基于Python的无线传感器网络数据采集系统

无线传感器因节点结构复杂度高,数据量巨大,无法在海量数据中快速采集用户需求数据.为解决该问题,研究设计了基于Python的无线传感器网络数据采集系统,系统硬件包括数据采集芯片选型单元、无线收发芯片选型单元与串口通讯电路设计单元;软件模块包括网络数据挖掘采集框架设计模块、采集数据压缩模块和采集数据缓存模块.通过对上述硬件单元与软件模块的设计与开发,实现无线传感器网络数据采集系统的运行与应用.实验数据显示:相较于基于Android安全容器的网络数据采集系统,应用设计系统采集数据耗时更短、压缩率数值更大、能耗更小,充分证实设计系统的数据采集性能更佳.

AI赋能“自动化系统综合课程设计”探索

当前人工智能技术的迅猛发展促进人工智能技术渗入教育教学。以人工智能赋能“自动化系统综合课程设计”,探索教学内容和方法改革,提高课程内容的前瞻性和教学方法的现代性,让学生主动地学,让教师创造性地教。通过在微控制器平台部署和优化人工智能算法,结合实际案例分析和项目驱动教学方式,让学生深入理解人工智能技术在电子产品设计中的应用。该方法不仅可培养学生面对复杂问题时的创新思维和实践能力,还可促进其对在电子工程及人工智能领域的专业知识理解。

基于分层的边折叠节点链接法

为兼顾网络结构地理空间特征的同时,减轻视觉混乱和密度位置信息丢失的问题,文中对节点链接方法进行改进,给出基于分层的边折叠网络可视化方法。首先,在对节点位置布局时,采用位置固定的节点链接法保证地理空间特征;其次,结合用户交互,从边折叠的角度改进节点链接法,从而缓解常规节点链接法的遮挡交叉和信息丢失问题;最后,以中国航线网络进行实例验证。结果表明,与节点位置固定的节点链接法和基于力引导的节点链接法相比,改进的节点链接法极大地降低了交叉点数量,能够有效缓解边遮挡引起的视觉混乱问题,提高网络可视化的效果和准确性。

端接复杂电路传输线网络的电磁耦合时域并行计算方法

针对端接复杂电路传输线(TL)网络的电磁耦合问题,仍缺乏高效的场路协同仿真技术。该文将传输线方程与时域有限差分(FDTD)方法、诺顿定理和置换定理以及NGSPICE软件相结合,并引入消息传递接口(MPI)并行技术,提出一种高效的时域混合并行算法(FDTDTL-NGSPICE)。首先,根据诺顿定理和置换定理,将传输线网络分解为传输线子系统和复杂电路子系统,并构建对应的等效电路模型。然后,使用FDTDTL并行算法计算传输线子系统沿线各点的电压和电流,并获取对应诺顿等效电路的电流源和等效导纳大小。最后,使用NGSPICE对复杂电路子系统进行传导干扰分析,获得复杂电路各元件上的瞬态响应,并将端口电压反馈给传输线子系统作为边界,实现传输线网络电磁耦合的场线路联合协同仿真。通过对3类典型场景的计算实例,分别使用时域混合并行算法和电磁仿真软件CST电缆工作室(CS)进行数值模拟并对比,验证所提算法的置信度。

基于改进Q-Learning的移动机器人路径规划算法

随着移动机器人在生产生活中的深入应用,其路径规划能力也需要向快速性和环境适应性兼备发展。为解决现有移动机器人使用强化学习方法进行路径规划时存在的探索前期容易陷入局部最优、反复搜索同一区域,探索后期收敛率低、收敛速度慢的问题,本研究提出一种改进的Q-Learning算法。该算法改进Q矩阵赋值方法,使迭代前期探索过程具有指向性,并降低碰撞的情况;改进Q矩阵迭代方法,使Q矩阵更新具有前瞻性,避免在一个小区域中反复探索;改进随机探索策略,在迭代前期全面利用环境信息,后期向目标点靠近。在不同栅格地图仿真验证结果表明,本文算法在Q-Learning算法的基础上,通过上述改进降低探索过程中的路径长度、减少抖动并提高收敛的速度,具有更高的计算效率。

基于微带双脊间隙波导技术的Ka波段六端口网络电路

面向毫米波高精度雷达探测应用,文中提出了一种基于微带双脊间隙波导技术的六端口网络电路。设计了基于微带双脊间隙波导的功分器和耦合器电路,提出了微带双脊间隙波导至微带线的新型过渡转换结构,并基于简化的六端口网络原理框图,将所设计的功分器、耦合器以及过渡转换结构进行有机组合,实现了所设计的Ka波段六端口网络电路。实验测试结果表明:在所设计的37.5 GHz~42.5 GHz频率范围内,输入端口1与四个输出端口间的相位差均在±2.5°以内,输入端口2与四个输出端口间的相位差均在±5°内,工作中心频率处的输入输出间插入损耗约为7.3 dB。实验与仿真结果吻合较好。

