基于无源RFID的混凝土温度监测技术研究

温度控制是混凝土固化期间的重要措施。针对现有混凝土温度监测方法的缺点,设计一种用于混凝土温度监测的无源射频识别（RFID)传感器标签。该RFID传感器标签是基于超高频（UHF）的EPC-2通信协议,且工作于无源模式下。由于混凝土是有损多相复合材料,文中具体分析电磁波在混凝土中的总损耗,确定标签可正常工作的基本条件。后期试验对所设计的温度传感器标签进行了温度测试、校准以及通信性能测试。试验结果表明,基于文中设计的无源RFID传感器标签所测试的温度与传统的热电偶测试结果基本一致,最大温差不超过0.5℃。相比于现有的混凝土温度监测方法,具有便利性强、成本低、寿命长等显著优点。     

电源内置LCD控制驱动器AMD801设计研究

介绍了一敖电源内置的4灰度色标LCD控制驱动器AMI3801的ASIC设计与实现。分析了芯片数字电路设计方案和若干低功耗技术；重点讨论了模拟电路——内置电源电路和振荡器的设计；相关模拟、数字IP核能被重用在其他LCD驱动控制芯片设计中。还描述了芯片采用的混合信号设计流程。对指导一些模数混合芯片的ASIC设计有重要意义。     

电源内置LCD控制驱动器AMI3801设计研究

介绍了一款电源内置的4灰度色标LCD控制驱动器AMI3801的ASIC设计与实现.分析了芯片数字电路设计方案和若干低功耗技术;重点讨论了模拟电路--内置电源电路和振荡器的设计;相关模拟、数字IP核能被重用在其他LCD驱动控制芯片设计中.还描述了芯片采用的混合信号设计流程,对指导一些模数混合芯片的ASIC设计有重要意义.     

多功能高效汉字/图形LCD控制器的设计

介绍一种新型高效的汉字/图形液晶显示控制器的设计和验证过程,研究了图形显示液晶模块更为有效的汉字显示方法,从而大大提高液晶显示汉字的效率。采用“top-down”的思想对系统进行模块层次划分,利用硬件描述语言Verilog对LCD控制器各模块进行描述和设计,并通过了ModelSim功能仿真和FPGA验证。     

基于小波包Tsallis熵和RVM的模拟电路故障诊断

针对模拟电路故障难以识别等问题,提出一种基于小波包Tallis熵和多分类相关向量机(Rele-vance Vector Machine,RVM)的模拟电路故障诊断方法.该方法采用脉冲信号仿真模拟电路,应用小波包变换对采集到的故障响应信号进行分解,通过提取不同频带内的Tsallis熵作为故障特征值,利用相关向量机对各种状态下的特征向量进行分类决策,实现模拟电路的故障定位.实验结果表明,提出的故障诊断方法相较于现有的故障诊断方法能较好地提取故障特征,极大地提高模拟电路故障诊断的效率.     

基于SAW-RFID的电力电缆温度在线监测技术研究

电力电缆运行温度是反映其运行状态的重要参数,在线监测其运行温度可及时确定电力电缆的局部过热,估计电缆绝缘性能,发现安全隐患。文中在分析对比现有测温方法的基础上,提出了一种基于声表面波射频识别(SAW-RFID)系统的无源无线测温系统,并详细介绍了SAW标签的设计原理,采用RFID测试仪对SAW标签进行了测试。文中通过实验证明了该系统的可行性,并基于该系统对XLPE电缆进行了实验,实验结果表明SAW-RFID系统测温结果与热电偶测温结果基本一致,实现了电力电缆温度的远程实时监测。     

基于角色的时空约束委托模型

介绍具有时空约束的角色授权委托模型,在RBDM0和RDM2000的基础上,对授权委托中的角色、权限、操作等要素进行时空化处理,使授权委托具备时空属性,并形式化地描述严格/非严格委托、单/多步委托以及全部/部分委托的授权判断规则,为该模型在实际系统中的实现奠定基础。     

基于小波包分形的瓦斯传感器故障诊断方法

针对瓦斯传感器的故障诊断问题,提出一种基于小波包分形的瓦斯传感器故障诊断方法。使用3层小波包对故障信号进行分解和重构,获得不同频带的重构信号,计算各个重构信号的分形维度,并构成对应的故障特征向量。以此作为输入向量来训练支持向量机（SVM）,完成故障的诊断。实验结果表明：该方法能有效地提取传感器的故障特征,提高了传感器故障诊断的准确率,可有效地应用于瓦斯传感器的故障诊断。     

集成于无源RFID标签的温度传感器设计

针对无源无线射频识别(RFID)标签的低功耗设计要求,设计了一种基于环形振荡器的CMOS温度传感器.该传感器首先产生一个与绝对温度成正比PTAT电流,然后通过环形振荡反相器来产生相应的PTAT频率,最后利用计数器来实现频率-数字之间的转换.测试结果表明:该温度传感器实现了125nW的超低功耗,在-40~80℃范围内,误差仅为-0.7/1.2℃,特别适合集成于无源RFID标签中.     

基于稀疏分解残差的氢气传感器故障探测与辨识方法

针对传感器故障探测和诊断,提出了一种基于稀疏分解残差的氢气传感器故障探测和辨识方法.基于信号稀疏分解理论,对采集的传感器正常信号数据集,利用K奇异值分解(K-SVD)学习算法得到一超完备字典D;在字典上对非正常(故障)信号进行分解,根据稀疏分解的残差大小和范围完成对传感器故障的探测及辨识.实验结果表明:对氢气传感器的故障探测率和总辨识率分别达到98.75%和97.25%,可以有效地解决氢气传感器的故障探测和辨识.