基于RBF神经网络的混合气体智能检测系统研究

基于传感器阵列和神经网络构造智能系统用于检测混合气体的低质量分数．传感器阵列获取质量分数为1×10^-6-5×10^-6范围的H2，C2H4，C2H2混合气体响应和质量分数为5×10^-5～3×10^-4范围的CO响应．通过RBF神经网络学习改善低质量分数混合气体检测的灵敏度．把传感器响应作为神经网络输入，神经网络输出为H2，C2H4，C2H2和CO的质量分数．实例分析表明，系统能较好地克服低质量分数混合气体检测过程中普遍存在的交叉灵敏度，得到满意的检测结果．

基于混合信号微处理器的制袋机控制系统

针对旧有制袋机设备的特点,选用混合信号微处理器C8051F340为MCU,研制开发了以步进电机作为执行机构的制袋机控制系统。根据制袋机的工作原理,说明了定长、定位控制的工作过程,步进电机的升降速规律和张力浮动辊的控制算法。同时对制袋机控制系统的软硬件设计作了说明。

基于多维特征提取的紫外局放分级方法及应用

针对局部放电状态无法准确量化分级问题,对采用基于粒子群优化的支持向量机的状态分级方法进行了研究,通过该方法首先完成了多类特征空间在SVM核函数中的映射分类,再利用粒子群选取了最优核参数及惩罚参数。并提出了一种搭载该分级方法的便携式紫外传感电力巡检系统,结合其自身的测距功能,可向终端上位机回传紫外光斑面积、脉冲波形,测量距离、测量角度4种特征量,并以此作为分级判据,以充分利用紫外信号可靠且灵敏的特点。上位机根据已由试验数据建立起的优化分级模型,对设备的异常放电进行了诊断分级。研究结果表明,精度较传统支持向量机显著提高,避免了人为选取参数的盲目性,能够根据现场回传数据准确、实时地完成设备异常放电状态分级。