一、智能傳感器·網(wǎng)絡(luò)傳感器·信息傳感器（論文文獻綜述）
張金[1]（2021）在《基于FPGA的多環(huán)境參數(shù)在線監(jiān)測系統(tǒng)的研發(fā)》文中提出近些年,我國工業(yè)化發(fā)展飛速提升,但是工業(yè)化生產(chǎn)中伴隨著諸多問題,其中一項就是環(huán)境污染問題。因此,研發(fā)一款智能高效的大氣在線監(jiān)測設(shè)備是至關(guān)重要的。為了適應(yīng)如今多參數(shù)監(jiān)測、信息便捷共享且測量數(shù)據(jù)精度高的需求,本文基于FPGA的并行數(shù)據(jù)處理能力和云平臺的廣泛應(yīng)用,設(shè)計出一款針對多環(huán)境參數(shù)檢測的系統(tǒng),進而實現(xiàn)了多種環(huán)境參數(shù)的實時監(jiān)測。本文主要研究內(nèi)容包括以下幾點:（1）環(huán)境在線監(jiān)測技術(shù)的研究:分析當前的環(huán)境監(jiān)測手段,結(jié)合渭化廠NO2濃度監(jiān)測項目,設(shè)計了一種多監(jiān)測參數(shù)、多分布節(jié)點的監(jiān)測方案,該系統(tǒng)可遠程實時監(jiān)測環(huán)境中的溫濕度和NO2氣體、顆粒物等濃度信息;并對此方案的適用性、實時性和可擴展性等展開了論述。（2）開發(fā)以FPGA為核心的軟硬件平臺:首先設(shè)計監(jiān)測節(jié)點電路,基于FPGA的并行數(shù)據(jù)處理能力將其作為主控,其它硬件模塊包括供電單元、傳感器陣列、無線通訊模塊和電機驅(qū)動電路等;接著在硬件設(shè)計基礎(chǔ)上完成FPGA軟件邏輯設(shè)計,包含系統(tǒng)同步時鐘、指令解析、傳感器控制、信號通道切換、數(shù)據(jù)緩存處理和數(shù)據(jù)上傳等模塊的開發(fā),最終實現(xiàn)采集部分各功能模塊的驅(qū)動開發(fā),從而實現(xiàn)多路數(shù)據(jù)信息的采集。（3）對監(jiān)測終端采集的數(shù)據(jù)進行轉(zhuǎn)發(fā):研究ESP8266無線通訊模塊的組網(wǎng)通信原理及其數(shù)據(jù)轉(zhuǎn)發(fā)功能,利用終端采集設(shè)備與無線通信模塊相結(jié)合,進而實現(xiàn)環(huán)境數(shù)據(jù)的實時轉(zhuǎn)發(fā);研究TCP、EDP等通信協(xié)議,并基于TCP協(xié)議完成了 OneNET云平臺數(shù)據(jù)解析Lua腳本的開發(fā);通過Lua腳本將傳感器終端上傳的數(shù)據(jù)轉(zhuǎn)換成JSON格式存儲在OneNET云平臺上。（4）實現(xiàn)終端數(shù)據(jù)流的可視化:對OneNET云平臺產(chǎn)品設(shè)備的接入方法進行分析,深入研究了平臺的設(shè)備管理,歷史數(shù)據(jù)查詢、觸發(fā)器閾值報警和API開發(fā)等功能;通過創(chuàng)建云平臺的虛擬產(chǎn)品和設(shè)備,將其與終端設(shè)備數(shù)據(jù)流進行綁定,進而實現(xiàn)了終端設(shè)備與云平臺的通信;最后設(shè)計數(shù)據(jù)流UI展示界面,實現(xiàn)數(shù)據(jù)合理且直觀的展示。將系統(tǒng)監(jiān)測終端與云端聯(lián)調(diào)可看出系統(tǒng)運行正常,能夠?qū)ΡO(jiān)測節(jié)點的數(shù)據(jù)實現(xiàn)在線監(jiān)測。結(jié)果表明:系統(tǒng)具有高利用率、微型化、物聯(lián)網(wǎng)等特點,可廣泛用于環(huán)境監(jiān)測領(lǐng)域。
