对路况边缘图像作削顶处理获取一个恰当的阈值,从而可以准确地提取背景边缘信息;且在车辆计数过程中,结合固定窗法和浮动窗法二者的优点,设计一种新的浮动窗法进行车辆计数。实验结果表明,该方法在实时性、检测速度、正确率等方面得到很大的改进,能够在不同环境下进行正确有效地车流量检测。     

基于Linux+ARM的多格式视频图像采集系统的设计

设计了基于S3C2440微处理器的视频图像采集系统,详细分析了该系统的启动过程。在一块裸板上搭建起整个视频图像采集系统。结合V4L2技术完成了支持YUV、MJPEG图像格式的USB摄像头和支持RGB图像格式的CMOS摄像头的多格式视频图像采集系统。测试结果表明,该系统可以在LCD显示屏上动态显示多格式摄像头所采集到的视频图像,且视频图像具有清晰度高、流畅性好、稳定性强等特点,具有进一步推广使用的广阔前景。     

基于势场栅格法的移动机器人避障路径规划

针对传统人工势场法应用于移动机器人避障路径规划存在的缺陷,建立了改进的人工势场模型,通过在障碍物的斥力势场函数中增加最小安全距离,同时考虑机器人与目标点的相对距离,成功地解决了障碍物附近目标不可达(Good Nonreachable with Obstacles Nearby GNRON)的问题。此外,针对传统人工势场法的局部极小点和障碍物附近目标不可达同时存在的问题,提出了以改进人工势场法为主,栅格法为辅的方案来实施避障,使得机器人能够尽快地脱离局部极小并成功地绕过障碍物到达目标点。采用栅格法对改进人工势场法做辅助决策,弥补了改进人工势场法的不足,使机器人能够顺利到达势场的全局最小点,提高了避障路径规划的安全性和可达性。论文利用Matlab进行了算法仿真,结果证明了所提方法的正确性和有效性。     

一种瓦斯涌出量系统预测辨识模型的研究

针对煤与瓦斯突出灾害中瓦斯涌出量的辨识预测问题,结合采煤工作面瓦斯涌出量系统的现场实际特点,提出了混沌免疫遗传优化算法(CIGOA)与Elman神经网络相结合的耦合算法(CIGOA-ENN)。利用GIGOA的全局寻优能力替代梯度下降法,以克服Elman神经网络固有的缺陷。并根据输入的数据,构造基于CIGOA和ENN耦合算法的瓦斯涌出量系统辨识预测模型。利用矿区采集的现场监测数据进行仿真预测,实验表明该预测模型与BPNN,GA-ENN等神经网络预测模型相比,其收敛速度更快、收敛精度更高、鲁棒性更强,为解决煤矿瓦斯涌出量的预测问题提供了一个行之有效的方法。     

基于混合模糊隶属度的模糊双支持向量机研究

双支持向量机是近年提出的一种新的支持向量机.在处理模式分类问题时,双支持向量机速度远远超过传统支持向量机,而且显示出较好的推广能力.但双支持向量机没有考虑不同输入样本点可能会对分类超平面的形成产生不同影响,在某些实际问题中具有局限性.为了克服这个缺点,提出了一种基于混合模糊隶属度的模糊双支持向量机.该算法设计了一种结合距离和紧密度的模糊隶属度函数,给不同的训练样本赋予不同的模糊隶属度,构建两个最优非平行超平面,最终实现二值分类.实验证明,该模糊双支持向量机的分类性能优于传统的双支持向量机.