基于VPN网络的污水处理厂集中监控系统

以污水处理厂及其泵站的集中监控为例,介绍了通过使用VPN路由器和ADSL宽带网络实现各污水厂及其泵站间的远距离数据通讯的方法.为分散布置的污水处理厂监控系统的集中管理、可靠运行、远程维护、远程故障诊断等工作提供了解决方案.     

天线方向图自动测试系统设计与实现

为了获得一套完整、快速、高效的测试手段和力法,通过对天线方向图测试原理的分析,在微波暗室和测量设备的基础上,基于PNA矢量网络分析仪的测量特性,设计测试力案,使用VC＋＋开发出一套天线力向图测试软件,实现了天线的自动化测试.测试数据符合天线测量要求,在实际应用中为天线方向图自动化测试提供了支撑和帮助.     

神经网络技术在结晶动力学建模中的应用

以盐酸环丙沙星、水和乙醇三元物系所得的结晶动力学数据为基础，建立了一个预测结晶动力学数据的神经网络模型。结果表明。用此技术建立的模型对结晶动力学的预测比用传统方法（半经验的回归模型）要精确可靠。     

基于有向复杂网络模型的形状描述与识别

针对传统复杂网络方法对形状的非刚性变形较为敏感等问题,在形状内部距离的基础上利用有向复杂网络进行形状分析.首先提取形状边界点作为复杂网络的节点,以形状边界点之间的内部距离作为复杂网络中节点之间的边权值构建初始网络;然后对初始复杂网络进行k近邻演化,得到不同演化时刻的有向子网络;最后提取各有向子网络的特征来实现复杂网络的特征描述,进而实现形状的特征表示.实验结果表明,该方法对常见的形状变形具有更强的鲁棒性;与传统的无向网络模型相比,具有更高的检索和分类精度.     

氧化铝陶瓷基无线无源压力传感器的高温性能研究

利用高温烧结陶瓷技术制备了一种基于氧化铝陶瓷的LC谐振式无线无源压力传感器,并通过合理地设计圆柱螺旋天线以及隔热结构,实现了该传感器在高温环境中的无线耦合测试。研究了传感器在不同温度下的阻抗频率特性,分析并探讨了传感器的高温性能。测试结果表明,在29℃(室温)至700℃的温度范围内,测试天线端的最高瞬时温度为188.4℃,保证了传感器高温测试的可靠性。谐振频率对温度的平均变化量为1.314 kHz/℃,两次重复性测试的相对变化量为3.81%,重复性较好。该压力传感器可应用于高温恶劣环境下的压力测试,其高温性能的研究为压力信号的准确读取奠定了良好的基础。     

一类新的分布式随机验证无线传感网络节点克隆攻击检测

由于无线传感器网络节点的无人值守性,攻击者很容易捕获并复制节点,利用节点的安全证书把复制节点发布到无线传感器网络的各个角落,进而秘密发动各种攻击。提出一类新的分布式节点复制攻击检测协议,协议采用随机区域单元映射和域内随机线选验证相结合的方法进行攻击检测。仿真结果显示,协议的随机验证特性使网络能量消耗均匀,延长网络的生存周期。域内线选验证使协议的通信开销和储存开销较低并具有较高的检测率。     

一种优化的贝叶斯估计多传感器数据融合方法

由于来自多个传感器的测量数据总是有一定程度的不确定性和不一致性,采用多传感器数据融合算法将多个节点的测量数据进行数据融合,利用数据的冗余度来减小这种不确定性,得到高可靠性的数据信息。提出了一种优化的贝叶斯估计多传感器数据融合方法,将贝叶斯估计和卡尔曼滤波器结合起来,应用于无线传感网络数据融合中。根据滤波器应用到传感数据、融合数据或者两者的方式,提出3种不同的技术,即:前向滤波法、后向滤波法和前后向滤波法。通过一个实例研究估计移动机器人的位置,验证算法的有效性。实验表明,在集中式和分布式两个方面数据融合体系结构,结合卡尔曼滤波器的贝叶斯融合算法能够有效地解决数据的不确定性和不一致性。     

基于深度学习模型的无线传感器网络数据融合算法

为了在无线传感器网络中提高数据融合性能,基于深度学习模型,提出一种将层叠自动编码器(SAE)和分簇协议相结合的数据融合算法SAEMDA,该算法在各个簇内构建特征提取分类模型SAEM,通过SAEM对节点数据进行特征提取和分类,之后将同类特征融合并发送给汇聚节点。SAEM的训练既可以采用离线有监督学习也可以采用在线无监督学习。仿真实验表明:和BPFDA,SOFMDA算法相比,SAEMDA在网络能耗大致相当的情况下能将数据融合正确率提高最多7.5%。     

基于MPSO-CWLS-SVM的瓦斯涌出量预测

针对瓦斯涌出量受多因素影响,传统的预测方法难以建立准确的数学模型,导致预测精度低这一问题。提出一种经改进的粒子群算法(MPSO)优化的基于柯西分布加权的最小二乘支持向量机(CWLS-SVM)算法来预测非线性动态瓦斯涌出量。柯西分布加权的最小二乘支持向量机根据预测误差的统计特性,确定加权规则参数,以达到赋予训练样本不同权值的目的。并用MPSO算法对CWLS-SVM模型的正则化参数λ和高斯核参数σ寻优。利用无线传感器网络采集到的各项历史数据进行实例分析。结果表明,该算法有效的提高了瓦斯涌出量的预测精度,降低了预测误差,为煤矿瓦斯防治提供理论支持。     

IGA-DFNN在瓦斯浓度预测中的应用

为了准确预测采煤工作面的瓦斯浓度,提出免疫遗传算法优化的动态模糊神经网络瓦斯浓度动态预测方法。用无线传感网络系统采集工作面瓦斯浓度数据作为样本,通过小波分析对样本数据进行降噪滤波预处理。采用IGA算法对DFNN网络参数进行优化,建立了瓦斯浓度的预测模型。通过MATLAB仿真研究表明,所建模型对采煤工作面的瓦斯浓度演变趋势预测合理,并且经过IGA算法优化DFNN网络比单纯的DFNN网络具有更快、更准确的预测功能,可以为防治煤矿瓦斯积聚提供更好的理论支持。