孔寧寧[2]（2021）在《安全閥智能上料車自動行走系統(tǒng)研究》文中指出安全閥作為一種防超壓保護裝置,是承壓類設(shè)備必不可少的安全附件,每年至少需要校檢一次。由于很多安全閥校驗站場地有限,不少校驗站都設(shè)在辦公用房內(nèi),無法裝備行車等吊裝設(shè)備,重量不大的安全閥尚可手工搬運,但是當校驗重量較大的大口徑安全閥時就會面臨很大的困難。因此,用智能化的機械設(shè)備來高效完成安全閥校驗過程中的搬運與上料是本課題所追求的目標,也是眾多特檢機構(gòu)工作人員的期待。本課題針對特檢院的需求設(shè)計了一款安全閥上料車,以上料車的自動行走系統(tǒng)為重點研究對象,從總體方案設(shè)計、行走穩(wěn)定性分析與仿真、軌跡跟蹤控制三個方面做出了研究。論文的主要內(nèi)容包括:首先,根據(jù)安全閥上料車的功能需求和技術(shù)指標,確定上料車使用磁導(dǎo)引作為導(dǎo)引方式,站點識別方式為RFID標簽識別,采用雙輪差速驅(qū)動的四輪布局方式。使用Solid Works軟件設(shè)計了上料車的整體機械結(jié)構(gòu),對對中機構(gòu)、行走底盤、行走驅(qū)動機構(gòu)進行了重點設(shè)計,同時運用有限元分析軟件ANSYS對關(guān)鍵承重部件-行走底盤進行了強度和剛度分析。設(shè)計了上料車的控制系統(tǒng),對控制系統(tǒng)主要模塊的實現(xiàn)方式進行了原理分析。其次,基于安全閥上料車的整體結(jié)構(gòu),充分考慮車體存在質(zhì)心偏移這一結(jié)構(gòu)特點,建立了上料車的運動學(xué)模型,探究了上料車位姿與驅(qū)動輪速度、半徑之間的關(guān)系。在分析動力學(xué)特性的基礎(chǔ)上,分別建立了行走系統(tǒng)的驅(qū)動平衡方程和原地轉(zhuǎn)向動力學(xué)模型。采用ADAMS軟件對上料車行走過程進行虛擬樣機仿真,分析了電機驅(qū)動力對上料車行走穩(wěn)定性的影響,以及不同的輪地靜摩擦系數(shù)、轉(zhuǎn)向角加速度、整車偏心距對原地轉(zhuǎn)向誤差的影響程度,仿真結(jié)果證明了理論分析的正確性,根據(jù)理論分析與仿真結(jié)果,優(yōu)化了上料車的結(jié)構(gòu)參數(shù)和運動參數(shù)。然后,針對優(yōu)化后的安全閥上料車,對上料車的軌跡跟蹤控制進行了研究。建立了上料車質(zhì)心偏移下的位姿誤差微分方程,運用兩種方法分別設(shè)計了上料車的軌跡跟蹤控制器。在分析系統(tǒng)穩(wěn)定性的基礎(chǔ)上,通過構(gòu)造李雅普諾夫標量函數(shù),設(shè)計了基于李雅普諾夫函數(shù)的控制器,在滑模控制理論的基礎(chǔ)上,設(shè)計了滑?？刂破鳌ａ槍煞N控制器,使用Matlab軟件對直線軌跡和曲線軌跡分別進行了仿真,最終通過對比分析證明了基于李雅普諾夫函數(shù)設(shè)計的控制器具有顯著的優(yōu)越性。最后,制造了安全閥上料車的物理樣機,基于前文理論分析與軟件模擬仿真結(jié)果,分別進行了原地轉(zhuǎn)向誤差試驗和軌跡跟蹤控制試驗,在實際環(huán)境中測試了上料車的性能,檢驗了部分理論分析與仿真結(jié)果的可靠性,探究了上料車在實際行走過程中可能出現(xiàn)的問題。
張麗佳[3]（2021）在《基于概率模型與深度學(xué)習(xí)的室內(nèi)定位方法研究》文中研究說明在人工智能、5G技術(shù)高度發(fā)展的今天,室內(nèi)定位技術(shù)越來越成為人們生活、工業(yè)生產(chǎn)、智慧城市建設(shè)、安防領(lǐng)域的剛需,起著舉足輕重的作用。當下各類室內(nèi)定位技術(shù)百花齊放,例如,基于無線通信、慣導(dǎo)、激光雷達、視覺等的室內(nèi)定位技術(shù)。但室內(nèi)定位并沒有像室外定位技術(shù)一樣形成統(tǒng)一化、標準化。傳統(tǒng)的基于純慣導(dǎo)定位系統(tǒng)可不依賴部署設(shè)備實現(xiàn)自主定位,但慣性器件的固有漂移導(dǎo)致定位結(jié)果存在有累積誤差。地圖匹配數(shù)據(jù)融合算法通過地圖上的邊界約束,在保證自主定位的基礎(chǔ)上修正累積誤差,然而傳統(tǒng)粒子濾波算法的地圖匹配定位技術(shù),在定位精度、地圖利用上仍存有不足。因此論文針對上述問題對基于地圖匹配的室內(nèi)定位方法進行研究,結(jié)合地圖與慣導(dǎo)數(shù)據(jù)構(gòu)建室內(nèi)自主定位框架。