I2C总线及其在单片机测控系统中的应用

介绍了I2C总线的基本工作原理和I2C总线串行EEPROM,以及AT24C08A在某单片机控制系统中的应用.经过系统的使用,证明I2C总线的EEPROM能可靠地工作.     

大学学生宿舍用水时变化系数简析

以重庆大学某学生宿舍楼作为研究对象,实时监测该宿舍楼用水量9个月(即一个学年)。分析总结了大学学生宿舍用水的一般规律和特点,并将试验的实际用水量与《建筑给水排水设计规范》(GB50015-2003)(2009年版)中规定的Ⅲ类宿舍最高日生活用水定额和小时变化系数进行对比,提出了对设单独卫生间的学生宿舍设计的建议。     

基于PC并口的定时信号发生器的设计实践

现代雷达尤其是MTI（动目标显示）、MTD（动目标检测）以及脉冲多普勒雷达对发射机的稳定性要求越来越高,因此对发射机内的定时信号的要求也越来越高,采用高频率稳定度晶振及全数字电路组成的定时信号发生器能满足发射机的要求。文中介绍了一种采用PC并口EPP（增强型并行端口）模式控制的以EPLD（电可编程逻辑器件）为核心的定时信号发生器组成框图及信号产生的原理,并给出了仿真结果。     

重庆大学学生宿舍减压节水效果分析研究

建筑给水超压出流会造成水的隐形浪费。据此,该试验选择典型建筑,在支管安装减压阀,进行对比试验。并在实施改造后,结合各种影响因素,根据试验所得数据,分析得出节水效果,以及其效益与特点。以期通过该试验对存在超压出流建筑的改造提供参考。     

射频CMOS低噪声放大器输入匹配网络的研究与设计

本文对低功耗射频CMOS低噪声放大器的输入匹配网络进行了研究。采用台积电TSMC0.18μmCMOS工艺模型,通过ADS电路仿真软件对设计的低噪声放大器电路进行了优化设计和仿真,仿真结果表明在2.4GHz中心工作频率下,该低噪声放大器满足射频接收机的系统要求,它的噪声系数NF约为2.57dB,增益S21约为16.2dB,输入反射系数S11约为-13.3dB,输出反射系数S22约为-21.9dB。电路的输入匹配和输出匹配情况良好。     

分布式控制系统程序远程下载方法研究

目前分布式测控系统广泛应用于各行各业,多数分布式系统中控制终端地理上分散、所处环境恶劣、拆装困难,终端控制程序远程更新的问题亟待解决。提出了一种分布式测控系统中控制终端的程序下载方法,该方法使用系统中串口总线网络从主机传输程序代码到控制终端,解决了现场调试中需要拆下控制终端的程序存储器来重新烧制程序的问题。该方法不仅适合于现场调试,也给程序修改和升级带来方便。     

基于多传感器信息融合与混合感受野残差卷积神经网络的调相机转子故障诊断

大型调相机是电网对无功调节的关键设备之一,预防调相机因转子故障而产生的安全事故极为重要。为了有效利用设备实际监测过程中多源传感器同步采集的海量数据,并考虑传统CNN模型的特征学习能力差、感受野尺度单一等缺点,提出了一种基于SDP-MRFRCNN的调相机转子故障诊断方法。首先通过对称点模式(Symmetrized dot pattern,SDP)将调相机多个传感器的振动信号进行信息融合,获取融合多源振动信息的图像,然后构建混合感受野残差卷积神经网络(Mixed receptive field residual CNN,MRFRCNN)进行学习,实现调相机转子状态识别。实验结果表明,该方法增强了不同状态特征间的辨别度,具有更高识别精度,平均准确率达到了99.33%。     

固态发射机控制接口模拟器设计

针对当前固态发射机控保系统出现的测试困难的问题,提出了固态发射机控制接口模拟器的设计方案。详细设计了基于ISA总线的采用“EPLD＋接口电路”的数据输出卡,完成了从原理图的绘制到接口电路硬件的调试。通过实际测试,该模拟器实现了需求的所有功能。     

基于Iradon-CNN的变压器局部放电状态识别方法

为解决变压器局部放电故障所带来的安全隐患,提出了一种基于逆拉冬变换(Inverse Radon transform,Iradon)-卷积神经网络(Convolutional Neural Networks,CNN)的变压器局部放电信号图像识别方法。针对三种故障进行了局部放电实验,首先通过共振稀疏分解对局部放电信号进行分解,获取低共振分量,然后将其转换成Iradon图像,最后利用CNN自适应地提取Iradon图像的特征信息。结果表明,该方法能够准确提取信号特征,具有强大的数据处理和识别功能,并为变压器局部放电状态的识别提供了丰富的信息,提高了学习效果和识别精度。     

基于KL-CEEMD的风机传动系统故障诊断方法研究

互补集合平均经验模态分解（complementary ensemble empirical model decomposition,CEEMD）作为一种时频特征分析方法,可以较好地提取复杂非线性非平稳信号的故障特征,但其存在虚假分量,很大程度限制诊断过程中的准确性。针对该问题,提出一种基于KL散度(Kullback-Leibler divergence, KLD)的CEEMD虚假分量识别方法（KL-CEEMD）。该方法在原有CEEMD方法基础之上,进一步计算各分量IMF与原信号之间的KL散度值,从而量化各分量与原信号之间的相关性。最后通过对各个IMF的KL散度值进行聚类分析,找出虚假分量和真实分量,最终解决CEEMD的虚假分量问题。为验证KL-CEEMD的有效性,研究搭建风力机传动系统振动试验台,基于该方法对实验台实验数据以及仿真数据进行验证性研究,最终证明所提方法可以很好改善CEEMD的虚假分量问题,能够有效提取出故障信号的真实特性。