一种简单便携式单相电能表的硬件设计

该智能单相电表主要由两大部分组成,一是基于BL6503的电功率采集处理部分,二是基于AT89S52的显示输出部分。     

基于多传感器-深度长短时记忆网络融合的瓦斯浓度预测研究

为充分利用井下多传感器数据源中的有效信息进一步提升井下瓦斯浓度预测模型的预测性能,提出建立一种基于深度LSTM(long short-term memory,长短时记忆)网络的多传感器瓦斯浓度预测模型,首先利用Pearson(皮尔逊)相关系数法筛选出与瓦斯浓度强关联变量作为模型输入参数,降低输入数据规模与复杂度,并对其进行多变量相空间重构,采用随机搜索算法对LSTM网络超参数进行自动寻优,建立参数最优的多传感器时间序列动态预测模型,通过算例研究表明,相较于常用的时序建模预测算法,所提方法能够更好的追踪瓦斯浓度变化趋势并在单步及多步滚动预测方面,依然具有较好的预测性能.     

煤矿瓦斯浓度的CAPSO-ENN短期预测模型

为了准确预测回采工作面的瓦斯浓度,提出云自适应粒子群算法优化Elman神经网络的瓦斯浓度动态预测新方法。利用井下无线传感器网络监测系统采集的回采工作面瓦斯浓度时间序列作为样本,并对其进行数据降噪和相空间重构等预处理。采用CAPSO算法对Elman神经网络的权值、阈值进行寻优运算,建立了回采工作面瓦斯浓度动态预测模型。通过对MATLAB仿真得出结果研究表明：该模型的平均相对变动ARV值为0.000357,相对均方根误差RRMSE值为0.1056,对回采工作面的瓦斯浓度预测结果合理且可为矿井瓦斯防治工作提供有效理论依据。     

基于嵌入式GUI的矿用瓦斯检测仪的研究

针对煤矿瓦斯检测仪检测信息少、检测参数单一、灵活性弱等问题,研究一种基于嵌入式GUI的矿用智能瓦斯检测仪.基于双内核双操作系统,以瓦斯监测为主要功能,采用LS最小二乘拟合与RBF径向基函数数据重构方法提高瓦斯传感器数据近似精度,设计Wince与μC/OS-Ⅱ双内核系统,实现矿用瓦斯智能检测仪的高精度、多信息、高智能化.