排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
为实现海上养殖围栏结构振动实时监测,研发了围栏养殖平台振动实时监测系统。该系统分为监测设备和监测软件两部分。监测设备通过微处理器主板控制三轴加速度计进行围栏柱体结构振动数据实时采集,并利用4G-DTU无线传输至监测软件;监测软件实现对监测设备所采集数据的实时可视化、存储以及后续下载分析。为验证系统有效性,布设了两个监测节点对莱州湾大型管桩围栏进行了现场监测试验。试验结果显示:布设的监测节点可以有效采集围栏结构三轴加速度数据并实时传输至监测软件进行可视化与存储;同时后续数据分析揭示了试验监测对象莱州湾大型管桩围栏振动基本规律,其振动主频约为4 Hz,振动数值在不同监测节点表现出了明显的空间与时间差异。证明了所研发系统的有效性。 相似文献
2.
邓浩然 《中国农村水利水电》2003,(8):83-84
利用GPS技术,实现同步实地测量,提出一种电力系统频率快速预测算法。该算法可算出最近一次操作后的系统频率变化趋势,从而可以快速判断系统的频率稳定性。通过算例分析,证明该算法是有效的。 相似文献
3.
蚁群算法在土壤质地高光谱预测建模中的应用 总被引:1,自引:0,他引:1
为提高土壤质地高光谱预测模型精度,以巢湖流域177个土样光谱为基础数据源,运用蚁群算法选择特征波长,结合BP神经网络构建土壤质地光谱预测模型,并与全光谱构建的光谱预测模型进行比较。结果表明,运用蚁群算法选择特征波长构建的光谱预测模型精度优于全光谱构建的预测模型精度,土壤粉粒含量预测模型预测集决定系数R2为0.76,RPIQ为2.23,土壤砂粒含量预测模型预测集决定系数R2为0.72,RPIQ为1.94;全光谱土壤粉粒含量预测模型预测集R2为0.57,RPIQ为1.75,全光谱土壤砂粒含量预测模型预测集R2为0.48,RPIQ为1.82。运用蚁群算法选择光谱特征波长建模,减少了数据冗余,提高了预测模型精度。 相似文献
1