基于轻量级网络的小目标检测算法

针对YOLOv5算法在检测小目标时存在准确率较低的情况,提出旨在提高小目标检测准确率的轻量级网络KOS-YOLOv5算法。首先采用K-means++聚类技术选择一组合适的锚框尺寸作为模型的先验,对小目标实现更精确的锚框尺寸,使模型能适应不同大小的目标;其次利用简化正负样本分配策略(SimOTA)进行动态样本匹配,更好地优化损失函数;最后将空间上下文金字塔(SCP)模块集成到算法检测层中,促使骨干网络更加关注小目标的特征信息,用以增加目标特征提取能力,提高目标的检测准确率。结果表明,改进后的KOS-YOLOv5算法与传统的YOLOv5模型进行比较,算法在检测精确度(P)方面提高了4%,召回率(R)方面提高了2.4%,平均检测精度(mAP)提高了3.1%,损失函数值(Loss)降低了5%,最终检测精度为95.38%。

基于GMD1002芯片的电压采集系统设计与优化

针对自研的车规级电池管理芯片GMD1002,设计了以STM32为主控芯片的电池电压采集系统以及数字滤波器。并采用精密电源和模拟电芯对系统的固定电压采集、斜坡电压采集及电压均衡性管理等性能进行了相关测试。结果表明:数字滤波器能有效降低瞬态脉冲的影响,固定电压读取误差在1 mV之内;在0~3.2768 V范围内,斜坡电压读取误差在2 mV以内。芯片内部的电池均衡控制性能正常,具有良好的电池管理功能。

基于优化VMD-CNN-BiLSTM的电机轴承智能故障诊断研究

针对滚动轴承早期故障信号较弱及特征数据提取效果差,导致故障诊断准确率低以及故障诊断效率低的问题,提出一种信号处理结合深度神经网络的故障诊断方法。首先,采用变分模态分解(VMD)法提取主轴承振动数据中的特征数据;然后为了确定VMD算法中最佳的模态分量个数K及惩罚参数α,增强特征提取的效果,将最小排列熵作为适应度函数,采用全局优化能力强的正弦混沌自适应鲸鱼优化算法(CAWOA)进行参数的确定,得到最优模态分量;接着,根据最优模态分量构造特征向量,将特征向量作为CNN-BiLSTM网络的输入,实现故障的分类。最后,根据实验平台采集的数据进行实验分析。结果表明,优化VMD-CNN-BiLSTM轴承故障诊断模型相较于其他故障诊断模型,在准确率以及实时性上均有明显提升。

基于产教融合的物联网人才培养模式探索

为提升物联网工程专业人才培养质量,实现与物联网行业零距离接轨的培养模式,基于产教融合,对物联网人才培养模式进行了探索。首先,调研并分析了物联网专业教学现状及存在的不足;然后,结合物联网专业近年来教学和改革的经验,以校企合作为抓手,探索“3+1”协同育人的人才培养模式,提出了课程体系、教学方法等的优化和创新方法;最后,总结了本校物联网工程专业人才培养成效,结果表明,该人才培养模式能够增强学生学习兴趣和自信心增强,提升其综合素质和应用能力。

基于PointNet优化网络的铁路站台语义分割

铁路站台点云语义分割是对铁路侵界现象进行检测的关键环节。文中以新型激光扫描测量系统采集的具有三维空间信息的点云数据为基础,在获取初步分割结果的基础上,设计PointNet网络整体结构提取点云数据全局特征,采用多层次金字塔结构对网络进行局部特征提取优化,实现铁路站台点云数据语义分割。研究表明,所提方法对实验点云数据的分割准确率达到84.5%,在铁路工程应用中的点云总体分割精度达到75.34%,在铁路检测中实现了大范围多尺度点云数据的可靠语义分割,满足铁路侵界现象检测分析需求。

基于人工智能技术的轻量级网络入侵检测系统设计

以提升网络入侵检测技术水平为目的,设计基于人工智能技术的轻量级网络入侵检测系统。该系统数据采集层利用若干个用户探针连接IDS检测服务器后,使用网络数据包捕获模块捕获用户网络运行数据,再通过传输层内防火墙、核心交换机和MQTT/CoAP通信协议将用户网络运行数据发送到逻辑运算层内,该层利用数据预处理模块对用户网络运行数据进行去噪预处理后,将其输入到基于人工智能的网络入侵检测模块内,通过该模块输出轻量级网络入侵检测结果,然后将检测结果发送到展示层,通过入侵告警信息、数据可视化展示等模块实现人机交互。实验表明:该系统运行较为稳定,可有效检测不同类型网络入侵的同时,其检测及时性和入侵告警能力较好,应用效果良好。

