在LabVIEW中利用DLL实现数据采集

随着计算机技术及虚拟仪器技术的迅速发展,虚拟仪器正逐渐成为测试领域的发展方向.本文介绍了在LabVIEW环境下驱动普通数据采集卡的重要方法--动态链接库机制(DLL),并结合具体实例介绍了一种利用LabVIEW提供的Call Li-brary Function (CLF)节点实现对动态链接库(DLL)调用的关键技术及步骤,实现LabV IEW与普通数据采集卡的结合,丰富LabVIEW对硬件的控制能力.并将数据库技术应用于虚拟测试系统中,建立了Access数据库,实现数据的存储和自动管理,从而拓展了虚拟测试系统的功能.     

基于FPGA的多通道数据采集控制器设计与实现

为增强通用计算机数据采集(DAQ)控制系统的实时性能,设计多通道数据采集控制器。基于现场可编程门阵列技术,采用数据采集有限状态机时序代替CPU串行指令完成通道切换与数据缓存,降低系统负载。通过时间戳同步机制,提高DAQ控制系统在多级缓冲机制下的实时性,并将该控制器逻辑移植到Cyclone IV芯片上进行实现。测试结果表明,该控制器可有效降低CPU及操作系统负载,提升数据实时性及采样带宽精度。     

基于FPGA和DSP的高分辨率图像采集系统

介绍了一种高分辨率图像数据采集系统的实现方案.该方案采用了现场可编程门阵列(FPGA)数字信号处理器(DSP)的体系结构,利用FPGA实现图像数据检测、采集、缓冲、预处理,并协调系统各部分的工作,利用DSP对图像数据进行JPEG压缩,通过PC104总线将压缩后的数据上传至主机.该方案中,由FPGA控制的高速大容量同步动态随机存储器(SDRAM)作这图像数据的帧存,解决了高分辨率图像采集中容量和速度上的问题,SDRAM分时供FPGA和DSP访问的机制提高了数据存取的效率.JPEG压缩方法大大降低了数据传输所需的带宽并减少了存储所需的容量.该系统能够对高至2 048×1 536的多种分辨率的图像实现数据采集和压缩.     

多通道数据采集系统的设计

本文根据设备状态监测的需要,利用研华公司的数据采集卡PCI1711搭建出数据采集系统的硬件平台,并介绍了数据采集系统的软件结构,在此基础上以VC 6.0为平台,阐述了利用多线程技术实现多通道数据实时采集,数据动态曲线显示的方法,并且利用ADO数据库访问技术,建立了设备状态数据库,供用户对设备运行状态进行诊断和预测.实验证明该系统具有较高的可靠性.     

便携式飞机供电参数测试系统的设计与实现

针对飞机供电系统设备需要进行在线快速测试的需求,提出了利用Odyssey XE测试机研发便携式飞机供电参数测试系统的设计方案;根据测试标准对飞机供电参数测试要求,对测试系统从硬件结构和软件模块两方面进行了分析;设计采用高速数据采集卡OD-200实现数据的采集,并设计了数据采集和数据处理软件,完成了在LabVIEW开发环境下测试系统软件的设计与实现;通过对某飞机电源系统进行测试,测试结果表明该系统测试精确度高,性能稳定可靠,操作简单,达到了设计要求。     

基于虚拟仪器的热电偶温度测试与分析系统

介绍了应用于导热系数测试实验台的热电偶温度测试系统，利用串行接口对温度巡检仪进行数据读取和参数设置。为提高采样和数据处理效率，开发了IabVIEW环境下的虚拟仪器。该系统可将热电偶温度数据读人计算机并进行相应的分析计算，实现信号的实时采集，简化了操作步骤，提高了测量精度。该系统的设计对数据采集、显示、串行通信等在生产和实验中的应用具有一定的借鉴和推广作用。     

一种优化极限学习机的果园湿度预测方法

针对传统水蜜桃种植过程中环境监测实时性差、人力物力浪费严重的现状,通过无线传感网络技术(WSN),本文果园环境监测系统的基础上提出一种优化极限学习机的湿度预测方法(PSO-ELM),该方法首先使用主成分分析法(PCA)对环境监测数据进行分析,实现数据的降维,然后利用粒子群算法(PSO)优化极限学习机(ELM)的初始权值、偏置,对训练集和测试集分别进行测试,以果园环境监测系统中9天(1296组)数据为测试对象,将PSO-ELM算法与线性回归、ELM神经网络进行对比,验证预测方法的可靠性。实验结果表明,该预测算法的RMSE、MAPE和 MAE分别为0.5038、0.0051和 0.3974,能较好的预测环境湿度信息。     

基于FPGA和USB的数据采集系统的设计

介绍了一种用于炮口冲击波精确测量的数据采集系统设计.该系统是一种基于通用串行总线(USB)接口和FPGA技术的多通道同步数据采集系统,采用FPGA控制系统的采集时序,USB芯片作为数据采集通道,上位机完成数据显示功能,最后对电路进行了环境测试,并分析了测试结果.     

