基于惯性传感器的短跑运动腿部姿态监测方法

为了实现对短跑运动腿部姿态准确监测,提出基于惯性传感器短跑运动腿部姿态监测方法。利用无线传感器网络设计分布式短跑运动腿部姿态信息采集节点,在运动员腿部安装压力传感器和惯性传感器,根据传感器的输出振荡幅值进行信息融合和关联挖掘,完成短跑运动腿部姿态数据信息重组;结合传感量化跟踪识别方法进行短跑运动腿部姿态数据自动监测,根据短跑运动腿部姿态监测输出信息的特征聚类结果进行模糊自适应融合处理,采用相关匹配滤波检测方法进行干扰数据滤波,实现短跑运动腿部姿态数据智能监测。仿真结果表明,采用该方法进行短跑运动腿部姿态监测准确性和精度较高,监测过程抗干扰能力较强,有效提高了短跑运动腿部姿态跟踪识别能力。     

环境监测中多传感器数据融合研究

[目的]针对环境监测中单一传感器测量数据精度低、可靠程度低的问题,本文提出在无线传感网络监测系统中,通过改进自适应加权融合算法并利用模糊神经网络算法实现多传感器数据融合,来提高环境监测的准确性。[方法]基于多传感器同一时段采集的数据,先采用欧式距离及相关函数改进的自适应加权算法进行同质传感器数据融合,再设计模糊神经网络分类器把异质传感器的数据转化为环境质量等级信息。[结果]仿真实验显示出本文提出的同质传感器数据融合算法融合精度较高于其他几种算法、模糊神经网络算法通过对350组训练样本的学习后能够对96%的验证样本的环境等级进行正确分类且预测曲线基本可以拟合实际输出。[结论]本文的同质传感器数据融合算法提高了数据融合精度,异质传感器数据融合算法能够对整体环境质量得出较可靠的评价。     

基于小波降噪和自适应加权法的温室数据融合

针对温室环境信息多节点数据采集中存在误差大、冲突多和冗余等问题,提出一种基于小波降噪和自适应加权的多传感器数据融合算法.通过小波降噪对采集的数据进行处理,使其具有良好的光滑度和稳定性;利用自适应加权算法对多传感器数据进行融合,得到测量数据的最优估计值.实例验证结果表明,采用所提算法可以有效降低原始数据中存在的噪声和冗余,得到方差较小的数据融合值,可以提高测量数据的准确性和降低数据的传输量;具备良好的稳健性,能够实现对温室环境信息的可靠性和一致性描述.     

单一平面电容传感器数学模型的数值解法

单一平面电容传感器是用来测量木材含水率的高精度仪器,属于具有任意结构形状的电容传 感器的特例。为研究单一平面传感器数学模型的数值解法,以一种设定了具体尺寸的单一平面电容传感器为例,利用数值分析的一个数值方法——差分离散格式,对笔者前期建立 的任意结构形状的电容传感器的偏微分方程数学模型构造了便于计算和研究的离散近似模型。利用该近似模型对单一平面电容传感器的工作状况进行分析,得到了木材介电常数与传感器电容值的关系。      

电容式水流泥沙含量传感器自校准技术的研究

采用电容式传感器研究了测量水流泥沙含量的自校准技术。结果表明 ,水流泥沙含量与传感器的输出呈线性 ,可采用实时标定的自校零与自校准技术 ;将传感器与微型计算机结合起来 ,在智能化软件的引导下 ,可自动校正因零位漂移、灵敏度漂移而引入的系统误差和可变误差     

利用边缘电场的电容式谷物水分传感器的研究

研制一种利用边缘电场的新型谷物水分传感器。利用主动屏蔽极板从敏感区域聚集电场,以减小杂散电容对传感器测量精度的影响,从而提高了传感器的灵敏度。采用2 MHz左右的振荡器作为测量电路,通过测量振荡器的频率测量被动极板与测量极板之间谷物的介电常数,从而得到谷物的含水率。有限元法分析表明,主动屏蔽极板的采用提高了传感器测量精度和灵敏度。现场及实验室实验结果表明:传感器测量含水率的误差为±1%;测量温度范围0~80℃;传感器安装方便,不需要对干燥机进行较大的结构调整。     

