地质灾害监测设备太阳能高效供电技术研究

通过对地质灾害监测设备供电情况的研究,提出一种基于太阳能的高效供电方法,即采用集成MPPT技术的充电管理芯片LT3652,自动实现最大功率点跟踪,从光伏电池抽取峰值功率,直接驱动负载,同时给能量储备单元充电,以保证在光伏电池输出功率为零时,维持负载工作.地质灾害监测供电系统选用了30W的光伏电池,12V/70Ah的铅酸免维护蓄电池,在四川省成都市区(光照强度为81001ux至876001ux)进行了测试,当负载为0.6W/5V时,太阳能供电系统最大充电电流为1.47A,设备可连续工作15个阴雨天,提高了地质灾害监测设备的长效性.     

路堑边坡施工期多参数远程监测预警系统应用

山区高速公路路堑边坡在开挖过程中极可能发生坡体滑动、坍塌,甚至小规模崩塌现象,开发一种路堑边坡施工期多参数远程监测预警系统,保障工程施工期间施工方和当地群众的人身、财产安全显得极为重要。运用多种传感器技术实时地获取施工期间边坡倾斜度、位移和降雨量的变化情况,结合通用分组无线业务(GPRS)和手机短信服务(SMS)技术通过无线方式与上位机进行通信,建立被监测对象各类信息变化的数据库和网络发布平台,同时利用客户端管理软件对危险信息进行预警。通过在毕威高速公路的安装运行,系统成功地在施工期进行了监测预警,避免了不必要的人员伤亡和财产损失。     

白酒检测技术在生产中的应用研究进展

白酒检测是对白酒进行深层次研究的必备手段,对控制白酒质量、指导生产、维持白酒市场稳定等有着积极作用。该文总结了色谱技术、光谱技术、核磁共振技术以及仿生传感器技术在白酒检测中应用现状及研究成果,分别阐述了不同检测技术在品牌、产地、酒龄鉴别、品质监控,真伪鉴别以及风味物质测定,等级划分等方面的应用情况,并对不同检测技术的建模方法在实际应用中存在的优势与不足进行对比分析。针对目前白酒检测过程中的难点与不足,对白酒检测技术在白酒生产、质量控制、市场维护中的应用发展进行展望,可为白酒的数字化发展以及从业人员的研究工作提供参考。     

基于BP神经网络的白酒探汽上甑方法研究

目的:针对目前白酒"探汽上甑"工艺在自动化酿造过程中存在探汽准确率低的问题,提出一种基于BP神经网络的探汽方法.方法:使用红外相机采集上甑蒸馏过程中酒醅表层图像获得酒蒸汽温度分布特征,按照上甑工艺特点将图像分类,结合图像预处理技术对图像温度特征提取,通过神经网络分类模型训练得到探汽模型.结果:通过实验验证,该方法的探汽...     

基于STM32和电容积分法的微电流测量仪设计

基于电容积分法测量原理,利用32位微控制器STM32F103控制双通道双切换积分(Dual SwitchedIntegrator)芯片DDC112,配合电路防泄漏电流工艺设计,实现双通道fA(飞安10-15A)级微弱电流的连续测量。利用单芯片DDC112实现I/V转换,并提供20位数字输出,使系统具有电路简化,分辨率高,干扰噪声低等特点。该系统测量分辨率达到1fA,测量时间范围:50~1×106μs,电流量程可在5×104~7×109fA范围内通过设置积分时间进行选择。     

基于酒精度重建模型的摘酒技术研究

为提高摘酒酒精度,稳定基酒质量,达到分段摘酒的目的,该研究以酒精水溶液密度、温度、酒精体积分数关系为映射,利用最 小二乘法建立了基酒密度、酒精度和温度的最优模型,以音叉密度计监测基酒密度,通过模型转换为酒精度后,对比实测酒精度与 预测酒精度之间的差异,并在模型建立的基础上,设计了一种分段摘酒装置。 结果表明,所建模型预测平均差、平均相对误差分别在 1.36～2.84、2.2%～6.5%,无显著波动性差异,稳定性良好。 该模型配合分段摘酒装置,为白酒工业提供了一种摘酒技术手段,有利于 提升摘酒品质与产量。     

