电子产品老化间温度集群控制系统

介绍了电子产品老化间的温度控制系统的组成和工作原理。提出大滞后系统的分段控制和精细控制相结合的方法；并给出电路实现方法。     

石油含水率测量动态补偿模型研究

针对传统微波透射法测量石油含水率存在的测量误差大等问题,提出了一种基于神经网络的动态补偿方法,确定衰减和相移两个参量作为动态补偿模型的输入;针对传统BP算法具有收敛速度慢、容易陷入局部极小值等缺点,采用微粒群训练算法对神经网络动态补偿模型进行训练,可使微波透射石油含水率测量结果的补偿过程具有寻优全局性和精确性。实验结果表明,利用该技术对石油含水率测量结果进行校正是一种有效的方法,具有一定的应用价值。     

智能化木材干燥窑的数据采集系统

论述了采用双CPU(AT89C55)为主控器的智能化木材干燥窑数据采集系统的硬件结构及软件设计。主CPU实现温度、EMC、MC数据采集、运算、实时动态补偿等；副CPU负责显示、通信、温度补偿等工作。双CPU间采用并行通信。还重点介绍了提高被测参数测量精度的措施，以及测量过程中动态补偿的方法。系统自投运以来，工作稳定、可靠，提高了木材干燥效率。     

基于卡尔曼滤波的木材含水率在线估计

为解决木材干燥过程木材含水率检测精度低的问题,提高木材干燥的自动控制水平,针对以含水率为基准的干燥过程,提出了应用卡尔曼滤波进行木材含水率在线估计方法。为验证该方法的有效性：首先建立了基于含水率基准加入高斯噪声数据集的卡尔曼估计模型,并在此模型基础上对实验测得的数值进行了在线估计和比较,结果表明卡尔曼滤波方法具有较好的估计精度。     

在1899.703nm波长下木材含水率光谱检测方法研究

为实现木材含水率实时、快速、连续测量,研究了基于近红外光谱技术实时测量木材含水率.实验中采用中心波长位于1899.703 nm的工业蝶形封装的分布式反馈激光器(DFL)作为光源,选择以杨木含水率作为被测参数,搭建了近红外水分检测仪的软硬件系统.因为木材是强散射介质,因此,采用修正后的朗伯-比尔定律.对杨木含水率进行实验测量并数据拟合,木材含水率真值与激光测量木材含水率输出功率值在一定范围内可以拟合为线性关系,相关系数在0.90以上,木材含水率测量值与真值变化趋势一致,二者绝对误差小于0.15％.实验结果表明:利用近红外技术可实现木材含水率检测.     

SLED激光器驱动设计

激光驱动电流的稳定性是影响激光驱动器性能的重要参数,但激光驱动器的高电流值难以维持稳定。此外,驱动电流的范围应尽可能地宽以适用于不同种类的激光器。针对以上问题,文章以超辐射发光二极管（SLED）激光驱动器为应用实例,并采用闭环控制技术以保持驱动电流稳定,该系统能够产生4mA至200mA随外部电阻值变化的稳定的电流。     

木材干燥窑自动测试系统的研制

论述了木材干燥窑自动测试系统的硬件、软件设计.重点介绍了各个参数测量传感器的工作原理、提高被测参数测量精度的措施,以及测量过程中动态补偿的方法.通过实验验证,该系统运行稳定,测量精度高,数据采集实时可靠.测温精度为±0.1℃.平衡含水率和木材含水率精度为±1%.     

基于D-S理论的故障诊断融合算法及应用研究

针对工业现场传感器状态类型复杂多变、被测参量难以准确可靠获得等问题,提出了一种基于RBF神经网络和证据理论的两级信息融合方法。利用RBF神经网络实现特征层数据融合,并建立基本信任分配函数,解决了D-S证据理论确定基本信任分配函数困难的问题;基于D—S证据理论的传感器故障诊断方法,可用来判断出工业现场传感器的有效工作状态。木材含水率检测结果表明,基于RBF神经网络和证据理论的两级信息融合方法可正确定位并准确分离出失效传感器。     

石墨烯/碳纳米管复合电热膜制备过程工艺优化及预测模型

目的 本文利用响应面法和神经网络遗传算法对石墨烯/碳纳米管复合电热膜的固化工艺进行优化，并对2种方法的优化结果进行比较，为复合电热膜制备提供了最佳的工艺参数。方法 通过单因素实验探讨浆料定量、固化温度和固化时间对复合电热膜体积电阻率的影响，在此基础上进行BB试验设计，在BB试验结果上进行响应面法(RSM)和BP神经网络分析及优化。结果 单因素实验结果表示随电热膜定量增加，体积电阻率先下降后上升，随着固化温度的升高或固化时间增加，体积电阻率逐渐下降直至趋于稳定。对BB响应面法和GA-BP遗传神经网络法优化获得的最佳工艺进行实验验证，GA-BP遗传神经网络模型优化的结果相对误差较小为1.06%，因此得出最佳固化工艺参数:定量为0.056 g/cm²、固化温度为85.71 ℃、固化时间为11.13 h。该研究结果对石墨烯碳纳米管复合电热膜的制备工艺具有参考价值。结论 通过响应面方差分析表明，定量、固化温度和固化时间三因素对体积电阻率既有显著的线性影响，也有极其显著的平方影响。BP神经网络预测模型的准确性很好，可用于石墨烯/碳纳米管复合电热膜体积电阻率的预测。     

复合碳系导电油墨的制备及性能研究

目的 研究碳纳米管与石墨烯对复合碳系导电油墨性能的影响,开发性能优异的导电油墨。方法 分别探究碳纳米管管径尺寸、碳纳米管与石墨烯的配比、油墨中的碳质量分数及油墨涂层厚度对复合碳系导电油墨导电性的影响,并基于实验数据对各影响因素拟合出相应的预测模型。最终确定油墨的优选配比,并对采用优选配比制备的导电油墨涂层进行电热转换测试。结果 由石墨烯和管径尺寸为25nm的多壁碳纳米管为导电填料制备的导电油墨涂层综合导电性能最优,当导电油墨中碳质量分数为2.5%（纳米管质量分数为0.125%、石墨烯质量分数为2.375%）、水性丙烯酸树脂质量分数为5.25%、油墨涂层固化后厚度为0.147 mm时,油墨导电涂层电阻率为0.089 3Ω·cm。在外接电压为5 V的条件下,导电油墨的功率为13.49 W,由室温通电工作至100℃仅需13.723 s,油墨涂层发热均匀性满足JG/T 286—2020的要求。结论 采用优选配比制备的油墨涂层内部搭建起均匀丰富的导电网络,极大地提升了油墨的导电性,使得油墨电热性能优异。