其主要的研究工作如下:（1）論文從地圖表示方法出發(fā),將地圖數(shù)據(jù)抽象為可通行點的集合,并提取其在各個方向的鄰點,構(gòu)成具有地圖上下文信息的點序列。（2）論文針對地圖數(shù)據(jù)的智能提取算法展開討論。論文以自然語言處理領(lǐng)域中語言模型為啟發(fā),探究語言模型中詞嵌入方法在地圖數(shù)據(jù)上的應(yīng)用,構(gòu)建基于動態(tài)詞嵌入模型的地圖數(shù)據(jù)智能提取算法,將地圖可通行點表示為含有上下文距離和方向信息的實數(shù)向量。（3）論文結(jié)合粒子濾波算法、動態(tài)詞嵌入和變分自編碼器模型,構(gòu)建基于概率模型和深度學(xué)習(xí)的室內(nèi)定位算法。該算法用粒子群模擬行人的運動分布;利用動態(tài)詞嵌入模型學(xué)習(xí)地圖特征,并將地圖信息嵌入至粒子狀態(tài)中;使用變分自編碼器學(xué)習(xí)粒子群的分布特征,結(jié)合粒子群的歷史軌跡,改善定位效果。論文利用真實場景地圖訓(xùn)練動態(tài)詞嵌入模型,證明了動態(tài)詞嵌入模型對于地圖數(shù)據(jù)處理的有效性;在3個真實場景下設(shè)置真值標簽實驗地,共采集有效真值軌跡610條用于訓(xùn)練變分自編碼器,驗證了基于粒子濾波、動態(tài)詞嵌入模型和變分自編碼器的定位算法對于定位精度提升的可行性。
Editorial Department of China Journal of Highway and Transport;[4]（2021）在《中國橋梁工程學(xué)術(shù)研究綜述·2021》文中研究指明為了促進中國橋梁工程學(xué)科的發(fā)展,系統(tǒng)梳理了近年來國內(nèi)外橋梁工程領(lǐng)域（包括結(jié)構(gòu)設(shè)計、建造技術(shù)、運維保障、防災(zāi)減災(zāi)等）的學(xué)術(shù)研究現(xiàn)狀、熱點前沿、存在問題、具體對策及發(fā)展前景。首先總結(jié)了橋梁工程學(xué)科在新材料與結(jié)構(gòu)體系、工業(yè)化與智能建造、抗災(zāi)變能力、智能化與信息化等方面取得的最新進展;然后分別對上述橋梁工程領(lǐng)域各方面的內(nèi)容進行了系統(tǒng)梳理:橋梁結(jié)構(gòu)設(shè)計方面重點探討了鋼橋及組合結(jié)構(gòu)橋梁、高性能材料與結(jié)構(gòu)、深水橋梁基礎(chǔ)的研究現(xiàn)狀;橋梁建造新技術(shù)方面綜述了鋼結(jié)構(gòu)橋梁施工新技術(shù)、預(yù)制裝配技術(shù)以及橋梁快速建造技術(shù);橋梁運維方面總結(jié)了橋梁檢測、監(jiān)測與評估加固的最新研究;橋梁防災(zāi)減災(zāi)方面突出了抗震減震、抗風、抗火、抗撞和抗水的研究新進展;同時對橋梁工程領(lǐng)域各方向面臨的關(guān)鍵問題、主要挑戰(zhàn)及未來發(fā)展趨勢進行了展望,以期對橋梁工程學(xué)科的學(xué)術(shù)研究和工程實踐提供新的視角和基礎(chǔ)資料。（北京工業(yè)大學(xué)韓強老師提供初稿）
周翔宇[5]（2020）在《面向自主船舶的危險分析方法研究》文中研究指明繼蒸汽技術(shù)革命、電力技術(shù)革命、計算機及信息技術(shù)革命之后,以人工智能、物聯(lián)網(wǎng)、云計算、虛擬現(xiàn)實、量子信息技術(shù)等為代表的第四次工業(yè)革命正在改變世界。信息和通信技術(shù)的進步、信息分析能力的提高為各行各業(yè)創(chuàng)造了革命性的發(fā)展機會,在航運業(yè)中,以更為安全、高效、綠色的方式運載貨物和乘客的自主船舶正受到前所未有的關(guān)注,并已成為航運業(yè)未來的發(fā)展方向。作為航運業(yè)數(shù)字化轉(zhuǎn)型和新技術(shù)革新的代表,相較于僅由人工控制的常規(guī)船舶,自主船舶將在總體設(shè)計結(jié)構(gòu)、系統(tǒng)交互方式、動力驅(qū)動來源等方面發(fā)生顛覆性的變化,同時,隨著船岸間、船舶各子系統(tǒng)間的互聯(lián)互通,自主船舶將成為現(xiàn)代航運生態(tài)體系中的傳感器中樞和數(shù)據(jù)生成器。