FDS土壤水分传感器的两步标定法

在有机溶液、砂土和基质(泥炭、蛭石、珍珠岩质量比4.5:4.5:1.0)中对基于频域(FD)原理的FDS系列水分传感器进行了测试,并根据实验结果对其阻抗特性、一致性和测量精度进行了分析。传感器的标定工作分2步进行,首先利用有机溶液建立传感器输出电压信号V与介电常数ε的关系,然后通过Topp公式间接得出传感器输出信号与土壤含水率之间的关系。在砂土和基质中的实验结果表明,采用两步标定法标定后,FDS系列传感器测量得到的砂土和基质含水率与烘干法得到的含水率的相关系数分别为0.90和0.95,其输出电压与ML2型传感器输出电压的相关系数>0.99,表明该标定方法能够满足测量精度要求。     

毛白杨叶片含水量无损检测系统的研究

以毛白杨叶片为研究对象,基于电容传感器原理进行叶片含水量无损检测系统的研究。设计以SPCE061A单片机为核心构成部分,利用电容传感器采集叶片含水量所对应的电容值,由c/f电路将电容值实时转换成频率值,最终利用频率与含水量之间的关系模型进行计算和显示叶片含水量的值。该系统实现了对毛白杨叶片含水量的实时快速测量,达到了无损检测叶片含水量的目的。     

管道径向压力分布的磁弹噪讯一致性数据融合

在磁弹波法检测管道内压力的基础上,针对长距离输气管道压力的评估提出了一种新方法.该方法将先得到沿输气管道径向分布的一系列巴克豪森传感器测得的压力值与按入口压力换算得到的理论压力值的比值,然后使用三种一致性多传感器数据融合方法对这一系列比值数据进行融合,分别得出结果,并将不同方法的结果进行对比.数据模拟计算结果表明,该方法可以有效用于长距离输气管道压力的评估.     

烟草装盘播种机精密播种设计

论述了控制YZPB-200B型智能装盘播种机的播种装置每次只播1粒种子的设计,用电容传感器监测种子的排出情况,采用芯片AD7747将电容传感器的输出转化为电压的变化量,并由单片机CY7C68012对传感器的输出数据进行采集和转换,设计出高精度的播种装置。通过分析试验数据可以得出,该系统的合格率达到97.4%,实现了一穴一种的效果,符合农艺要求,因此采用该系统不仅提高了播种的精密度,而且可以防止种子浪费。     

函数链神经网络在电容水分传感器非线性校正中的应用

首先介绍了解决电容水分传感器非线性函数链神经网络原理和建模方法,并以玉米水分测量为例进行仿真试验,从而证明了该非线性校正方法的可行性和有效性。     

基于时间序列和神经网络的温室传感器节点故障诊断

温室无线传感器网络中故障节点会产生并传输错误数据,不仅消耗节点的能量和带宽,而且导致错误决策。针对此问题研究一种准确判断节点故障状态的方法。采用时序分析和遗传BP神经网络,建立基于时间序列和神经网络的传感器节点故障诊断系统,通过对传感器样本数据进行时序分析,提取模型参数作为特征向量,并以此对遗传BP神经网络进行网络训练,实现传感器节点故障的诊断。试验结果表明：该方法能够有效地识别传感器节点故障类型,15组测试样本的输出矢量与同类故障基准矢量的欧式距离和为0.007,识别正确率为100%。     

基于RBF神经网络的土壤含水量传感器标定方法

土壤含水量时空变异对作物生长、农田气候变化等领域的研究具有重大意义。为了克服TDR-3土壤水分传感器输出电压的非线性缺点,提高土壤含水量数据采集以及计算效率,将TDR-3土壤水分传感器与无线传感器网络结合,提出了土壤水分含量的RBF神经网络标定方法。结果表明,该法能取得较好的标定效果,且操作简单、实用、可行,为土壤含水量的实时监测提供了一种有效的方法。     

基于RBF神经网络的土壤含水量传感器标定方法(英文)

