基于经验模态分解的超声波管外测压信号去噪

在超声波管外测压中,回波信号往往受到噪声的干扰,所以在提取信号特征时,需对回波信号进行去噪。提出了一种基于经验模态分解（EMD）的超声波信号去噪方法,首先利用EMD求出信号的本征模态函数（IMF）,然后通过对比分析,利用反映信号主要特征的模态分量对信号进行重构以实现去噪。实验结果表明,该方法能够有效地去除噪声,提高超声回波信号的信噪比。     

基于神经网络的无线传感器网络数据融合算法_cg10000147修改稿

为减少无线传感器网络的通信量,降低能量消耗,设计了一种基于神经网络的数据融合算法(BPNDA),该算法将BP神经网络和传感器网络分簇路由协议有机结合,将每个簇设计成一个神经网络模型,通过神经网络提取原始数据中的少量特征数据,然后将特征数据发送给汇聚节点,从而提高数据收集效率,延长网络生存时间。仿真实验证明,与LEACH算法相比,该算法可有效减少网络通信量,降低节点能耗。     

可编程控制器的控制器网的应用

本文介绍了可编程控制器与工控机进行网络链接的连接方法、工控机的控制命令格式、下位机对上位机的响应格式以及通讯程序的设计方法,并给出了详细的程序框图和应用实例。     

基于神经网络的拉弯回弹预测技术研究

以型材拉弯为对象,研究了利用神经网络预测拉弯回弹的关键技术,建立了拉弯回弹预测的人工神经网络模型,有效地解决拉弯控制参数和回弹量之间的非线性映射问题;并利用Matlab神经网络工具箱加以实现,取得了理想的预测精度,验证了预测模型的有效性。该研究推动了人工智能技术在钣金精密成形中的应用。