在此背景下,為避免由于自主船舶的引入對當前海上交通狀況可能造成的負面影響,并確保自主船舶的預(yù)期安全水平至少不低于常規(guī)船舶的現(xiàn)有安全水平,不僅需要關(guān)注包括航行安全、貨物安全在內(nèi)的傳統(tǒng)安全,還需要考慮以網(wǎng)絡(luò)安全為代表的非傳統(tǒng)安全。因此,針對自主船舶的安全性開展理論研究是十分必要且具有重要意義的。本文圍繞自主船舶的安全性,以危險分析方法為研究對象,在明確自主船舶運行特點的基礎(chǔ)上,提出了一種適用于自主船舶的安全性協(xié)同分析方法。以遠程控制船舶為例,使用所提出的方法對其進行了危險分析,并利用模型檢測工具UPPAAL驗證了危險分析結(jié)果的正確性。本文的主要研究工作及成果如下。（1）自主船舶的定義及自主水平分級方法研究。從自主船舶的歷史沿革和發(fā)展歷程入手,在明確自主船舶的定義及其中英文表述的基礎(chǔ)上,分析了現(xiàn)有自主水平分級標準存在的局限性,并提出了一種基于航海實踐的自主水平分級方法。研究結(jié)果表明,劃分自主水平的關(guān)鍵在于能否獨立于人的干預(yù)完成相應(yīng)的任務(wù)或?qū)崿F(xiàn)相應(yīng)的功能,而非取決于船舶自動化水平和/或決策地點。以2艘搭載自主航行技術(shù)的測試船舶為例,相較于現(xiàn)有自主水平分級標準,所提出的自主水平分級方法有效避免了由于單一功能的自主實現(xiàn)導(dǎo)致船舶整體自主水平認定不準確的弊端,得出的分級結(jié)果更符合客觀事實。（2）危險分析方法的適用性研究。為篩選出一種或多種能夠捕獲自主船舶運行特點的危險分析方法,面向自主船舶提出了一種基于系統(tǒng)工程的適用性評估方法。該方法依據(jù)制定的適用性評估程序,生成了以功能方式描述的系統(tǒng)級安全需求和與自主船舶設(shè)計目標相聯(lián)系的評估準則。適用性評估過程面向29種廣泛使用的危險分析方法展開,結(jié)果表明,系統(tǒng)理論過程分析（System-Theoretic Process Analysis,STPA）方法滿足了所有的評估準則,其能夠更好地理解系統(tǒng)行為、識別危險,并揭示危險致因因素,是目前適用于自主船舶的、最具潛力和發(fā)展前途的危險分析方法之一。（3）面向自主船舶的安全性協(xié)同分析方法研究。在明確自主船舶運行特點的基礎(chǔ)上,考慮到日益增加的網(wǎng)絡(luò)威脅對自主船舶系統(tǒng)安全性的負面影響,提出了一種基于STPA 的安全性協(xié)同分析方法,即 STPA-SynSS（STPA-based analysis methodology that Synthesizes Safety and Security）。該方法在STPA的基礎(chǔ)上提出了 6項改進,并提供了一個識別危險并揭示危險致因因素的綜合過程,有效實現(xiàn)了對潛在危險的持續(xù)跟蹤和閉環(huán)管理。以遠程控制船舶的避碰場景為例,使用所提出的方法對該場景進行了詳細的危險分析,并生成了具體的危險控制策略。危險分析結(jié)果的對比分析表明,相較于STPA,STPA-SynSS能夠識別出更多的不安全控制行為和損失場景,同時,能夠生成更具針對性的危險控制策略,證明了該方法的有效性和先進性。（4）考慮退化組件的自主船舶安全性建模研究。使用STPA-SynSS生成損失場景時,需要考慮因組件性能退化導(dǎo)致的不安全控制行為。為表征自主船舶的系統(tǒng)安全性狀態(tài)隨時間退化的特性,將系統(tǒng)安全性分析由“二態(tài)假設(shè)”擴展為多狀態(tài)。根據(jù)STPA-SynSS實例分析中構(gòu)建的控制結(jié)構(gòu),對遠程控制船舶的安全性進行建模,構(gòu)建了服從指數(shù)分布的安全性函數(shù)和描述系統(tǒng)達到安全性極限狀態(tài)的時間分布函數(shù)。