基于深度聚类网络的电子设备故障检测方法

对基于深度聚类网络的电子设备故障检测方法进行了研究,并设计了一种基于深度聚类网络的电子设备故障检测系统。首先,对电子设备故障检测方法的总体方案进行设计;然后为了进一步提高系统对故障检测的准确率,在深度聚类网络中引入自注意力机制与残差块对其进行改进与优化;最后对优化后深度聚类网络搭建的电子设备故障检测系统进行实验测试。实验结果表明：经过引入自注意力机制和残差块后的深度聚类网络优化算法的聚类准确率达到了94.28%,比传统深度聚类网络算法的准确率提高了4.17%,CH指数与轮廓指数有明显提升,戴维森堡丁指数降低了8.06%,代表聚类效果在算法得到优化后变得更佳;采用优化后的深度聚类网络搭建的电子设备检测系统的故障诊断准确率达到了93.91%,比传统聚类算法提高了24.03%,比基于降维的传统聚类算法提高了6.26%,表明采用的优化后的深度聚类网络在电子设备故障检测方面具有明显的优势,基于深度聚类网络的电子设备故障检测系统具有可行性与有效性,且故障诊断准确率较高。     

基于多数据融合的智能定位传感器避障方法研究

针对传统小车定位传感器控制效果差,导致小车避障能力不佳的问题。提出基于T-S模型模糊神经网络多数据融合的智能定位传感器避障方法。首先设计一个智能小车控制系统;然后将超声波传感器和红外传感器相结合应用于小车避障控制中,采用基于T-S模型神经网络信息融合算法对避障控制器的数据进行融合处理,以此提升智能小车避障控制效果。实验结果表明,对比于单一传感器,提出的多数据融合传感器的探测距离更加接近真实障碍物。基于T-S模型的模糊神经网络控制器的避障控制精度最高可达97.6%,避障精度较高,说明提出方法具备较好的控制效果,设计的智能小车能够准确安全地避开障碍物,具有一定的有效性和可靠性。     

基于时钟同步迭代算法的智能测速传感器设计

智能测速传感器的时钟同步性控制是提高测速准确性的关键,提出基于时钟同步迭代算法的智能测速传感器设计方法,采用三端结构和与CMOS兼容性测试的方法,结合时钟同步迭代方法进行智能测速传感跟踪识别,通过状态估计值计算智能测速传感器的时钟控制变量,将智能测速传感器分为接收探头、发射器和耦合控制模块,通过平行径向复合控制的方法实现对测速传感器的时钟迭代耦合控制,采用时钟同步跟踪和自适应参数识别,对输入的传感信号作PWM调制处理,采用调制波功率放大和频谱增益控制,实现智能测速传感器的时钟同步迭代以及传感参数自动识别。测试结果表明,采用该方法进行智能测速传感器设计,时钟同步控制性能较好,减小共模干扰,消除零点飘移现象,稳定性较好,时延较短,提高速度信息检测和自动探测识别能力。