基于改进型T-S模糊RBF神经网络的红外火焰探测器识别算法

针对三波段红外火焰探测器中可能出现的单一非火焰波段通道的数据丢失、失真、饱和3种对火焰特征数据的强干扰情况,本文提出了一种改进型T-S(Takagi-Sugeno,高木-关野)模型RBF(Radial Basis Function,径向基函数)神经网络的火焰识别的鲁棒性融合算法.该算法通过聚类算法确定模型需要的模糊规则...     

磁耦合谐振式无线电能传输系统频率跟踪的自适应模糊控制

谐振频率是无线电能传输(Wireless Power Transfer, WPT)系统中提高传输效率的关键因素,考虑到WPT系统是一种松散耦合系统,可能因负载、传输距离等因素的变化,使WPT系统的谐振工作频率出现分裂或失谐等问题,导致系统传输效率大幅降低。为确保磁耦合谐振式无线电能传输系统保持较高的能量传输效率,结合谐振状态对系统传输效率影响的电路分析,提出模糊控制的方法来实现谐振频率的自适应跟踪,并设计出频率跟踪的模糊自适应控制器,实时非线性调节逆变驱动电路的频率,以确保对WPT系统谐振频率的精确跟踪。仿真与实验结果表明,该控制算法增强了WPT系统的工作谐振频率的自适应跟踪能力,对系统传输效率有较大提高。     

T-S型RBF神经网络在红外火焰探测系统中的应用

基于T-S(Takagi-Sugeno,高木-关野)模型RBF(Radial Basis Function,径向基函数)神经网络,提出了一种应用于三波段点型红外火焰探测器的识别算法,同时实现了硬件电路以及软件程序的设计。针对火焰探测器在检测过程中可能出现的数据丢失、失真、饱和等复杂情况,本文利用RBF网络较优的逼近精度和泛化能力,同时结合T-S模型用少量的模糊规则可生成较复杂的非线性函数的特点,实现了火焰与干扰源的准确识别。实验证实,T-S模型RBF神经网络相比于BP(Back Propagation,反向传播)网络在逼近精度、收敛速度、鲁棒性等多个方面都有所提升。     

基于掩蔽特性的一种语音识别特征提取算法

通过对Bark频带和Mel频标之间关系的研究,得到一个BarkMel临界带表,在此基础上详细介绍了一种基于人耳听觉掩蔽特性的MFCC计算方法.实验表明,该方法可使掩蔽特性在MFCC参数提取中达到最优化,提高识别率,具有一定的鲁棒性.     

基于改进层次分析法的动力定位系统综合评价

文章从分析动力定位系统的体系结构入手建立系统评价的指标体系,即将测量效能、控制效能和推力效能3方面作为动力定位系统效能的第一层准则;位置参考系统可靠性、数据处理与融合能力、原动机功率转化能力等作为第二准则层。文章针对动力定位系统的效能评估工作,采用了改进的层次分析法为评估算法,以某耙吸式挖泥船为研究对象进行评估,最后评估结果与实际运行情况相符,验证了方法的可行性和有效性。     

双波段红外可燃气体探测器的算法设计与实现

本文基于可燃气体吸收特定波段的红外光原理,设计了一款红外双波段可燃气体探测器。通过分析碳氢类可燃气体分子吸收特性,确定了可燃气体的吸收波长与参考波长,并完成了探测器的光路部分和整体硬件电路设计。通过在高低温实验平台内某一恒定温度下,配制8组不同浓度的气体进行标定,并记录下标定的数据,生成了探测器的检测浓度计算曲线。同时,通过对待测气体浓度为0状态下的多组不同环境温度测试,得出探测器受环境温度影响的特性,引入吸收参数H,并建立吸收参数H与温度的补偿表,实现了对因温度变化所引起的检测偏差的合理补偿。实验结果表明,该探测器的精度较好、响应快,高低温性能稳定,完全符合国家标准和设计要求。     

KingSCADA与液位仪的通讯设计

液位仪是一种对大型储油罐参数进行实时监测的设备,利用KingSCADA上位软件实现对油罐数据的监控。本文设计了基于visual studio 2010平台的液位仪设备接口的驱动开发,从而实现油罐最优化的管理。     

基于变帧长自适应门限的端点检测方法

传统的双门限端点检测算法的门限一般通过经验值来确定。在实际应用中,这种凭经验得到的判决门限往往不能很好地适应环境变化,尤其是在噪声环境下,经验判决门限不能适应背景噪声的变化。将1种自适应门限、窗长动态变化相结合的双门限端点检测算法用于语音端点检测,实验结果表明该方法在常见的弱噪声环境下效果较好,具有一定的鲁棒性。     

基于听觉掩蔽效应的■阶STSA-MMSE语音增强算法

提出人耳掩蔽效应与■阶STSA-MMSE(Short Time Spectral Amplitude-Minimum Mean SquareError)算法动态结合的语音增强算法.该算法通过引入参量■提高了STSA-MMSE算法的实时性,同时结合人耳掩蔽效应,动态的确定增强滤波器的传递函数以适应语音信号的变化,来提高语音质量.实验结果表明,和STSA-MMSE算法相比,该算法在实时性方面有很大改善,并使降噪后的语音信号有较小的失真,同时很好地抑制了音乐噪音.