加权在线贯序极限学习机算法及其应用

针对在线贯序极限学习机对所有数据等权处理这一缺陷,提出加权在线贯序极限学习机算法。依据运算过程中产生的网络均方根误差的差异,给新数据以及历史数据分配不同的权值,当网络均方根误差较大时减小其权值,较小时增大其权值。该算法实现了对新旧数据的不等权处理,利用航空发动机传感器数据验证该算法的可行性。验证结果表明,基于该算法所建的航空发动机传感器故障诊断模型要比基于传统在线贯序极限学习机算法所建模型的精度更高。     

基于SHT75的温湿度检测系统的设计

温湿度数据是环境检测的重要参数,为精准测量该数据,利用STM32F405单片机与SHT75数字式温湿度传感器设计了一套温湿度测量系统。通过STM32F405单片机控制SHT75数字式温湿度传感器的工作时序,给出温湿度检测系统的硬件电路和软件程序设计方法,以及单片机对传感器启动、复位、读数据、写指令等相关程序,实现对所测温湿度的采集和显示,并通过温湿度计算露点。     

基于极限学习机的机械设备故障诊断研究

针对机械设备工况传感数据维度高、数据量大的特点,提出了一种基于极限学习机的故障诊断方法。首先,将机械设备传感器收集到的数据进行规范化处理,并采用过采样方法解决样本数据类别不平衡的问题;其次,通过预处理后的训练数据构建极限学习机模型,采用增量式方法确定隐层节点最佳数目。在气压系统数据集上的实验结果表明,与其他机器学习方法相比,基于极限学习机的机械设备故障诊断方法在训练速率和故障查全率上更具优越性。     

三轴惯性传感器ADIS16355在姿态检测中的应用

介绍了ADI公司的三轴惯性测量传感器ADIS16355的功能、结构和特点。基于STM32F103VB单片机设计了硬件电路,对该传感器数据进行采集,并利用无线数据传输模块把数据发送回计算机。使用该电路对四轴飞行器姿态进行检测,根据实验数据,利用两种不同的方法实现了飞行器姿态的估计。     

大数据分割式极限学习机算法

在海量数据输入背景下，为提升极限学习机算法的学习速度，降低计算机内存消耗，提出一种分割式极限学习机算法。将海量数据分割成[K]等份，分别训练极限学习机并获得单一外权，基于算术平均算子得到分割式极限学习机的综合外权；为避免异常数据对极限学习机输出结果的影响，采用有序加权平均算子融合单一极限学习机的输出信息，使分割式极限学习机的输出结果更为稳定。数值对比仿真显示：分割式极限学习机比传统极限学习机的学习速度、拟合精度和内存消耗都高，验证了该方法的有效性和可行性。     

集成重复训练极限学习机的数据分类

极限学习机是一种随机化算法,它随机生成单隐含层神经网络输入层连接权和隐含层偏置,用分析的方法确定输出层连接权。给定网络结构,用极限学习机重复训练网络,会得到不同的学习模型。本文提出了一种集成模型对数据进行分类的方法。首先用极限学习机算法重复训练若干个单隐含层前馈神经网络,然后用多数投票法集成训练好的神经网络,最后用集成模型对数据进行分类,并在10个数据集上和极限学习机及集成极限学习机进行了实验比较。实验结果表明,本文提出的方法优于极限学习机和集成极限学习机。     

基于单片机的多功能健康检测系统设计

本文以STM32F103单片机为控制芯片,利用MLX90614红外测温传感器和MKB0805脉搏血压传感器设计了一款能够实时检测人体血压、心率和体温的多功能健康检测系统。该系统由人体生理参数采集、数据分析处理、显示数据三部分组成,实现了对人体生理参数的实时采集显示和异常生理参数提醒的功能。     

基于STM32F4的时栅位移传感器信号处理系统设计

为了提高时栅位移传感器的测量精度及分辨率,提出了一种基于STM32F4的时栅位移传感器信号处理系统;系统包括硬件电路设计和软件设计;硬件电路以STM32F4内核处理器芯片和复杂可编程逻辑器件CPLD为核心,集成了信号调理、信号处理等电路模块;运用高频时钟脉冲插补时栅位移传感器感应信号和参考信号之间的相位差,通过软件设计控制信号的采集和处理,实现了相位检测;经实验验证,采用以STM32F4为核心的时栅信号处理系统后,时栅位移传感器的角度误差峰峰值达到2.4”,实现了高精度、高分辨率的时栅角位移测量.     

