无线传感器网络能效中继选择算法的研究

为提高无线传感器网络的生命周期,提出一种改进的节能中继选择算法。该算法根据节点的位置和环境参数,选择优化的中继节点,通过降低节点的发射功率,从而减小节点的能量损耗。算法同时考虑节点自身的剩余能量,可以保证网络生命周期最大化。将改进的算法与传统的中继选择算法进行仿真对比,该算法能有效的节约能量,还能使网络能耗均衡。     

基于神经网络和证据理论的液压系统故障诊断

针对液压系统故障多样性和复杂性等特点,基于信息融合原理,提出了一种基于神经网络和D-S(Dempster-Shafer)证据理论相结合的液压系统故障诊断方法。该方法通过构建多子神经网络分类模块进行局部诊断,利用各子神经网络的输出值作为证据理论中的基本可信度,经过证据理论的再次融合得出最终的诊断结果。实例表明,该方法通过简化神经网络结构,提高了局部诊断网络的诊断能力,通过对多源多特征参数的融合,充分利用各传感器的冗余和互补的故障信息,与单一故障特征的诊断相比,显著提高了故障诊断的准确率,降低了决策的不确定性。     

改进的自适应均值滤波算法及应用

燃煤锅炉的燃烧过程复杂且不稳定,监视系统的图像可能受到各种噪声的干扰,针对此问题,提出一种改进的自适应均值滤波算法。此算法利用自适应阈值和图像的全局统计特性对滤波系数加以优化。实验结果表明,该方法可以更有效地减少噪声,并可以保护图像的边缘信息。由于阈值选取具有自适应性,可推广应用到其它去噪领域。     

基于IAEPSO-IAWNN的高温低氧燃烧火焰稳定性识别

在对高温低氧燃烧条件下的煤粉火焰图像分析的基础上,提出了利用改进的自适应逃逸微粒群算法训练的改进的自适应小波神经网络对燃烧火焰的稳定性进行实时识别的算法.计算结果与实验数据基本吻合,说明该方法是可行的,可以用它对高温低氧技术下的燃烧稳定性进行识别.     

基于EWB的数字电子电路设计

使用EDA(电子设计自动化)技术设计电子电路已经成为时代潮流,EWBEDA软件是目前各种电子电路辅助分析与设计软件中最优秀的软件之一,该软件具有模拟和数字电路的设计、分析、仿真能力.本文介绍了一种基于EWB(电子工作台)软件设计数字电路的新方法,它改变了传统的设计方法,通过设计数字电子钟,说明了该软件是人们设计电子电路的有效工具.     

基于改进的块直方图方法提取背景技术的研究

随着多媒体技术的迅速发展,如何对运动物体进行实时准确的检测,成为一个重要的研究课题.本文在分析了背景差分、帧间差法和光流法3类运动检测方法的基础上,针对光流法存在运算复杂、帧间差法实时性差、背景差分提取速度慢等缺点,重点分析了背景差分算法,提出了基于改进的块直方图方法提取背景.利用改进后的方法进行直方图分析时,不是针对固定大小的模块,也不是像素点,而是针对同类目标的类模块.经过仿真分析得出,该方法充分利用同类物体像素之间的相关性,可以减少图像处理计算量,缩短分析时间,同时能得到较好的背景图像.     

基于大数据平台hadoop的聚类算法K值优化研究

针对最大最小值原则的Kmeans聚类算法运行在Hadoop平台时需要多次遍历所有数据的问题,提出了一种改进的初始聚类中心的选择算法称为M+Kmeans算法。该算法只需要遍历一次全局数据极大的缩减了算法并行运算时消耗的时间。多组实验测试结果显示,设计的M+Kmeans算法适合运行在大规模集群Hadoop平台上,并且加速比和扩展率较原始算法有明显提高。     

异构网络中基于DEEC的非均匀分簇路由算法

针对异构无线传感器网络中分布式节能分簇路由(DEEC)存在的能量空洞现象,提出一种改进算法EIDEEC。该算法一方面在簇头选举阶段,通过调整簇头选举概率,实现非均匀分簇;另一方面在簇形成阶段,通过将节点与sink的距离与距离阈值进行比较,判断节点是单跳或者经过簇头转发的形式进行数据传输。通过两方面的改进,克服能量空洞现象。经仿真验证,EIDEEC算法的网络生存周期、基站数据接收量和节点平均剩余能量较DEEC算法均有所提高。     

金属镁配料系统调功器电路的设计

调功器电路是金属镁配料系统的主体电路，以往调功器电路的功能大都由价格较高的单片机实现。文章介绍了一种自制的低成本调功器电路，目前在阳泉市金属镁厂微机配料系统中运行稳定。     

基于自适应混合高斯模型的前景目标检测

在计算机视觉研究中,从视频序列中提取出前景目标是关键步骤之一。而混合高斯背景模型是前景目标检测的一种常用算法。针对传统混合高斯建模过程中分别对每个像素建立固定个数的高斯模型和相同的学习率这一缺陷,本文先对视频帧进行了分块处理,然后自适应的对每个像素块采取不同的高斯分布个数和学习率,并且在建模过程的不同时间段采用不同的学习率,最后对检测结果在空域上进行数学形态学的处理。实验结果表明,与传统检测方法相比,该方法能够更加准确和快速地检测出前景目标。