MicroPython用于单片机实验教学新模式的设计 与研究

分析目前大部分高校单片机实验教学以汇编/C语言为主的教学模式存在的一系列问题,引入MicroPython的概念,提出MicroPytho固件加Python代码的单片机实验教学新模式,说明相应的层次化实验设计。     

DNA序列比对分析中的统计特征方法

提出了一种新的基于统计的序列特征定义,并以此对进化树进行构建.同时对这一方法进行了分类测试和进化树构建测试,发现所得测试结果与同样是用进化树进行构建的基于两序列比对的传统算法比较,其性能和适用性都有明显改善.     

一种基于稳健匹配准则的视频文本跟踪方法

本文首先根据文本中各个字符的颜色相似的特性,确定已知文本块的文本的颜色,利用文本的颜色信息二值化文本图像以得到文本块中的字符数、字符的尺寸和间距;其次,根据视频图像的大小和视频的播放速度确定搜索窗口的大小,并利用文本的运动信息来预测搜索窗口的位置;第三,根据在相邻两帧中具有相同内容文本的颜色相似的特性,提出了一个可以解决脉冲噪声和部分缺损或遮挡问题的稳健匹配准则来跟踪文本块;最后,确定跟踪输出的文本的颜色、尺寸和运动方式。本文方法可以很好地跟踪平移、缩小或放大、旋转、淡入淡出和部分被遮挡的水平或倾斜排列的文本,并且可以记录文本平移、旋转和缩放的速度。     

混凝土生产监控和管理系统研究

提出并实现了一个基于计算机网络的混凝土生产监控和管理系统，该系统对混凝土生产企业的整个生产、销售过程进行有效的监控和管理，并在此基础上生产、销售的数据进行组织分析，为管理者提供可靠的、科学的决策依据，从而提高产品的质量和生产效果。     

基于RF401集成电路芯片住宅小区无线呼叫报警系统的设计

住宅小区无线呼叫报警系统使用了最新推出的单片无线收发 RF4 0 1芯片 ,通过单片机控制高频发射、高频接收 ,使住宅小区形成了无线报警网络 .呼叫报警系统具有数据双向传输、频率稳定、接收发射合一的特点     

基于拉普拉斯特征映射学习的隐匿FDI攻击检测

智能电网中的隐匿虚假数据入侵(False data injection, FDI)攻击能够绕过坏数据检测机制, 导致控制中心做出错误的状态估计, 进而干扰电力系统的正常运行. 由于电网系统具有复杂的拓扑结构, 故基于传统机器学习的攻击信号检测方法存在维度过高带来的过拟合问题, 而深度学习检测方法则存在训练时间长、占用大量计算资源的问题. 为此, 针对智能电网中的隐匿FDI攻击信号, 提出了基于拉普拉斯特征映射降维的神经网络检测学习算法, 不仅降低了陷入过拟合的风险, 同时也提高了隐匿FDI攻击检测学习算法的泛化能力. 最后, 在IEEE57-Bus电力系统模型中验证了所提方法的优点和有效性.     

嵌入式三轴运动控制系统的以太网通信实现

研究了嵌入式三轴运动控制系统的以太网通信问题;采用LM3S9B92微控制器设计主控制器和各轴电动机控制器,通过移植实时操作系统μC/OS-Ⅱ和TCP/IP协议栈LwIP,实现主控制器与各轴电机控制器之间的信息交互;按电动机控制数据传输紧急程度要求不同,在以太网MAC层之上建立调度表,优先传输紧急数据,提高三轴运动控制系统实时性;实验结果表明嵌入式三轴运动控制系统实现了以太网数据的无差错传输,并且在重载情况下时间延迟大约为系统改进前的72%,改进了系统的实时性。     

红外图像处理在墙体空鼓检测上的应用研究

提出了一种基于红外图像的建筑物墙体空鼓检测方法,不但可以远距离、无损地对建筑物空鼓等缺陷进行定性检测,还能对建筑物热工缺陷进行定量分析;采用一种红外图像处理方法来消除墙体温度分布中梯度干扰的影响;通过自适应地调整参数对红外图像进行图像增强处理,有效地排除了环境干扰;通过基于空鼓缺陷边缘轮廓的连通域计算,可直接得到空鼓面积的大小数据;建筑物缺陷现场检测实验结果表明,提出的检测方法既能快速定位出建筑物空鼓等缺陷位置又能以78.3%的精度检测出空鼓面积大小,具有较高的工程应用性。     

基于线性时序逻辑的最优巡回路径规划

基于线性时序逻辑(Linear temporal logic, LTL)的路径规划方法中, 多点巡回路径规划问题尚无有效解决方案. 为了在道路网络中实现最优巡回监测, 提出了基于LTL的最优巡回路径规划方法. 首先, 将环境建模成一个切换系统, 用LTL语言描述包含多个巡回点和障碍物的任务需求; 接着, 利用循环移位法构建能够融合任务需求和环境模型的扩展乘机自动机, 以建立路径信息完整的网络拓扑; 最后, 采用基于迪科斯彻法的最优综合算法搜索扩展乘机自动机网络上的最优路径, 从而获得能够满足复杂任务需求的最优巡回路径. 仿真结果表明, 该方法能够有效实现最优巡回路径规划.     

具有随机采样特性的网络化系统H∞ 滤波

研究一类具有随机采样特性的网络化系统H∞滤波问题.通过将传感器的随机采样过程建模成马尔可夫链,将数据量化作用转化为模型的参数不确定性,并用二值随机变量描述丢包过程,从而用一个多随机变量的马尔可夫不确定性模型来描述滤波误差系统.应用Lyapunov稳定性理论和随机系统分析方法,导出了滤波误差系统随机稳定且具有给定H∞性能的充分条件,并给出了滤波器的设计方法.仿真结果验证了所提出方法的有效性.