基于STM32的硬币检测系统设计

该文设计了一种利用STM32F103C8T6实现的盲盒识别装置,用于识别装在封闭盒子（盲盒）里的硬币及硬币组合。该系统采用STM32F103C8T6单片机为控制核心实现对整个电路的控制,对WL01涡流传感器的空心线圈中通以交变电流,在线圈周围产生一个交变的磁场,当WL01涡流传感器模块检测到硬币时,该模块输出0～3.3 V的电压信号,并通过STM32F103C8T6单片机内部的AD模块采集该模拟信号,经过中值滤波算法对采集的模拟信号进行预处理,采用KNN算法对识别系统进行训练。通过随机对6种不同版本的硬币各10次实验验证,所设计的盲盒识别装置的正确率最高达到100%,平均准确率达到97.5%,识别的平均时间低于3 s。通过实验证明该系统具有响应速度快、抗干扰能力强等特点,能够对不同面值硬币均具有很高的识别率。     

基于LabVIEW平台的电子鼻系统设计

为了检测CH4,CO气体,设计了基于STM32F103和LabVIEW的智能电子鼻系统;该系统利用STM32F103作为核心控制系统,筛选出6只电化学传感器组成的阵列,传感器的响应信号经过电路放大转换后传输到上位机;利用LabVIEW开发上位机软件,将数据采集系统与神经网络模式识别系统无缝连接.经过实验验证,该系统运行稳定可靠,通过对9种不同比例混合的CH4和CO气体进行检测,CO的平均误差为5.52×10-6,CH4的平均误差为7.15×10-6,测试结果满足要求.     

Convolutional neural network based early fire detection

The detection of manmade disasters particularly fire is valuable because it causes many damages in terms of human lives. Research on fire detection using wireless sensor network and video-based methods is a very hot research topic. However, the WSN based detection model need fire happens and a lot of smoke and fire for detection. Similarly, video-based models also have some drawbacks because conventional algorithms need feature vectors and high rule-based models for detection. In this paper, we proposed a fire detection method which is based on powerful machine learning and deep learning algorithms. We used both sensors data as well as images data for fire prevention. Our proposed model has three main deep neural networks i.e. a hybrid model which consists of Adaboost and many MLP neural networks, Adaboost-LBP model and finally convolutional neural network. We used Adaboost-MLP model to predict the fire. After the prediction, we proposed two neural networks i.e. Adaboost-LBP model and convolutional neural network for detection of fire using the videos and images taken from the cameras installed for the surveillance. Adaboost-LBP model is to generate the ROIs from the image where emergencies exist Our proposed model results are quite good, and the accuracy is almost 99%. The false alarming rate is very low and can be reduced more using further training.

     

基于STM32的建筑物接地电阻检测仪的研制

针对目前建筑物接地电阻检测装置存在的缺陷,提出一种基于STM32的建筑物接地电阻检测的系统方案。该方案根据三极补偿原理,采用嵌入式系统控制的主从机软硬件实现接地电阻的精确测量。检测系统包括交流合成、信号采集和数据处理三部分。检测系统由STM32控制产生频率精度高、波形稳定的交流电流注入接地网,对地网中的电压电流信号经带通滤波、差分放大、同步AD转换、FFT处理得到精确地接地电阻值。本检测系统能够提高检测精度以及检测效率,实现检测工作的智能化。     

基于中间节点预测的卫星光通信精确跟踪控制系统设计

针对现有卫星光通信跟踪控制系统存在光通信信号数据分割误差大,跟踪控制精度降低的问题,提出基于中间节点预测的卫星光通信精确跟踪控制系统设计;采用DPS嵌入式技术构建基于中间节点预测数据处理的硬件平台,利用MCU作为中间节点预测数据的指挥调度单元;将CDD光学传感器应用于光通信光谱信号特征采集单元;通过STM32F103RBT6主控对CDD光学传感器的高精度光通信光谱特征信号处理;通过73M2901CE-IGV/F跟踪信号精度调制IC完成对高精度跟踪信号的控制调节;对设计系统控制精度的多场景进行测试;数据表明,设计系统能够支持光通信信号强度大于32％小于50％的条件下,保持通信跟踪控制指标为0.92,最大化接近标准指标量1,在600个测试数据量下,所设计系统的检测耗时为1.2s,说明所设计跟踪控制的精度较高,控制耗时较短,满足光通信实际跟踪控制系统的应用要求.     

