光纤光栅感温火灾探测报警系统在原油罐区的应用

通过对现有罐区火灾自动报警技术的认真考察、对比,在石西集中处理站原油罐区安装了光纤光栅感温火灾探测报警系统.该报警系统的传感信号是光的波长变化,传感器及其探测系统是靠光缆连接而进入被测现场,它具有高安全性、高可靠性、高绝缘性、高抗电磁干扰性、防潮耐蚀、寿命长等其他传统火灾探测报警系统无法比拟的优越性能.阐述了其系统构成和运行效果.该系统在石西集中处理站运用效果良好.     

物联网在公交车智能监控调度系统中的应用研究

介绍了物联网技术的概念、基本特征、发展现状以及物联网中的关键技术,提出了一种公交车智能监控调度模型,并分析了该系统架构中各个模块的功能,以便在一定程度上促进公交系统的发展,同时也促进物联网的建设与发展。     

基于PSO-BF优化算法的关系数据库水印算法

借鉴群体智能优化算法,提出了一种基于粒子群优化的细菌觅食算法（PSO-BF）的关系数据库水印算法。运用混沌映射对水印序列加密生成水印信号,采用单向hash函数加密关系数据库中元组的次序,利用PSO-BF优化算法解决将水印信号的嵌入过程抽象为约束条件下的优化问题,阈值解码和择多表决法用于提取水印信号,并通过混沌映射解密为表征版权的水印序列。实验表明,该算法对元组删除、修改和添加等攻击具有较强的鲁棒性和良好的不可见性。     

基于局部自适应先验MRF模型的快速BP图像分割算法

针对常规MRF分割模型不能有效描述图像的局部特征、常导致图像的过分割现象,提出了一种局部自适应先验的MRF模型。该模型利用图像的邻接区域信息建立了一种局部自适应特征MRF模型。基于提出的模型,建立了一种具有快速收敛策略的区域BP算法对MRF模型的区域消息进行传递,有效解决了区域BP算法的计算量大的问题。实验结果表明,与常规区域BP算法相比,提出的分割方法具有更快的分割速度和精度。     

基于行驶路径记忆的智能车导航方法研究

针对飞思卡尔智能车视觉导航问题,研究了一种基于智能车控制信息的路径记忆方法。低速试跑时,智能车可以以比较高的控制精度行驶通过赛道,通过记录各段赛道的控制参数,如路径长度、方向转角等获得行驶路径的控制信息。在智能车竞跑行驶时,通过调用记录的行驶路径控制信息,就可以控制智能车以较快的行驶速度在赛道上行驶,并通过实时测量调整智能车的行驶偏差,实时调整智能车行驶速度和转角方向,实现对智能车的竞速导航控制。     

基于改进SURF算法的无人机遥感图像配准

针对无人机遥感图像畸变较大,而传统快速鲁棒(Speeded-Up Robust Features,SURF)算法不能提供足量兴趣点的问题,提出了一种基于Harris角点和SURF算法的无人机遥感图像配准方法。首先构建多尺度空间,并在多尺度空间下检测Harris角点作为兴趣点;然后计算各兴趣点的64维SURF描述子;最后运用K-d树匹配搜索策略得到两幅图像的匹配点对。将该方法与传统SURF配准方法进行实验对比,实验表明改进算法在保证实时性的情况下可以获得更多的匹配点对,并具有更高的配准精度。     

串联感应加热电源相角保护

数字感应加热电源在工业中一般采用串联负载与PFM调功方式。串联负载谐振与PFM调功方式要求逆变器频率稳定工作在感性区,但在实际工作过程中逆变器频率可能会由感性区越过谐振点滑入容性区,引起逆变器发生"炸管"现象。为了防止"炸管"现象的发生,在谐振点附近的感性区设置限相区,当频率进入限相区经PI处理使其稳定工作在感性区达到保护逆变器的目的。通过DSP实验平台测试,限相区的设置可以很好的保护逆变器使其稳定工作在感性区。     

分布式预测控制在空气分馏塔中的应用

在大型空分控制系统中,集中式控制由于在线计算量大,对计算机的要求较高。采用分布式预测控制,把复杂系统的控制过程分散到各个子系统中去,降低了计算的复杂度,同时提高了系统的可靠性。建立了分馏塔的数学模型,并拆分成若干个子系统,利用纳什优化原理,获得了全局最优解。仿真结果表明,该算法取得了较好的控制效果。     

基于无线传感器网络的水质监测系统设计

使用传统的有线水质监测系统进行水环境污染检测时,存在监测点数量多、监测时间长等问题。为此,提出一种基于无线传感器网络的水质监测系统。通过无线传感器节点对被监测水域进行水质参数的数据采集,将采集到的数据经过Zigbee网络进行汇总及处理,并经过GPRS网络及时地远程传送给监管部门,从而实现对河流水质情况的实时、有效的监督和管理。对水质监测系统的软硬件电路设计进行介绍,并实现对系统的软硬件连调。实验结果证明,该系统能够满足组网要求,可较好地应用于水质监测领域。     

基于K-L散度的恶意代码模型聚类检测方法

在云计算应用环境下,由于服务系统越来越复杂,网络安全漏洞和被攻击情况急剧增加,传统的恶意代码检测技术和防护模式已无法适应云存储环境的需求。为此,通过引入高斯混合模型,建立恶意代码的分层检测机制,使用信息增益和文档频率等方法分析和提取样本数据特征值,结合K-L散度特性,提出基于K-L散度的恶意代码模型聚类检测方法。采用KDDCUP99数据集,使用Weka开源软件完成数据预处理和聚类分析。实验结果表明,在结合信息增益和文档频率进行特征分析的前提下,与贝叶斯算法相比,该方法在虚拟环境中恶意代码的平均检测时间降低16.6%,恶意代码的平均检测率提高1.05%。