基于自适应SPI总线的列车PIS系统研究

地铁乘客信息系统不仅为乘客提供各类资讯的服务系统,而且在火灾、阻塞及恐怖袭击等非正常紧急情况必须提供报警和疏散提示。针对地铁设备体积小,功耗低的需求,提出基于FPGA+ARM的嵌入式数据采集方案,采用以太网结合SPI总线的传输设计满足了数据采集实时性高,传输数据准确的要求。该方案具有长期运行,稳定可靠的特点。同时还提出采用自适应在线调整采集传输速率的算法,结合贝叶斯网络进行离线训练的算法,对系统功耗控制进行了探讨,取得降低17%功耗效果。

电力噪声作用下光伏电站监控系统可靠性研究

电力噪声对光伏电站监控通信可靠性具有较大影响。闪电,电力电子开关,继电器等动作产生瞬间电力噪声干扰都有可能导致电站监控系统出现数据传输错误。传统的通信噪声研究采用高斯分布估计模型,该模型不适合进行电力脉冲噪声分析,因此本文提出采用Middleton A类噪声来模拟冲击脉冲噪声,进行冲击噪声信道下BER分析;提出采用LDPC编码提高信道SNR,抑制电力脉冲影响;同时对LDPC硬件实现中网络传输时延问题展开分析;最后针对LDPC编码工程应用中,存在的数据位宽和功耗问题和迭代次数进行了分析,充分论证了基于网络的硬件实现方案的可行性,并在实际电站运用中取得理想效果。

全高清车载乘客信息系统平台研制

针对全高清车载乘客信息系统设计与实现中的编解码、总线接口和带宽等相关问题进行讨论,着重对比分析在司机室服务器采用VDPAU进行编解码的优势,以及在客室采用DM368嵌入式编解码带来的性能提高。讨论总线传输接口中传统VGA传输方式在全高清车载PIS系统环境下带来的相应问题,并提出采用以太网和DVI的接口而不再使用分屏器的有效解决方案。针对不同编码格式下的视频带宽,给出实验测试结果。

便携式受电弓检测仪中的数据传输与处理技术

提出了一种在便携式受电弓检测仪中采用的数据传输与处理技术。该便携式检测仪上位机采用内置Windows Mobile 6.0操作系统的PDA,下位机采用ARM实现嵌入式硬件电路设计。蓝牙技术低成本、低功耗且易于操作,可方便地实现PDA与下位机之间无线通信;采用SQLCE数据库完成对检测数据的存储和查询等功能。该检测仪设备具有体积小、操作方便的特点,软件系统易于升级和维护。试验证明,该检测仪能够实现对受电弓升降弓高度、时间和接触压力的检测,静态特性曲线的绘制及数据的处理,可以满足现场需求。

基于WebGL的3D购物平台的设计与实现

为增强用户网上购物的体验性,设计了基于Web GL的3D购物平台。增加了Web GL绘图技术以实现网站商品的三维效果,使用户获得直观感受和与众不同的新鲜感。系统采用B/S结构,加大服务器端工作量,降低客户端使用强度,增强了用户浏览网站的高效和稳定性。结果表明:浏览基于Web GL的3D购物平台能够降低用户操作复杂感,增强三维效果体验感。设计的3D购物平台在一定程度上改变了网站商品展示不形象、实物与网上图片不符的情况,所示即所视,便于买卖双方的沟通,便于买方选购商品。

大洞库钻爆法开挖施工

拟建的某洞库工程开挖断面101 m2,采用钻爆法施工修建。介绍了采用的光面爆破参数、微差爆破、间隔装药结构、复式楔形掏槽等施工工艺。

基于Modbus RTU通信协议的光伏逆变器通信系统

文中针对大中型光伏电站监控系统智能化和自动化方向的发展现状,提出一种采用Modbus RTU通信协议[1]逆变器通讯设计方案,达到简化了系统复杂度,具有组网灵活,成本低,通用性强的特点;另外,该系统通过软件优化设计,实现了系统的可靠连续运行,解决了定位数据运行模式只能定位不能连续运行的问题,最后本文还采用C#编程[2],介绍了逆变器上位机软件的实现过程。

光伏电站监控系统的研究与开发

根据光伏并网电站的组成和特点,设计了一个监控系统。该系统提供了远程维护所需要的本地功能,实现了对光伏电站的运行状态进行实时和定时的监测,能够记录和随时显示这些信息,能够对系统的参数进行设置,能够将接收来自远程控制中心的命令以及将记录数据传输给远程控制中心。

福宁高速公路秦屿隧道光面爆破施工实践

介绍了福宁高速公路秦屿隧道光面爆破施工参数的设计、施工工艺 ,同时对影响光面爆破的各种因素进行了分析和总结。

基于d-q变换的软件锁相方法 在SVG中的实现

针对静止无功补偿器(SVG)锁相不准确的问题,本文提出了一种基于d-q变换的软件锁相方法,该方法对d-q变换后的相位差进行完全跟踪,通过PI调节实时修正,实现对当前电压相角的精确锁定。本文提出了在SVG系统中采用的软件锁相方法,并给出了实现过程及结果验证。

基于深度学习的苹果糖度和霉心病检测新技术

基于光谱数据的偏最小二乘等回归算法是当前苹果糖度和霉心病无损检测的常规方法,但在实际应用中仍存在检测结果离散度大的问题。基于卷积神经网络提取图像非线性特征能力强的特点,并考虑到同一个苹果的糖度和霉心病两种光谱信息之间应具有关联性,提出一种基于全部光谱信息的深度学习回归方法。通过搭建两套光谱检测设备,分别检测常规的糖度和霉心病光谱信息,融合两种光谱数据作为神经网络的输入信号,经过定制的神经网络结构处理,将输入信号转变为高阶特征,最终输出预测结果。实验结果表明,本方法具有较高的检测准确度,且能同时检测糖度和霉心病,提高了检测效率。