基于数据库和RS-485总线的传感器智能化识别技术研究

为满足测试系统构建效率的需求,构建了基于Rs-485总线的钟邑数据采集系统。利用单片机对传统传感器智能化进行改造,在LabvIEW环境下开发的数据采集系统访问设备数据库,实现数据采集系统对传感器的自动识别,并在船舶模型试验测试系统中进行了验证。     

PROVOX系统与监控管理网络的通讯

吉化集团公司丙烯腈厂先进控制项目中,为了解决PROVOX系统（DCS）与监控管理网络的通讯问题,将数据采集机接入PROVOX系统工程师站所在的以太网,并自行开发了通讯软件,实现了生产数据实时采集和传送。该通讯软件主要利用工程师站上的CHIP软件包提供的接口采集生产现场数据,并使用Socket机制将数据由工程师站送入数据采集机。该方法打破了该厂DCS信息孤岛,在企业实现管控一体化计算机集成系统的过程中起到了积极的作用,对同类企业也具有一定的借鉴意义。     

基于嵌入式系统的AGV车载控制器设计

根据对AGV技术研究现状的分析,针对国内现有车载控制器存在的不足,设计了一套用于控制AGV沿预设路径运行的车载控制器。该车载控制器采用主控板和底层驱动板的总体架构,结合软件程序的编写,实现了与上位机的无线通信、状态信息在触摸屏上的显示、对外围设备数据的采集以及控制等功能,达到了对AGV的自动控制和远程控制的目的。经过现场的试验,该设计合理,可满足其功能要求。     

基于PXI总线技术的星载计算机性能测试系统研究

CX-1星务系统采用一体化设计方式,所有单机和分系统都与星载计算机直接相连,接受星载计算机的管理和控制;分系统或单机之间的信息交换必须经过星载计算机,因此,在设计过程中尽可能地提高星载计算机系统的可靠性就成为主要目标之一;为保证星载计算机的可靠性,在卫星的设计和研制过程中,对星载计算机的电气性能测试占据十分重要的地位;从分析星载计算机电气性能测试的需求出发,介绍了基于虚拟仪器技术的星载计算机测试系统的基本功能、硬件配置、软件设计等,给出了系统测试原理与测试结果;通过实际对星载计算机的测试试验,利用该系统测试星载计算机的性能可以实现故障的快速定位.     

基于龙芯宇航级芯片的BSP开发和移植

随着北斗三号导航卫星系统开始组网运行,星上系统对星载计算机系统提出了更快的数据传输和运算速度需求。中国科学院研制的北斗卫星采用高运算性能和高数据传输性能的星上计算机系统,其核心部件全部自主可控,即以龙芯中科公司生产的龙芯1E高性能宇航级处理器芯片为主构建的硬件环境,以实时操作系统VxWorks为软件环境。为适应龙芯中科1E系列的新型升级芯片,本文通过开发BSP和串口驱动,并在设备驱动管理上配置支持VxBus型驱动架构,实现VxWorks在新型芯片上的移植和运行,同时使驱动程序的可靠性、可移植性、独立性等性能得到有效提升。     

一种星载软件重构系统的设计与实现

针对航天器寿命延长与功能复杂度提升带来的对软件在轨重构和升级的迫切需求,基于SpaceWire设计了一种对星载软件升级与重构进行统一管理的网络,并设计实现了一款通用的软件维护控制器;星载软件重构网络通过SpaceWire路由器连接大容量存储模块以及星载计算机、载荷处理器等需要进行软件重构的终端设备,大容量存储器作为共享的存储资源池,用于接收各类星载设备的重构和升级软件程序,直接将软件程序通过SpaceWire分发到相应的设备,软件维护控制器位于终端设备内部,对软件重构数据进行统一格式封装,支持软件升级数据的片段化更新、软件ECC编码存储、软件APP切换控制等功能,解决星载软件升级缺乏统一操作流程、缺乏通用通信协议、缺乏高可靠设计支持的困境,并且该控制器采用抗辐射加固ASIC设计,满足宇航使用环境要求,为实现星载软件的灵活、便捷在轨重构奠定基础。     

嵌入式全景视觉实时目标识别

在嵌入式系统中,使用鱼眼镜头实现全景视觉,完成实时目标跟踪工作.采用FPGA+DSP+PC的硬件系统架构作为识别器,使用SAA7113H芯片采集图像,再由FPGA将采集后的图像存入到SRAM,因为使用鱼眼镜头采集后的图像是畸变的,所以采用FPGA对图像进行矫正,运用Freeman链码进行目标识别,尤其是对直线的识别,这些工作都需要大量的计算,高效的FPGA和Altera公司提供的IP核,加快目标识别速度,以达到目标跟踪的目的.     