該模型可用于指導(dǎo)設(shè)計人員將更有針對性的安全性設(shè)計納入到系統(tǒng)中,并面向退化組件建立相應(yīng)的保護機制,以避免危險從潛在狀態(tài)向可能導(dǎo)致?lián)p失的現(xiàn)實事故狀態(tài)轉(zhuǎn)移。（5）自主船舶的形式化建模與危險分析結(jié)果驗證研究。為克服危險分析結(jié)果的正確性和完整性無法得到驗證的限制,創(chuàng)新性地將形式化方法引入危險分析過程,提出了一種基于時間自動機的STPA-SynSS擴展流程。在構(gòu)建時間自動機網(wǎng)絡(luò)模型的基礎(chǔ)上,通過利用模型檢測工具UPPAAL對系統(tǒng)模型的有窮狀態(tài)空間進行窮盡搜索,以檢驗語義模型與其性質(zhì)規(guī)約間的滿足關(guān)系,從而驗證系統(tǒng)建模的活性和危險分析結(jié)果的正確性。驗證結(jié)果表明,遠程控制船舶時間自動機網(wǎng)絡(luò)模型無死鎖且運行正確,STPA-SynSS識別的不安全控制行為均會發(fā)生,即驗證了 STPA-SynSS危險分析結(jié)果的正確性,同時,證明了所提出的STPA-SynSS擴展流程的有效性。本文的研究結(jié)論為識別、控制自主船舶的潛在危險奠定了較為堅實的理論基礎(chǔ),在一定程度上滿足了航運業(yè)對于明確并提高自主船舶安全性的迫切需求。同時,可為自主船舶的安全性設(shè)計提供參考,有力保障自主船舶的安全運營。
吳剛[6]（2020）在《基于捷聯(lián)慣導(dǎo)的采煤機運行姿態(tài)高精度感知理論與技術(shù)研究》文中認為智能化開采是我國煤炭工業(yè)發(fā)展的需求和必然方向,基于三維空間尺度的采煤機運行姿態(tài)是實現(xiàn)智能化開采的必需性基礎(chǔ)信息。采煤機運行姿態(tài)的精確感知不僅能為探知、預(yù)測智能化工作面的生產(chǎn)狀態(tài)提供途徑,而且能為采煤機自主調(diào)高、記憶割煤等智能控制過程提供基礎(chǔ)信息。已有工作初步實現(xiàn)了采煤機的定位定姿,但感知精度尚還欠缺,實時精確的采煤機運行姿態(tài)信息缺失長期阻礙了國內(nèi)外綜采工作面智能化發(fā)展。本文即針對此問題,引入捷聯(lián)慣導(dǎo)技術(shù),結(jié)合實驗測試、誤差補償算法優(yōu)化及單軸旋轉(zhuǎn)調(diào)制等方法,以采煤機“慣性測量組件誤差補償——系統(tǒng)誤差補償算法——單軸旋轉(zhuǎn)調(diào)制”為研究主線,圍繞慣性導(dǎo)航應(yīng)用于采煤機運行姿態(tài)高精度感知時的元件級、系統(tǒng)級與捷聯(lián)慣導(dǎo)級三個層面進行深入研究,以期提高采煤機運行姿態(tài)的感知精度,為綜采工作面的生產(chǎn)狀態(tài)預(yù)測及采煤機智能化控制提供理論基礎(chǔ)與技術(shù)參考。本文從捷聯(lián)慣導(dǎo)基本原理出發(fā),構(gòu)建了采煤機運行姿態(tài)的實時解算算法,建立了能夠求解SINS系統(tǒng)狀態(tài)最優(yōu)估計卡爾曼濾波方程組。針對捷聯(lián)慣導(dǎo)系統(tǒng)長航時的積累誤差難以得到有效修正的缺陷,明確了捷聯(lián)慣導(dǎo)系統(tǒng)主要誤差項包括:慣性敏感器誤差、初始對準誤差及安裝誤差,并對主要誤差項進行了逐一補償。針對采煤機的強振動壞境對捷聯(lián)慣導(dǎo)系統(tǒng)精度的影響,建立了采煤機振動力學(xué)模型,仿真獲取了采煤機整機的振動響應(yīng)特征,有效抑制了采煤機振動引起的圓錐誤差與劃船誤差。在無法進一步提升慣性敏感器精度的條件下,提出了旋轉(zhuǎn)調(diào)制誤差自補償技術(shù),建立了實際轉(zhuǎn)位機構(gòu)的旋轉(zhuǎn)模型,揭示了不同單軸旋轉(zhuǎn)調(diào)制方案誤差傳播特性。基于不同單軸旋轉(zhuǎn)調(diào)制方案的仿真結(jié)果,優(yōu)選了最佳的旋轉(zhuǎn)調(diào)制方案,推導(dǎo)了四位置轉(zhuǎn)停時間與轉(zhuǎn)位機構(gòu)角加速度和調(diào)制角速度有關(guān)的表達式,理論證明了該方案可以完全消除陀螺儀零偏漂移的影響。