基于ZigBee的水质监测系统研制及复杂环境下在线测试

许多水产养殖基地仍然采用人工监管的方法,这种方式存在检测周期长、实时性差、效率低等缺点。为解决上述问题,基于ZigBee技术研发一个用于水质检测的无线传感网络系统。该套系统所涉及到的数据传输和无线传感网络的构建均通过协议栈的接口函数(API)实现,配合传感节点软件的使用来实现数据的采集与管理,实验采集的参数包括水的pH值、溶解氧值和电导率值。由于实地测试环境恶劣多变,故自主设计一套系统的PCB结构外观。通过3个月的实地测试,该套系统可以顺利采集各个参数数据,并进行传输和处理。通过对采集参数与实际值对比,传感器的相对误差绝对值较小,pH值、溶解氧值和电导率值的相对误差绝对值分别为0.49%、1.72%和0.23%。实验结果表明系统具有优良的合理性与准确性,设计科学,工作稳定。

PSO-SVM及其在减速机齿轮诊断中的应用

针对支持向量机(SVM)参数一般是人为选取,无法准确取到最佳值的问题,提出了一种基于粒子群算法(PSO)对参数进行优化的支持向量机(PSO-SVM)。以减速机齿轮的3类故障类型(正常、磕碰、磨损)数据作为研究资料,组成训练样本集,训练PSO-SVM分类模型,从训练集中抽取部分数据组成测试样本集,对模型进行检验测试。研究表明:PSO-SVM模型分类正确率达到了93.8%,相较未进行参数优化的SVM,算法能更好地找到全局最优解,提高了模型的分类正确率。