利用电能计量自动化系统开展负荷管理的探索简

介绍电能计量自动化系统在停电管理、配变重过载管理工作中的作用以及该系统在配网规划和业扩报装的辅助作用,阐述该系统利用其庞大的数据量,结合工作经验和实际需要,将其拓展应用到负荷管理工作中,规范了电力需求侧管理,提高了工作效率。     

心电信号特征检测算法研究

提出一种针对心电信号特征检测的快速算法。首先针对干扰信号的频率特性分别采用了中值滤波、梳状滤波器、Butter worth滤波器去除噪声干扰。然后根据心电波形特性采用一种自适应阈值差分算法来进行QRS波检测。接着采用改进后的局域变换法检测P、T波。利用MIT-BIH的QT数据库对所提出的算法进行评估,QRS群波检测率达99.65%以上,对P、T波的定位误差在50 ms以内。试验结果表明,该算法能提高各波的检测精度,适于实际应用。     

基于小波提升算法的脑电节律提取

小波变换在信号处理中有着广泛的应用,能同时分析时域和频域方面的信息,但是传统的小波变换依赖于傅立叶变换,有大量的卷积运算,运算速度较慢.该文讨论了第二代小波变换的原理,并采用它来处理脑电信号.提升算法作为构造第二代小波的关键技术,通过预测确定高频信息,更新后得到正确的低频信息,它不依赖于傅立叶变换,大大提高了运算速度.通过分析提升算法的基本原理,用第二代小波变换实现了对脑电信号的节律(δ、θ、α、β)提取,并得到了令人满意的效果.     

基于DSP的针刺手法信号采集系统的设计

为了对针刺手法进行定量化研究,设计了一种高速高精度的针刺手法采集系统,采集系统专门设计了传感器采集针刺手法过程中产生的信号,以TI公司TMS320VC5509A的DSP芯片为处理核心,利用DSP串行模块McBSP实现DSP与PC机之间的数据传输,上位机使用Visual C++编写软件接收串口数据,将为后续研究提供可靠的...     

光学检测窗口布置的增量式聚类算法的研究

为布置自动光学检测(AOI)系统的检测窗口,提出了一种增量式聚类的算法。该算法动态增量的检测聚类对象簇的有效性。实验证明,该算法克服了已有进化算法运算量大的缺点,能够在检测对象数量在1000以下的情况下,快速地布置检测窗口。     

基于模糊控制的半数字键盘电梯群控系统

电梯群控系统的结构决定着电梯交通信息的完善性。信息的非完整性妨碍了电梯群控调度算法的实施。而全数字键盘虽然可以对电梯实施更好的调度,但是硬件的安装增加了电梯系统的成本。文中介绍了一种经济型的半数字键盘的电梯群控模型,能够降低成本和获取必要的客流信息。基于乘客两种不同需求的考虑,推导了乘客的最长候梯时间和最大冲击数的估算公式,采用基于模糊控制的电梯群控策略,符合人们对电梯服务水平的语言级评价。文中仿真试验在采用的半数字电梯群控系统和常规电梯群控系统、全数字群控系统之间做了比较。结果表明,该群控模型表现出较好的性能,乘客的乘梯时间和服务时间有所降低,是一种经济实用的群控模型。     

利用电能计量自动化系统开展负荷管理的探索

介绍电能计量自动化系统在停电管理、配变重过载管理工作中的作用以及该系统在配网规划和业扩报装的辅助作用,阐述该系统利用其庞大的数据量,结合工作经验和实际需要,将其拓展应用到负荷管理工作中,规范了电力需求侧管理,提高了工作效率。     

基于STC90C516AD单片机和CH376的简易电子书阅读器设计

随着嵌入式技术的飞速发展,许多小型电子产品开始逐渐替代传统的生活用品。电子书阅读器的出现就是图书信息的承载和阅读方式的巨大革新。基于STC90C516AD单片机和CH376,设计可以阅览文本文件的简易电子书阅读器。它可以正确识别存储在SD卡和U盘中的文本文件,并通过液晶屏浏览其中的内容。     

基于机器视觉的电机换向器质量在线检测系统开发

电机换向器质量检测是换向器生产线中的一个重要工序,但其仍采用人工方式,存在检测效率低、漏检率高等问题;针对此问题,运用图像处理和机器视觉技术,开发换向器质量在线视觉检测系统;该系统针对生产过程工艺多变,造成形状检测标准不一致问题,提出自适应学习模板方法;在轴孔孔径检测,提出基于Freeman链码改进的孔径快速检测算法;在端面缺陷中,提出基于改进视觉注意力模型的端面缺陷检测方法;实验结果表明,系统检测精度达到99.80%,漏检率为0%,F-measure值为99.89%;该系统能够快速有效检测换向器存在的外观质量问题,可满足换向器在线质量检测需求。     

小波包能量谱在睡眠分期中的应用

利用小波包技术,根据脑电信号在不同睡眠状态下各脑电节律所占的成分不同,提出一种基于小波包能量谱的睡眠脑电分期方法。首先依据脑电信号各节律的频率特点选择好分解层数对信号进行小波包分解,再重构信号,提取出睡眠脑电信号的各节律;然后运用小波包能量谱计算各节律所占的能量比重;最后用3例脑电数据进行实验。实验结果表明,不同睡眠状态下各脑电节律所占比重不同,随着睡眠的深入,睡眠脑电节律θ和δ所占的能量比重增大,而节律α和β所占的比重在减少。因此,可以运用睡眠脑电信号中各节律所占的成分不同来区分不同的睡眠状态,并可作为睡眠分期的一个特征参数。