基于CompoBus/S现场总线的闸门控制系统的开发

设计开发出一套采用OMRON公司的PLC为控制核心的闸门远程控制系统；通过搭建CompoBus／S现场总线控制网络，实现崇州西河闸门集中／现地控制，并达到预期效果。对控制系统功能以及软硬件设计进行详细说明，并着重阐述CompoBus／S的搭建方式、数据交换过程以及在实际应用中的数据格式的处理问题。     

基于多维网格空间的改进K-means聚类算法

K-means算法是被广泛使用的一种聚类算法,传统的K-means算法中初始聚类中心的选择具有随机性,易使算法陷入局部最优,聚类结果不稳定。针对此问题,引入多维网格空间的思想,首先将样本集映射到一个虚拟的多维网格空间结构中,然后从中搜索出包含样本数最多且距离较远的子网格作为初始聚类中心网格,最后计算出各初始聚类中心网格中所包含样本的均值点来作为初始聚类中心。此法选择出来的初始聚类中心与实际聚类中心拟合度高,进而可据此初始聚类中心稳定高效地得到最终的聚类结果。通过使用计算机模拟数据集和UCI机器学习数据集进行测试,结果表明改进算法的迭代次数和错误率比较稳定,且均小于传统K-means算法测试结果的平均值,能有效避免陷入局部最优,并且聚类结果稳定。     

基于灰色理论的时间序列预测模型研究

为了提高对数据的预测效果,本文首先以灰色理论的数据处理为辅助处理,得出较好的机器学习数据内容,提出了支持向量机与灰色理论相结合的综合预测模型。并且在以灰色的数据序列为例的数据处理的基础上,重点与ε-支持向量回归机算法相结合,提出综合模型的结构,以及如何运用综合模型来进行预测,详细的介绍其实现过程。并以都江堰管理局提供的岷江来水量数据为例,将综合预测模型应用于来水量时间序列的预测,通过训练预测模型,得出较好效果的预测结果。     

基于提升方案的冗余Haar小波变换与时间序列预测

针对小波分析存在的边界问题，提出一种基于提升方案的冗余Haar小波变换(Haar_RLWT)。使用该方法得到的系数序列，在具备时移不变性的同时，消除了右侧边界存在数据畸变的现象，使小波分析技术结合神经网络等传统预测模型的方法应用于时间序列预测任务具备可行性。同时为进一步提高预测效果，引入神经网络集成技术以改善网络泛化能力。实验表明，该综合预测模型预测效果与稳定性优于传统预测模型。     

基于DSP的Fe83 Ga17合金磁致伸缩传感器信号处理系统设计

为了突破传统Fe-Ni磁致伸缩材料测量量程的限制,采用了一种新型的Fe83 Ga17材料。讨论了传统硬件比较电路方法,为了解决硬件比较电路存在的问题,设计了基于数字信号处理器（ DSP）的磁致伸缩位移传感器信号处理系统,包括A/D采样模块、FIR滤波模块和位移测量模块。考虑到环境因素带来的误差,进行温度补偿设计,修正了测量结果。实验结果显示：基于DSP的信号系统能够达到较高的测量精度,对磁致伸缩位移传感器的实际应用有积极的意义。     

Fe83Ga17磁致伸缩位移传感器激励信号的ANSYS分析及DSP实现

借助ANSYS和DSP,讨论了Fe83Ga17磁致伸缩位移传感器激励信号部分的可行性及其实现。激励信号主要包括电脉冲信号和磁场信号两个部分。在磁场信号方面,传感器波导丝采用了一种区别于FeNi材料的新型Fe83Ga17磁致伸缩材料;通过ANSYS仿真结果得到了激励磁场主要集中于波导丝内,为理想弹性波的形成创造了条件的结论。激励电脉冲信号决定着激励磁场的产生,在脉冲信号方面,讨论了传统单片机方案的局限性和DSP的应用在提高传感器精度和稳定性方面的优势,并给出了激励信号的参数分析及其DSP具体实现。     

基于小波去噪和改进型PSO-SVM的微波加热温度预测模型研究

针对微波加热过程的非线性相关性和时滞性,提出基于相关原则优化阈值的小波去噪和改进型粒子群算法优化支持向量机相结合的微波加热褐煤温度预测方法。采用相关原则优化阈值的小波对微波加热褐煤温度进行提取,通过引入相似度函数和控制参数α改进粒子群算法,用于优化微波加热褐煤温度支持向量机预测模型的惩罚系数C、不敏感损失函数参数ε、核函数参数g等3个直接影响温度预测精度的参数。相似度函数增大,粒子随机变异率增大;迭代次数增加,控制参数α减小。仿真实验结果表明,优化后的支持向量机回归预测模型提高了微波加热褐煤温度预测的准确率,为微波干燥褐煤控制方法的研究提供一种可供参考的数学模型。     

基于互联网的隧道火灾监测报警系统

为了克服传统隧道火灾监测报警系统的信息交流瓶颈，利用互联网技术，本文构造了一种新的基于互联网的隧道火灾监测报警系统，它具有数据的主动发送和被动查询功能，重点讨论了它的基本结构、工作原理及实现技术。     

嵌入式水情自动测报终端设计

在对现有水情测报产品进行分析的基础之上,提出了用基于uC/OS-II的嵌入式系统来设计的方案,并从系统结构、硬件和软件等方面论述了本水情自动测报终端系统的组成、原理和实现方法。通过系统实际的开发和应用,证明了此方法具有很多优点。不仅提高了开发效率,而且使得系统运行更加稳定,取得了很好的控制效果。     

一种基于机器学习的顺直明渠断面流速场模型构建方法

顺直明渠流量的精确测量,对于水资源的合理利用、调配市县流域水量以及了解污水走向等具有重要意义。其中,渠道断面流速场的准确构建是实现高精度流量计算的关键。目前国内外针对明渠流速分布的研究尚不完善,普遍存在实测样本缺少、精度较低等问题。针对上述问题,提出了一种基于机器学习的顺直明渠断面流速场模型构建方法。该方法首先通过测量渠道参数与少量流速数据,建立并优化断面流场CFD模型,以获得足够训练样本;然后将随机森林和支持向量机作为基学习器,建立基于集成学习的流速场预测模型。该方法可以实现仅通过对表面流速的测量,准确构建顺直明渠断面流速场的目标。实验结果表明,与几种常用的机器学习方法相比,该模型均方根误差最多减小了30.21%,最少减小了2.81%。且该方法的均方根误差均在5%以内,符合国家标准,可以实现流速场的高精度构建。