設(shè)計了單軸旋轉(zhuǎn)誤差調(diào)制實驗方案,研究設(shè)定了最佳的旋轉(zhuǎn)調(diào)制參數(shù),驗證了單軸旋轉(zhuǎn)調(diào)制能夠有效提高慣導(dǎo)系統(tǒng)的姿態(tài)感知精度。研究了采煤機運行姿態(tài)感知的現(xiàn)場應(yīng)用情況,誤差補償后的定位誤差為補償前的17%,航向角誤差為補償前的75%,采煤機運行姿態(tài)感知精度得到了顯著提高。本文提供了較為全面的提高井下采煤機運行姿態(tài)感知精度的理論與方法,不僅有助于充實綜采工作面智能化感知的研究成果,而且可為綜采工作面的生產(chǎn)狀態(tài)預(yù)測及井下開采設(shè)備智能化控制提供理論參考與技術(shù)借鑒,最終為綜采工作面智能化的發(fā)展做出貢獻。該論文有圖115幅,表15個,參考文獻128篇。
代伊豪[7]（2020）在《基于聚合物基柔性傳感器智能感知模擬仿真系統(tǒng)的研究》文中研究說明結(jié)合信息化時代5G、云計算、柔性感知等領(lǐng)域的快速發(fā)展,提出了一種智能感知系統(tǒng),可用于駕駛員位姿檢測進而對汽車內(nèi)部進行智能調(diào)節(jié)。設(shè)計了生產(chǎn)中使用的基于云計算的柔性智能感知控制系統(tǒng)架構(gòu)圖,隨后結(jié)合研究需要設(shè)計了一種智能感知系統(tǒng),包括嵌入式系統(tǒng)軟硬件、計算機軟件、數(shù)據(jù)處理算法、展示界面,并對智能感知系統(tǒng)的原理、調(diào)節(jié)等進行了理論分析。1.設(shè)計了嵌入式采集系統(tǒng)對柔性傳感器壓力數(shù)據(jù)進行實時采集,并使用總線技術(shù)將嵌入式系統(tǒng)與計算機集成化為一體的電子系統(tǒng),使得數(shù)據(jù)的采集、過濾、存儲等操作自動化程度大幅提升。2.征集志愿者并采集數(shù)據(jù),進行座椅壓力分布-位姿信息的算法分析,針對壓力數(shù)據(jù)特點設(shè)計了三種濾波算法,并使用交叉驗證以及kNN算法分別計算了在不同人體體征上的誤差值,發(fā)現(xiàn)其誤差值較為穩(wěn)定,其最小值為:體重誤差12.37%,身高誤差2.97%,坐姿眼位誤差3.43%。結(jié)合訓(xùn)練數(shù)據(jù)特點討論了其合理性,并選擇了合適的K值及濾波算法進行智能感知系統(tǒng)的設(shè)計。3.設(shè)計了展示界面,可對壓力曲線實時顯示,并展示計算得到的位姿信息。緊密結(jié)合展示需要,詳細介紹了展示界面設(shè)計的軟件架構(gòu),采用Web技術(shù)完成展示界面設(shè)計。并討論了軟件工程中的進程間通信、異步數(shù)據(jù)傳輸?shù)葐栴}的解決方法。最后啟動展示界面,并展示了其使用效果。4.對于研究工作的創(chuàng)新與不足之處進行分析,并結(jié)合當前技術(shù)發(fā)展情況進行展望,便于后續(xù)研究的開展。
王堯偉[8]（2020）在《經(jīng)驗小波變換在橋梁模態(tài)參數(shù)識別中的最優(yōu)組合形式研究》文中研究表明經(jīng)驗小波變換是一種新興的時頻域模態(tài)參數(shù)識別方法,其在機械故障識別、信號特征提取及信號降噪等方向得到了廣泛研究,通過現(xiàn)有研究可知,頻譜分割精度與小波基類型對經(jīng)驗小波變換方法的精度具有決定性因素。基于現(xiàn)有的經(jīng)驗小波變換研究成果,對其在橋梁模態(tài)參數(shù)識別領(lǐng)域的應(yīng)用進行了深入研究,根據(jù)實際工程數(shù)據(jù)的應(yīng)用效果,選擇出最優(yōu)經(jīng)驗小波變換組合形式。主要內(nèi)容包括:1.闡述了經(jīng)驗小波變換的原理,對影響其分析精度的關(guān)鍵因素進行了分析,匯總現(xiàn)有的基于頻譜分割的經(jīng)驗小波變換改進方法,建立了基于不同頻譜分割方法的經(jīng)驗小波變換改進方法比選框架,以含噪信號為研究對象,選擇出較優(yōu)的頻譜分割方法。