基于虚拟仪器技术和神经网络的电晕辐射场监测系统设计

为了实现电晕放电辐射信号的自动化监测与识别,以PXIe-5185数字化仪为主要硬件,采用虚拟仪器技术和神经网络算法研制了电晕放电辐射信号监测与识别系统。该系统模仿示波器设计操控界面,具有信号采集、数据处理、频域分析、数据存储、报告生成等功能。系统综合采用触发电平限制、数字滤波和神经网络识别3种于信号处理,可有效降低数据存储压力。试验结果表明,BP神经网络可有效识别与区分电晕放电和火花放电,在改变电极、增加电晕放电样本复杂性的情况下,对电晕放电的识别率仍然可达87%。监测系统为进一步研究电晕放电信号的特性奠定了基础,其信号处理流程可推广应用于其他脉冲信号监测领域。     

一次浇筑无缝施工技术在房建施工中的应用研究

为了提升房建施工质量,本文以某城市花园项目为例,通过介绍一次浇筑无缝施工技术的应用优势,分析了一次浇筑无缝施工工艺的技术要点,提出了在房建施工中应用一次浇筑无缝施工技术可以缩短施工周期、提升结构性能等观点。研究结果表明,通过科学的施工方案和精细的工艺要点,可以有效地提升施工质量,加快工程进度。本文为类似项目的顺利实施提供了有益的指导和经验。     

基于改进型Elman网络的TVS电磁脉冲效应仿真

针对传输线脉冲(Transmission Line Pulse,TLP)测试方法实施过程工作量较大、实验结果与实测数据吻合较差的问题,提出一种基于改进型Elman神经网络的电磁脉冲(Electromagnetic Pulse,EMP)响应建模方法。在TLP方法基础上增设机器模型静电放电和人体金属模型静电放电2类电磁脉冲,利用隐含层神经元数目为10的改进型Elman神经网络对NUP2105L型瞬态抑制二极管(Transient Voltage Suppressor,TVS)的实验数据进行建模,并预测不同脉冲条件下TVS的响应。仿真结果表明,该方法建模精度高、泛化能力强,能够定量判断TVS性能,满足电路快速选件需要。     

基于GABP神经网络曲线拟合的快沿电磁脉冲信号源模型求解

为给电子设备的电磁脉冲效应仿真提供准确的快沿电磁脉冲(fast rise-time electromagnetic pulse,FREMP)信号源模型,提出一种基于遗传算法优化BP神经网络(GABP-NN)曲线拟合的信号源模型求解方法;该方法通过示波器对脉冲信号进行采集,利用GABP神经网络对波形曲线进行高精度拟合,提取网络参数建立信号源模型;为进一步获得BP神经网络拟合规律设置对比实验,采用隐含层神经元数为10的GABP神经网络对FREMP信号源进行建模,所得模型拟合度为91.64％;仿真结果表明该方法运算速度快、精度高.     

基于BP神经网络的静电放电电流解析表达式

针对静电放电(ESD)电磁脉冲测试及其辐射场计算这一难点问题,提出了一种基于BP(back propaga-tion)神经网络的任意曲线拟合方法,并给出了任意曲线的数学解析表达式通式。根据IEC 61000-4-2标准的相关规定,采用本方法得出了理想接触式ESD电流波形的解析表达式,神经网络隐含层神经元个数选取为9时,拟合曲线均方误差(MSE)为4.491 7×10-4。提取本方法得到的理想接触式ESD电流曲线的波形参数(上升时间为0.81ns,峰值电流为14.938 5A,30ns时电流值为8.038 9A,60ns时电流值为4.037 7A),证明了该解析式满足IEC61000-4-2的相关规定。通过对6kV放电电压的工程实测ESD电流波形曲线拟合,得到工程实测ESD电流波形的解析表达式,隐含层神经元个数选取为20时,拟合曲线均方误差为0.093 5。本方法为工程实测ESD辐射场的相关计算提供了更准确的解析表达式。     

银川市城市化与人居环境协调发展初探

随着城市化进程的加快,城市经济飞速发展,城市人居环境的大幅度改善,城市化进程中区域城市化水平与人居环境之间的矛盾日益突出.文章通过对银川市2002～2008年城市化与人居环境方面的实证资料分析,建立银川市城市化与人居环境建设评价指标体系,运用层次分析法及协调度模型对银川市城市化水平与人居环境的协调发展进行分析.结果表明2002～2008年银川市城市化与人居环境两大系统基本上处于和谐协调发展状态,但二者之间依然存在矛盾,对此提出协调发展的相关对策和建议.     

电路端口电磁脉冲响应影响参数分析

为了探寻电子设备中的单元电路在电磁脉冲激励下的响应规律以及响应输出与输入脉冲干扰之间的关系,笔者选用两种不同型号的运算放大器集成芯片组成的仪表放大电路进行了脉冲注入实验。根据采集的实验数据,分析了脉宽、幅值等因素对响应输出的影响。通过对比发现:一定功能的电路,在同一类但不同参数的脉冲激励下,响应有所不同,且与各参数有一定的联系。根据基于人工神经网络的系统辨识理论,建立了能量耦合模型。经过自验证,其拟合度能够达到88.4%,且具有较好地泛化能力,能够定性地对电路做出响应预测。