土壤含水量时空变异对作物生长、农田气候变化等领域的研究具有重大意义。为了克服TDR-3土壤水分传感器输出电压的非线性缺点,提高土壤含水量数据采集以及计算效率,该研究将TDR-3土壤水分传感器与无线传感器网络结合,提出了土壤水分含量的RBF神经网络标定方法。以20个带标号的水杯作为承载砖红壤土和水的载体,对其中的样本进行数据采集,经多次测量取平均值。为验证标定算法的准确性,同时列举出以土净重、加水质量、水分含量TDR-3测量值为属性,以测试水土比值为目标训练样本,以RBF神经网络为标定算法的拟合结果。为了更直观地展示试验结果,以散点图方式分别展示水分含量TDR-3测量值与实际水土比的TDR-3土壤水分含量曲线;水分含量TDR-3测量值与RBF神经网络拟合水土比的RBF神经网络拟合土壤水分含量曲线;以及实际水土比与RBF神经网络拟合水土比的散点图。为验证RBFNN拟合水土比值的相关性,引入皮尔逊相关系数。5次试验,得到5组皮尔逊相关系数,分别为0.9745,0.9832,0.9798,0.9804及0.9789,都接近于1,说明真实测试数据与拟合数据相关性很强,且为正相关关系。可见,该法能取得较好的标定效果,并且简单、实用、可行,为土壤含水量的实时监测提供了一种有效的方法。     

Matlab/NNToolbox在压力传感器温度补偿中的应用

压力传感器易受温度、磁场等外界因素的干扰,其测量精度会受到影响。以对温度干扰最敏感的压力传感器为例,阐述如何应用Matlab软件提供的神经网络工具NNToolbox来实现压力传感器的温度补偿。补偿结果表明:温度对压力传感器的干扰波动由补偿前的22%减小到补偿后的1.1%,压力传感器的测量精度提高了20倍。由此可见,利用Matlab/NNToolbox对压力传感器温度补偿具有简单精确、补偿效果明显、灵活性强等优点。     

BP神经网络模型在烟草烘烤过程中叶温变化预测中的应用

【目的】建立合适的BP神经网络模型,了解散叶烘烤过程中一系列烘烤因素对叶温变化的影响,为烤烟烘烤调制过程中叶温变化研究提供参考。【方法】运用叶温测定仪和温湿度自控仪记录烘烤过程中干球温度、湿球温度、相对湿度及干球温度与叶温的差值,并将此4项指标作为输入变量,叶温作为输出变量,建立一个拓扑结构为4—4-1的BP神经网络模型。【结果】所建立的BP神经网络模型模拟结果很快收敛,预测结果的绝对误差与相对误差小,预测所用的20组数据中相对误差〉1％的有8组数据,相对误差〉2％的有2组数据,相对误差〈1％的有12组数据。【结论】所建立的BP神经网络模型在对烟叶烘烤过程中叶温变化的预测效果较好。     

池塘养殖疾病诊断模型研究

利用BP 神经网络方法建立池塘养殖疾病诊断模型,并进行验证。以养殖种类尧养殖阶段尧病原体尧感染 部位尧水温尧地域作为输入因素,将疾病种类作为输出单元,通过模型训练,利用模型进行预测,预测结果误差在允许 范围之内。 学研究院淡水渔业研究中心）项目（2013JBFM13）     

基于GPS土壤水肥检测系统的探讨

精确农业是利用重要的作物参数和农业知识专家库来优化生产系统管理,基于GPS土壤检测系统是精确农业的一个重要组成部分,通过它来检测确定地段的土壤水肥信息,根据检测结果来控制不同的投入水平.检测系统的信号检测是由检测传感器、参考传感器、阻容脉冲转换电路、单片机、RS485通讯模块、GSM模块、数字温度传感器、工业控制计算机等单元组成.检测电容与参考电容分别产生脉冲信号,脉冲数与电容的容值负相关,在一定时间内两脉冲序列的脉冲之差与待测土壤的水肥也负相关.单片机通过计数器检测在一定时间内的脉冲数差,将此数连同数字温度传感器产生的温度测量值通过GSM模块发给上位机.上位机对数值进行归一化处理后,采用BP神经网络进行非线性校正和温度补偿,产生土壤水肥测量值.     

利用神经网络分析注水管道内腐蚀影响因素

对注水管道内两种腐蚀影响因素进行了排序，采用灰色关联分析法和二层BP神经网络法对主要影响因素进行了考察。示例分析表明，采用改进二层BP神经网络得到的连接权值排序，比灰色关联法更能准确反映注水管道内腐蚀实际情况。根据某注水试验区注水管道水质分析数据及计算结果，得出其主要影响因素的高低排序为，溶解氧（0．877），pH值（0．856），硫酸盐还原菌（0．84），温度（0．811），压力（0．78），CO2（0．76），流速（0．736）。