2.介紹了工程中常用的小波基函數(shù),根據(jù)特性參數(shù)對小波基函數(shù)進行了初步比選?；谛〔ò纸馑枷?建立了經(jīng)驗小波變換中除Meyer小波基外其他小波基的嵌入方法,并以仿真信號為對象驗證了該方法的應(yīng)用效果。3.基于統(tǒng)計學(xué)原理,提出了一種新的奇異值重構(gòu)階次確定方法,以不同噪聲級別的仿真信號驗證了該方法應(yīng)用效果,在此基礎(chǔ)上建立了基于奇異值重構(gòu)的經(jīng)驗小波變換改進方法,將其與現(xiàn)有的經(jīng)驗小波變換改進方法進行了應(yīng)用效果的對比,驗證了該方法的計算精度,對不同的頻譜分割方法與小波基函數(shù)進行了組合,建立了基于橋梁模態(tài)參數(shù)識別的最優(yōu)經(jīng)驗小波變換組合比選規(guī)則。4.以某大跨度懸索橋為研究背景,利用探索性數(shù)據(jù)分析技術(shù)對其健康監(jiān)測系統(tǒng)采集的加速度響應(yīng)進行了預(yù)處理,以主梁豎向加速度響應(yīng)為分析對象,對不同經(jīng)驗小波變換組合進行了全年分析數(shù)據(jù)對比,并基于模態(tài)參數(shù)識別數(shù)量、數(shù)值分布范圍、重構(gòu)信號信噪比與均方根誤差等指標進行熵權(quán)法分析,進而選擇出最優(yōu)經(jīng)驗小波變換組合形式,最后以該橋主梁橫向、橋塔縱橫向及吊索的實測響應(yīng)數(shù)據(jù)驗證了該方法計算精度。
殷紅[9]（2019）在《工程結(jié)構(gòu)的傳感器優(yōu)化布置及模態(tài)分析》文中研究表明近十幾年來,我國已經(jīng)修建了大批的重大工程。隨著經(jīng)濟的發(fā)展和科技的進步,規(guī)模更大的復(fù)雜工程結(jié)構(gòu)還將陸續(xù)問世。隨著工程結(jié)構(gòu)服役役齡的增加及諸多因素的影響,其服役能力逐漸降低。許多大型結(jié)構(gòu)增設(shè)健康監(jiān)測系統(tǒng),以監(jiān)測結(jié)構(gòu)的服役安全狀況。合理的傳感器布置是結(jié)構(gòu)健康監(jiān)測的前提,最優(yōu)的傳感器布置方案可降低傳感器數(shù)量,提高響應(yīng)信息的覆蓋率和靈敏度。根據(jù)響應(yīng)可有效識別結(jié)構(gòu)的模態(tài)參數(shù)。以模態(tài)分析結(jié)果進行結(jié)構(gòu)有限元模型修正,進而對結(jié)構(gòu)的動力學(xué)分析、狀態(tài)評估、損傷診斷等諸多工程問題提供科學(xué)依據(jù)?；谝陨媳尘?論文開展以下研究:（1）提出引入Lévy flight和螢火蟲行為的魚群算法（Fish Swarm Algorithm with Lévy Flight and Firefly Behavior,LFFSA）。將螢火蟲個體的移動策略引入魚群的聚群和覓食兩種行為模式,并將Lévy flight的搜索策略引入魚群的尋優(yōu)路徑。此外,采取一種基于動態(tài)參數(shù)的非線性變視野和變步長的策略限定魚群的搜索范圍,增強步長因子的自適應(yīng)性。通過9個測試函數(shù)對人工魚群算法（Artificial Fish-Swarm Algorithm,AFSA）、螢火蟲算法（Firefly Algorithm,FA）、帶有Lévy flight的螢火蟲算法（Firefly Algorithm with Lévy flight,LFA）、擁有吸引度定義的魚群算法（Fish-Swarm Algorithm with Firefly Behavior,FFSA）和Lévy flight和螢火蟲行為的魚群算法（LFFSA）等5種算法的尋優(yōu)性能進行了收斂精度的與時間復(fù)雜度的計算和測試比較。結(jié)果表明,提出的LFFSA算法較其他算法有更好的全局搜索能力和尋優(yōu)精度。（2）分別提出基于松弛序列法和LFFSA算法的傳感器優(yōu)化布置方法。首先將松弛思想融入傳感器優(yōu)化布置的序列優(yōu)化方法,提出了傳感器優(yōu)化布置的松弛序列法。