自动化酿造工艺在白酒生产中的应用研究

以小曲清香型白酒为例,对自动化技术在白酒酿造中的应用进行研究。以基于FCS设计的硬件系统为基础,对现场控制层的所有执行机构进行管控,并通过工业以太网连接上层监控软件。监控软件采用力控组态设计,并嵌入管理数据库。根据生产工艺将控制系统划分为原粮存储、曲药制作、原粮蒸摊、上甑蒸馏和发酵管理5个子系统,各子系统包括过程操控界面和监控数据界面两部分,实现分区监测、综合数据分析、全局决策、分散控制。     

蒙特卡罗模拟确定γ射线衰减系数函数及参数

在中低密度样品中,γ射线的线衰减系数主要由γ射线能量和样品密度决定,采用MCNP(Monte Carlo N Particle Transport Code)程序模拟计算了多种γ射线能量和多种样品密度条件下的线衰减系数,对线衰减系数模拟值进行多元非线性回归,确定了以γ射线能量和样品密度为因变量的线衰减系数函数及参数。实验测定了三种能量γ射线在6种不同密度样品中的线衰减系数值,并与模拟所得函数值进行比较分析。结果表明,所得函数值与实验值的相对误差均在7%以内,蒙特卡罗程序计算所得函数值与实验测量值较为吻合,所采用的函数模型准确验证了线衰减系数与γ射线能量、样品密度之间的关系特征。     

基于异常样品剔除的酒醅近红外定量分析模型的精度提升

目的 利用异常识别算法识别出原数据集中存在的奇异点,以建立预测精度更高的酒醅定量分析模型。方法 在研究中采用集群分析思维,利用马氏距离、主成分马氏距离、蒙特卡罗交叉验证法对108个样本进行异常样品识别以及剔除,以光谱-理化值共生距离算法进行样品集的划分,划分比例为3:1。结果 酒醅水分近红外定量分析模型经马氏距离处理后预测精度达到最高,预测相关系数上升了0.43%,预测均方根误差下降了6.94%;酒醅酸度近红外定量分析模型经马氏距离处理后精度达到最高,预测相关系数上升了0.02%,预测均方根误差下降了0.20%;酒醅还原糖近红外定量分析模型经蒙特卡罗处理后,预测相关系数上升了8.74%,预测均方根误差下降了42.14%;酒醅淀粉近红外定量分析模型经蒙特卡罗处理后精度达到最高,预测相关系数上升了2.81%,预测均方根误差下降了57.80%。结论 经过验证,剔除异常样品可建立出预测精度更高的酒醅定量分析模型。     

基于FT-NIR光谱技术结合KPCA-MD-SVM对白酒基酒的快速判别

为保证在摘酒过程中基酒分段的准确,研究通过利用傅里叶变换近红外设备对整个摘酒过程中的基酒样品进行光谱采集,使用支持向量机（SVM）对最优预处理的基酒光谱建立基酒分段模型,其模型训练集的正确率为93.02%,测试集判别率为90.08%。为减少建模时间和提高模型的可靠性,使用核主成分分析（KPCA）对基酒光谱数据降维,并对此建立基酒分段模型。其训练集正确率为94.81%,测试集判别率为90.75%,相比无KPCA分析时的分段模型训练集高1.79%,测试集高0.67%。为进一步提高模型的判别能力,使用马氏距离（MD）剔除了降维后的异常数据样品,创建的基酒分段模型训练集对基酒段数的正确率为98.72%,测试集正确率为98.75%。剔除异常样品后的分段模型的训练集正确率提高了3.91%,测试集判别率提高了8%。以上研究表明了KPCA+MD+ SVM基酒分段模型能对基酒进行快速判别,为近红外光谱在自动化摘酒方面提供了一种理论可能。