改进YOLOV3的火灾检测方法

针对传统火灾探测器检测范围有限,传统火灾检测算法精度不高、检测时间长等问题,提出一种基于改进YOLOV3的火灾检测方法YOLOV3-IMP。在YOLOV3网络结构上进行改进,包含对特征提取网络改进和多尺度检测改进,提高对浅层特征的学习能力;通过改进的K-means聚类算法生成出初始先验框;通过改进的损失函数提高对小火灾区域的检测能力;在输出火灾检测图像之前采用Softer-NMS算法,提高对重叠区域的检测能力。实验结果表明,改进的算法准确率和召回率为91.6%,83.2%,[mAP]高达84.5%,检测速度可达0.28?s,可以满足火灾检测的实时性和准确性,能够实现有效的火灾检测。     

基于STM32的多功能火控信号采集板设计研究

提出了一种基于STM32单片机的火控系统信号采集测试方案,以新型ARMv7系列STM32单片机为控制核心,利用其丰富的外设接口和I/O资源对某型装备火控系统输出信号进行采集、测试与分析,确定某火力控制板功能的完好性。方案完成了对某型火力控制板输出的数字信号和模拟信号的采集、存储与测量工作,且可以为其提供部分测试需要信号,具有CAN接口,可以与控制器局域网内其他节点进行互通,具有体积小、结构简单、操作方便和易于实现等优点,具有一定的实际意义。     

基于STM32燃气热水锅炉液位控制系统设计与实现

针对燃气热水锅炉汽包液位采集与虚假水位的控制问题,设计了基于STM32F103-VET6的燃气热水锅炉液位控制系统。该系统以STM32F103-VET6芯片为核心,由采集、控制、显示报警等电路组成,实现了汽包液位信号的采集、锅炉水泵启停控制,同时将锅炉汽包液位的状态通过触摸屏显示。在汽包液位控制中采用了三冲量串级控制方法,分别将模糊PID和PID控制算法运用到控制器,有效防止虚假水位的产生。     

新型扁锥腔红外CO2气体传感器系统研究

为提高红外CO2气体传感器测量精度,本文利用非分光红外探测技术设计了以白炽灯红外光源、双通道热电堆红外探测器和扁锥腔体为主要元件构成的新型红外CO2气体传感器。采用Zemax光路仿真分析,研究了新型扁锥腔CO2气体传感器探测面光强分布,并结合ANSYS FLUENT软件对扁锥型气室进行结构优化。以STM32单片机为核心,实现了光源电调制,采用ICL7650放大处理探测器的电信号,再由STM32控制ADC进行信号采集,提高了测量系统的抗干扰能力。在此基础上开展了标定和测试实验,结果表明：在25℃环境中,传感器能够准确检测出0-2000 ppm量程范围内的CO2气体浓度,具有较好的重复性和长期稳定性。三组实验平均相对误差最大为5.2%,重复性误差最大为5.5%,稳定度为2.3%。该研究对红外CO2气体传感器结构优化和测量精度的提高具有参考意义。     

Hybrid fire detection using hidden Markov model and luminance map

Recently, fire detection is a hot research topic. Although many detection methods have been proposed, there exist high false alarms because of the interference of fire-colored moving object in the complex environments. In this paper, a hybrid method is proposed. First, we get the set of candidate fire regions. Then these candidate fire regions are analyzed to exclude the fire-colored moving object. Our contributions are using the hidden Markov model (HMM) based on spatio-temporal feature and the variance of luminance map motivated by visual attention, and combining both for fire detection. The wrong detection can be reduced greatly. Experiment results show our proposed method has a good performance and it is robust to be used in complex environment compared with previous algorithms.     

基于模糊证据理论算法在火灾检测中的应用

在复杂多变的火灾检测环境中,针对传统火灾检测方式准确率不高,适应性较差的问题。将模糊集合和D-S证据推理有机结合,提出一种新的用于火灾检测的多传感器数据融合的方法。该方法首先利用火焰、烟雾和温度传感器感知火灾状态,然后根据给出模糊隶属函数计算各个传感器的模糊隶属度。为了增强系统的抗干扰性,引入了计算传感器可信度的方法,并根据每次测量隶属度和可信度转化为基本概率分配函数(mass函数),最后利用证据理论对一个周期内多次测量的信息进行融合。结果表明,该方法提高了火灾检测判别的准确率,克服单个传感器带来的不稳定性和不确定性,增强了火灾检测系统的鲁棒性。     

某型导发架三相电源测试系统设计

针对传统导发架三相电信号检测方法过于依赖硬件电路,测试精度不高的问题,提出了一种基于STM32的三相电信号测试的最小系统.首先,将三相电信号经调理电路分压、滤波;然后利用STM32内置的ADC对调理后的三相电信号进行扫描采样,并运用改进的三点算法对采样信号进行运算处理,求得各相信号的幅值、频率和相位;最后通过RS232串行通信向上位机传输指令与数据,并进行结果显示.该最小系统充分利用了内部资源,减少了硬件电子干扰,以软件算法实现了对导发架三相电信号的较高精度检测,极大地降低了成本.