基于PFC和ECN技术的网络交换机实现方法研究

网络交换机是现代通信网络的核心设备之一,负责数据包的接收、处理和转发,以确保数据能够有效地在网络中传输。为了提高网络的效率和减少数据传输过程中的延迟与丢包,引入了优先级流控(Priority Flow Control,PFC)和显式拥塞通知(Explicit Congestion Notification,ECN)两种技术。本文详细探讨了PFC和ECN技术在网络交换机中的实现方法,包括这两种技术的配置、单独和集成使用时对网络流量控制和拥塞管理的影响,通过系统测试验证其有效性。通过分析PFC技术对流量控制的影响和ECN技术对拥塞管理的影响,展示了这两项技术如何协同工作,提高网络性能和稳定性。

基于人脸识别的演唱会售票系统设计与实现

随着社会的不断发展,以演唱会为代表的娱乐项目越来越受欢迎,但在售票过程中非法倒卖的现象十分猖獗。为了解决此问题,文章设计并实现了一款基于人脸识别的演唱会售票系统。该系统集成了注册、登录、支付、选座等多种功能,通过人脸识别技术严格验证购票者的身份,确保购票过程的安全性和效率,有效遏制了非法倒卖门票的行为,极大地提升了购票体验。该系统功能全面,适应性强,具有广阔的发展前景,将为演唱会售票市场带来全新的变革。

基于图神经网络的推荐系统模型

为了解决各种在线应用中信息爆炸的相关问题,增强用户体验,学者们开发了基于用户偏好的推荐系统,尽管已经为更加个性化的推荐做了大量的努力,但是推荐系统仍然面临着一些挑战,如数据稀疏性和冷启动问题。针对上述问题,提出一种基于知识图神经网络的推荐模型,将每个意图建模为KG关系的注意组合,强调不同意图的独立性,以获得更好的模型能力和可解释性。实验结果表明,该模型在一定程度上提高了推荐的精准度和推荐效果。

基于决策树算法的多级冗余电力大数据清除

由于电力数据体量在短时间内暴增,使得冗余数据占比增多,严重影响了电力数据的处理时间。为此,提出基于决策树算法的多级冗余电力大数据清除方法。通过对多级电力大数据分块处理,采用离散小波变换算法,提取其近似特征。引入决策树算法计算信息增益率,基于并行计算原理设计多级冗余电力大数据清除流程,从而实现数据清除。实验结果显示:提出方法的检测结果与实际冗余数据量保持一致,冗余数据清除吞吐率最大值为45 bps,充分证实了提出方法冗余数据清除效果更好。

基于移动终端双模定位的多场景入侵报警方法

针对现有入侵检测算法精度偏低且漏检情况较为严重的问题,文中提出了一种基于移动终端双模定位的入侵检测算法。该算法构建了包括监测模块、移动终端模块、无线传输模块、中心数据处理模块及自动报警模块等组成的硬件系统。同时在双模定位技术的基础上,采用最速下降法(SDA)和遗传算法(GA)辅助下的粒子滤波法(GPF)对双模入侵定位数据加以校准,从而设计了基于移动终端双模定位的入侵检测算法。在不同场景下进行的实验测试结果验证了所提算法的可靠性,对比同类入侵报警方法,其误检率低至3.8%,漏检率则平均下降了约70%,而且其他性能指标也优于同类文献。

基于非线性整数规划模型的发电厂设备预防性维护方法

为了避免发电厂设备出现性能恶化,需对其进行预防性维护。文中提出了基于非线性整数规划模型的发电厂设备预防性维护方法,同时结合双向长短期记忆网络,用于对制造过程中时间序列进行异常检测和预防性维护,该方法能够有效地从时间序列数据中提取特征并进行检测异常。文中将联邦学习框架、非线性整数规划模型、一维卷积神经网络和双向长短期记忆网络结合起来,考虑时间序列数据的分布变化,并在此基础上进行预防性维护。利用发电厂设备的数据集来评估提出方法的性能。实验结果表明,该模型的测试准确率达到了97.2%,显示了其在设备预防性维护方面的潜力。

基于电流行波能量和小波变换的输电线路故障选相研究

根据输电线路的故障行波进行故障相的识别,考虑故障时的电压初始相角对行波特性的影响,提出了针对不同电压相角区间的故障识别原理,即对线路故障进行分区讨论。利用小波变换的时频特性提取故障后各相α模电流的行波能量,根据不同故障类型中各相电流行波能量的相对关系确定相应的选相方法和判据。运用PSCAD/EMTDC得到的仿真结果表明,划分不同相角区间的思想和利用电流行波能量的相对关系进行故障选相的方法具有选相迅速、准确的特点,不受故障类型、故障时刻、接地电阻和故障位置等因素的影响,适应性良好。

一种基于BP算法学习的小波神经网络

为发展 Szu的基于信号表示的小波神经网络 ,提出一种多输入多输出的小波网络模型 ,网络隐层采用框架小波函数、输出层采用 Sigmoid激励函数 ,并选用“熵误差函数”以加速网络的学习速度。奇偶判别和混沌时间序列预测例子的实验结果表明了它具有良好的函数逼近能力和推广能力 ,收敛速度和均方误差均优于相同结构的多层感知器模型。