基于FPGA的UART自适应波特率发生器的实现

针对现有波特率检测法存在速度慢、设计繁琐等问题,提出基于FPGA采用特征值匹配法实现自适应波特率发生器的设计原理。该设计通过电平检测模块对串行通信线路上的一个脉冲周期进行采样计数,采用特征值匹配的方法得到串行线路数据波特率,然后再对数据进行中心采样,完成数据的传输。软件仿真和硬件模拟表明:该设计实现方法简单、精度高、速度快、占用资源少。

动态补偿模糊神经网络在煤矸识别中的应用

针对传统人工煤矸在线识别方法精确度低、劳动强度大的问题,提出一种基于动态补偿模糊神经网络的煤矸识别方法。该方法基于煤和煤矸石的元素含量不同、X射线的衰减不同,在X射线透射后成像具有不同的图像特征,用动态补偿模糊神经网络学习算法对其图像特征进行分析,提高识别准确率,并通过仿真实验对应用动态补偿模糊神经网络学习算法的煤矸分选结果进行了测试验证。实验结果表明:动态补偿模糊神经网络的学习算法能够满足煤矸识别要求,能够适应不同组成的煤和煤矸石的分类识别要求,提高了煤与煤矸石识别的准确率,具有较高的可靠性和较好的应用前景。

用电安全实时监测与隐患预警系统设计

随着电气设备使用人数的逐渐增多,用电安全管理水平也亟需提高。传统的用电安全保障主要是通过安全保护装置、人工排查及传统监控报警系统来实现,漏报误报问题较为严重。针对这种情况,提出基于物联网和大数据分析技术的用电安全实时监测与隐患预警系统。结合基于谐波的负载分析、反时限特性实现自适应的预警阈值设置方法和以“数据录波”为基础的数据处理技术,较好地优化了隐患预警算法,提高了系统在线监测及综合分析能力。测试结果表明:系统能根据电气特征参数快速分析出电气安全隐患并实施预警,在对学生宿舍用电进行的负载分析试验中,负载识别准确度达到85%,可以投入实际应用。