Development of a real-time control architecture for a semi-autonomous underwater vehicle for intervention missions

The need for autonomous underwater vehicles (AUVs) for intervention missions becomes greater as they can perform underwater tasks requiring physical contacts with the underwater environment, such as underwater plug-in/plug-out, construction and repair, cable streaming, mine hunting, munitions retrieval, and scientific sampling. This paper describes a semi-autonomous underwater vehicle for intervention missions that has multiple on-board CPUs, redundant sensors and actuators, on-board power source and a robotic manipulator for dextrous underwater performance. Such a complex robotic vehicle system requires advanced control software architecture for on-board intelligence with a wide range of sensors and actuators to carry out required missions. In this paper, AUV control architectures are reviewed and a sensor data bus based control architecture (SDBCA) is presented. SDBCA is a modified hierarchical architecture that offers good controllability and stability while sensor data bus increases flexibility of system design, making it possible to have a prompt response from high-level control with respect to low-level sensor data. The overall sensor input mechanism of SDBCA becomes similar to the sensor input mechanism of subsumption architecture.     

面向星载计算机的双重索引数据压缩方法

随着星载计算机系统功能的日益复杂,程序规模也在快速扩大.在存储资源极其受限的背景下,需要稳定、有效的代码压缩功能来保障星载软件的正常存储与运行.混合压缩算法是目前无损数据压缩的主流算法,具有压缩率高、代码规模和计算资源需求大的特点.然而,在航天星载计算机等嵌入式系统中,由于其运行环境特殊,需要较高的可靠性和抗干扰能力,无法实现混合压缩算法应有的效果.同时,单一压缩模型压缩率较低.针对以上问题,在LZ77算法代码体积和内存消耗优势的基础上提出了改进方法:为压缩过程设计一种新的匹配记录表以存储高价值数据索引来辅助压缩,实现了原算法局部性优势与高价值数据全局分布的互补,更大程度上减少了数据冗余;结合动态填充、变长编码等进一步优化编码结构,降低存储需求;最终,设计并实现了一种更加适合航天嵌入式环境的无损数据压缩算法(LZRC).实验结果表明:(1)新算法在比LZ77算法代码体积仅多出3.5 KB的条件下,对软件代码的平均压缩比提高了17%;(2)新算法的运行内存需求仅为混合压缩算法的12%,代码体积也减少了84%,更加适合星载计算机系统.     

基于PXA255嵌入式平台的MPEG-4编码研究和实现

文章介绍了基于Xscale处理器(PXA255)的嵌入式开发平台上实现MPEG-4编码技术;整个系统分为视频信号采集、编码、存储、发送、PC机上解码验证;通过FS-PXA255I开发板上的USB接口实现视频信号的采集,利用PXA255处理器完成输入图像的MPEG-4软件编码;阐述系统总体结构和各部分功能特点,着重介绍MPEG-4编码部分在嵌入式系统上的编码算法。     

Autonomous detection of cryospheric change with hyperion on-board Earth Observing-1

On-board detection of cryospheric change in sea ice, lake ice, and snow cover is being conducted as part of the Autonomous Sciencecraft Experiment (ASE), using classifiers developed for the Hyperion hyper-spectral visible/infrared spectrometer on-board the Earth Observing-1 (EO-1) spacecraft. This classifier development was done with consideration for the novel limitations of on-board processing, data calibration, spacecraft targeting error and the spectral range of the instrument. During on-board tests, these algorithms were used to measure the extent of cloud, snow, and ice cover at a global suite of targets. Coupled with baseline imaging, uploaded thresholds were used to detect cryospheric changes such as the freeze and thaw of lake ice and the formation and break-up of sea ice. These thresholds were used to autonomously trigger follow-up observations, demonstrating the capability of the technique for future planetary missions where downlink is a constrained resource and there is high interest in data covering dynamic events, including cryospheric change. Before upload classifier performance was assessed with an overall accuracy of 83.3% as measured against manual labeling of 134 scenes. Performance was further assessed against field mapping conducted at Lake Mendota, Wisconsin as well as with labeling of scenes that were classified during on-board tests.     

Artificial neural network and dataset optimization for implementation of linear system models in resource-constrained embedded systems

On-board training of artificial neural network (ANN) is important in instances where real time data are required for model training. Provision of on-board intelligence enables the developed systems to self-recalibrate and enhances their efficiencies. In this work, investigations have been performed to determine optimized parameters of ANN model for linear systems. The performance parameters that is, model parameters, memory requirements, accuracy and processing time are chosen by considering the model to be installed on commercially available microcontrollers that have very limited on-board memory. Minimum data requirements for training ANN models of linear systems are also explored for better performance. All dataset ranges are normalized in order to exclude the effects of range differences. It is shown that for linear systems, 1–3–1 architecture produces best results against ≤100 data points when Bayesian Regularization (BR) training function is used along with Log Sigmoid Activation function. Simulations for 1–3–1 architecture are then performed for datasets having 10, 25, 50 and 100 data points. The results show that training with 25 data points produces over-all better performance than other datasets. A large dataset utilizes more training time and memory whereas a smaller dataset produces relatively lesser accuracy. The effects of clustered data and uniformly distributed data are also explored. It is found that total epochs in case of clustered data are significantly higher than uniformly distributed data. The combination of these optimized parameters that is, 1–3–1 architecture, with BR and Log function, for ≤100 data points can be used for the development and implementation of linear components or systems in resource-constrained embedded systems.