万向型压电换能器发电性能理论分析与实验

为实现对不同方向振动源振动能量的收集,对一种万向型压电换能器的发电性能进行了理论分析与实验测试.理论分析表明,万向型压电换能器的发电性能受到压电梁夹角的影响,在其多方向发电能力方面,随着外界激励方向的变化,产生的电能呈波浪起伏状变化,换能器对不同方向振动源的激励具有较好的适应性.进一步的实验测试验证了万向型压电换能器的多方向发电能力,且在压电梁夹角为π/2时,最大输出功率达到约1.3 mW,最小输出功率约为0.6mW.     

利用VC++实现信号测量报警系统的编程实例

本文介绍了一个基于计算机的多路信号采集、实时显示及报警系统 ,由于该系统以计算机、数据采集卡为基本硬件来完成各项仪器功能 ,因此它属于虚拟仪器的范畴。虚拟仪器是现代测量测试仪器的发展方向 ,软件系统是虚拟仪器的核心。虚拟仪器技术的优势在于可由用户定义自己的专用仪器系统 ,且功能灵活 ,很容易构建 ,所以应用越来越广泛。本文介绍了基于虚拟仪器技术的传感器信号测量及报警系统 ,给出了它的硬件构成 ,用VC++作为软件开发语言的设计方法和优点     

基于自归一化神经网络的低分辨率人脸识别

为了解决传统人脸识别算法对低分辨率人脸图片识别效果不佳的问题,提出了一种轻型判别自归一化神经网络,能够从高分辨率及其对应的低分辨率图像中提取具有判别性的特征,并将特征耦合映射到共同的子空间。该模型引入缩放指数线性单元,具有自归一化属性,能够加速收敛。为了最小化类内距以及扩大类间距,基于高低分辨率图像特征之间的判别性和相似度,对现有的损失函数进行了优化,从而使得相同类别的特征更紧凑。提出的方法在一个标准人脸数据集以及两个监控数据集上的识别率分别达到了95.57%、94.10%和84.56%,优于其他算法,适用于非限制条件下的低分辨率人脸识别。     

Client/Server模式在家庭远程监测系统中的应用

以Internet远程通信和计算机为代表的信息技术的迅速发展和应用，使得远程教育、远程贸易和远程监控成为可能。该文利用Winsock技术实现了基于客户，服务器模式的远程监测机和本地机之间的通信，最终达到家庭远程监测的目的。     

Windows下远程检测系统中单片机和微机的通讯

本文介绍了由51单片机与微机组成的远程检测系统中的通信原理、协议和实现方法。并且分别应用C51单片机语言和在Windows环境下利用VC 6．0中MSConun通信控件，实现了微机与单片机之间的双向串行通信。该方法具有实现简单可靠的特点。     

单方向电磁式振动能量采集结构的设计与优化

为在尽量小的空间产生足够大的电能,设计了一种基于Halbach永磁阵列的单方向电磁式振动能量采集器。利用Ansoft Maxwell软件对Halbach阵列的磁场进行了初步分析,分析显示Halbach阵列相对于传统的永磁阵列可以有效增强单边磁场。建立模型并对其中的拾振结构进行动力学分析,对换能结构提出3种方案并进行了优劣比较,根据换能结构方案对模型的结构参数进行了优化,得出优化后的仿真输出电压约为1.4V。最后搭建实验平台,得出实验结果约为1.2V,与仿真结果基本吻合,验证了本结构设计的合理性及正确性。     

基于改进粒子群的焊点检测路径规划方法

针对电路板的焊点检测路径优化问题,提出一种改进的粒子群优化算法。在粒子进化过程中,根据时间函数的变化,调整粒子进化参数组合。在焊点空间路径规划过程中,将最小时间函数作为移动准则。在当前焊点检测点,建立路径规划时间函数,利用改进粒子群算法求取时间函数最小点,作为下一路径点,从而逐步得到焊点移动路径。仿真结果表明,利用所提方法可以规划出一条有效最优路径,进行完成焊点路径规划任务。同时实验结果表明,相对于其他粒子群算法,该算法具有较好的收敛精度,且收敛速度可控。     

Rainbow型压电换能结构的有限元分析与实验

提出了一种多方向振动能量收集装置的设计结构,该装置的换能部分采用了一种新颖的Rainbow型压电结构。为了分析和测试Rainbow型压电换能结构的发电性能,对其进行了有限元分析和实验测     

网络化虚拟仪器

随着计算机技术、网络技术的飞速发展 ,网络化虚拟仪器在其推动下出现了。网络化虚拟仪器的出现极大拓宽了仪器的应用领域 ,使人们可以在任何时间任何地点获取到测量信息。本文主要介绍了虚拟仪器的硬件构架、网络化虚拟仪器、网络测量的几种组建方法     

基于小波包变换和Replicator Neural Network的单位置结构损伤检测

为了实现对结构的损伤检测,提出一种基于小波包变换和Replicator Neural Network (RNN)的单位置结构损伤检测方法。首先采用小波包变换对原始振动响应信号进行分解,计算分解得到的各频带的相对频带能量,这些相对频带能量的分布反映了结构特性。然后,将健康结构的相对频带能量作为输入训练RNN。最后,利用训练后的网络即可对结构进行实时损伤检测。实验表明,即使在有噪声干扰下,该方法仍然能够检测出结构是否存在损伤。