-
题名基于图像传感器的智能车测控系统设计
被引量:3
- 1
-
-
作者
高杨
孙继卫
-
机构
黄河水利职业技术学院自动化工程系
小流域水利河南省高校工程技术研究中心
中原工学院信息商务学院信息工程系
-
出处
《自动化应用》
2013年第5期78-80,共3页
-
基金
黄河水利职业技术学院科研基金项目(2012KXJS004)
-
文摘
介绍图像传感器,并设计基于CMOS图像传感器的飞思卡尔智能车测控系统,实现智能车快速稳定行驶。
-
关键词
图像传感器
CMOS
智能车
测控系统
-
Keywords
image sensor
CMOS
intelligent vehicle
monitoring and control system
-
分类号
TQ113.254
[化学工程—无机化工]
-
-
题名小型离网光伏发电系统中逆变器的设计与仿真
被引量:1
- 2
-
-
作者
贾宛英
崔云
郭亚男
-
机构
中原工学院信息商务学院信息工程系
-
出处
《科技创新与应用》
2013年第35期16-17,共2页
-
文摘
本文针对光伏发电系统中的核心环节-光伏逆变器进行了设计,分析了其拓扑结构与数学模型,其主电路由BOOST升压电路与单相全桥逆变电路组成,控制电路采用TMS320LF2812型DSP作为控制器件,采用PI+复合的控制算法,最后通过MATLAB/SIMULINK仿真验证了设计的合理性。
-
关键词
离网逆变器
光伏阵列
BOOST升压电路
重复控制
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名基于EEMD和自相关函数特性的自适应降噪方法
被引量:32
- 3
-
-
作者
余发军
周凤星
-
机构
武汉科技大学冶金自动化与检测技术教育部工程研究中心
中原工学院信息商务学院信息工程系
-
出处
《计算机应用研究》
CSCD
北大核心
2015年第1期206-209,共4页
-
基金
国家自然科学基金资助项目(61174106)
-
文摘
在机械设备早期故障中,反映故障特征的冲击信号非常微弱,容易被噪声淹没,使得故障诊断有一定难度。集合经验模式分解方法将含噪信号分解为多个固有模式分量,其中包括噪声分量和有用信号分量。根据两者自相关函数特性的不同,提出了利用能量集中比找到噪声分量分界点的自适应降噪方法,并利用改进的软阈值方法拾取噪声分量中的高频有用信号。对不同频率的含噪信号进行降噪处理,结果表明,该方法对中低频信号的降噪具有很好的效果。故障轴承振动信号的降噪效果表明该方法的实用性。
-
关键词
故障诊断
集合经验模式分解
自相关函数
能量集中比
自适应
-
Keywords
fault diagnosis
EEMD
autocorrelation function
energy concentration ratio
adaptive
-
分类号
TN911.6
[电子电信—通信与信息系统]
-
-
题名航空物流传送设备中轴承故障稀疏特征提取
被引量:1
- 4
-
-
作者
余发军
张新英
李伟锋
梁芬
-
机构
中原工学院信息商务学院信息工程系
武汉科技大学信息科学与工程学院
-
出处
《计算机测量与控制》
2015年第9期3003-3004,3008,共3页
-
基金
国家自然科学基金(61174106)
河南省高等学校重点科研项目(15B510017)
中原工学院信息商务学院重点科研项目(1401)
-
文摘
航空物流传送设备中的轴承由于长期受外侵灰尘影响,其内外环极易发生故障;利用计算机采集轴承的振动信号并进行故障特征提取是轴承故障诊断的常用方法;提出了基于稀疏分解的轴承故障特征提取方法;首先,分析轴承故障特征稀疏提取原理;然后,构造参数化Gabor字典,利用遗传算法对故障特征成分进行匹配追踪(Matching Pursuit,简称MP),以峭度值最大原则作为迭代结束条件;最后,重构提取的特征成分,进行包络谱分析,得出故障类型;对仿真数据和轴承振动数据的测试结果表明,所提方法能有效提取轴承故障特征成分,为航空物流传送设备中轴承的故障监测提供了一种有效方法。
-
关键词
航空物流传送设备
稀疏表示
峭度值
特征提取
轴承故障诊断
-
Keywords
aviation logistics transmission equipment
sparse representation
kurtosis value
feature extraction
bearing fault diagnosis
-
分类号
TN911
[电子电信—通信与信息系统]
TH17
[机械工程—机械制造及自动化]
-
-
题名基于混沌振子和EEMD的周期信号检测方法
被引量:1
- 5
-
-
作者
余发军
周凤星
-
机构
中原工学院信息商务学院信息工程系
武汉科技大学冶金自动化与检测技术教育部工程研究中心
-
出处
《电子技术应用》
北大核心
2014年第4期133-136,140,共5页
-
基金
国家自然科学基金(61174106)
-
文摘
针对含强噪声周期信号的检测,提出基于混沌振子结合集合经验模式分解降噪的检测新方法;针对相位差对检测结果的影响,提出正反导入的检测方法,该方法能有效克服由相位差造成的漏检现象。对仿真信号和故障轴承振动信号的检测效果表明,混沌振子结合集合经验模式分解降噪的方法能有效检测含在强噪声中周期信号,进一步提高了混沌振子对周期信号的检测能力和对噪声的免疫力。
-
关键词
混沌振子
周期信号检测
集合经验模式分解
振动信号
-
Keywords
chaotic oscillator
periodic signal detection
ensemble empirical mode decomposition
vibration signal
-
分类号
TN911.7
[电子电信—通信与信息系统]
-