其次,將提出的LFFSA群智能優(yōu)化算法應(yīng)用到傳感器優(yōu)化布置中。兩種方法均選取模態(tài)保證準則（Modal Assurance Criteria,MAC）矩陣的最大非對角元素為目標函數(shù)。最后,以平面桁架結(jié)構(gòu)和三維橋梁結(jié)構(gòu)模型為例,將以上兩種方法與傳統(tǒng)的積累序列法進行比較研究。結(jié)果表明,提出的松弛序列法和LFFSA法兩種方法的傳感器布置效果均優(yōu)于傳統(tǒng)的累計序列法,且基于LFFSA算法的傳感器優(yōu)化布置方法在取得了最好的傳感器布置效果。（3）提出基于變分模態(tài)分解（Variational Mode Decomposition,VMD）和隨機子空間法（Stochastic Subspace Identification,SSI）相結(jié)合的VMD-SSI模態(tài)參數(shù)識別方法。構(gòu)建模態(tài)重復(fù)比率作為模態(tài)分解層數(shù)K的評價準則,利用SSI法減小了VMD參數(shù)識別中的曲線擬合誤差,提高了模態(tài)參數(shù)識別的精度。最后利用統(tǒng)計理論分別檢驗VMD-SSI法識別的模態(tài)頻率、模態(tài)阻尼和模態(tài)振型,驗證該方法的有效性。（4）初步研究基于模態(tài)參數(shù)識別的模型修正方法。采用代理模型方法建立結(jié)構(gòu)參數(shù)與模態(tài)參數(shù)之間的模型,將模型修正的問題就轉(zhuǎn)化為有約束的非線性規(guī)劃問題,采用布谷鳥智能優(yōu)化算法進行優(yōu)化,得到修正后的結(jié)構(gòu)參數(shù),并對結(jié)構(gòu)參數(shù)的修正效果進行驗證。利用Kriging模型、徑向基函數(shù)、支持向量機和多項式響應(yīng)面4種代理模型對一平面桁架結(jié)構(gòu)進行模型修正。桁架結(jié)構(gòu)模型修正實例表明Kriging模型和響應(yīng)面模型分別具有較高的精度和效率。
王佳俊[10]（2019）在《心墻堆石壩壩面碾壓智能監(jiān)控方法與應(yīng)用研究》文中認為水利工程建設(shè)攸關(guān)經(jīng)濟發(fā)展與社會民生。自“十三五”水利改革及發(fā)展規(guī)劃制定以來,水利工程建設(shè)規(guī)模和投資規(guī)模逐年擴大,并取得了顯著的經(jīng)濟效益和社會效益。心墻堆石壩以其經(jīng)濟性、安全性等顯著優(yōu)點成為首選壩型。隨著人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)等先進技術(shù)的快速發(fā)展,智能建設(shè)時代隨之到來。心墻堆石壩碾壓施工在經(jīng)歷過人工化、機械化、自動化階段后,正逐漸由數(shù)字化階段向智能化階段推進。然而,心墻堆石壩數(shù)字化碾壓在智能建設(shè)時代面臨著壩面碾壓施工信息感知不全面、感知技術(shù)與方法缺乏先進性、壩面碾壓施工質(zhì)量分析缺乏深度、壩面碾壓施工過程決策與控制智能化水平低等諸多挑戰(zhàn)。因此,迫切需要總結(jié)已有工程的研究成果和經(jīng)驗,全面開展心墻堆石壩壩面碾壓智能監(jiān)控方法研究,集中攻關(guān)亟待解決的關(guān)鍵技術(shù),提升心墻堆石壩壩面碾壓施工管理與控制水平。本文就上述問題展開了深入的研究分析,取得了如下的主要成果:（1）提出了心墻堆石壩壩面碾壓智能監(jiān)控基本概念,豐富和發(fā)展數(shù)字大壩理論。在經(jīng)歷了人工化、機械化、自動化和數(shù)字化四個建設(shè)階段后,心墻堆石壩施工管理與控制理論已發(fā)展至數(shù)字大壩理論,并以此為基礎(chǔ)先后出現(xiàn)施工信息模型、智慧大壩、智能監(jiān)控和大壩智能建設(shè)等基本理念。這些理念從碾壓施工的感知、分析、控制及監(jiān)控系統(tǒng)研發(fā)等方面為心墻堆石壩碾壓施工提供了科學(xué)的指導(dǎo)。然而,以這些理念為基礎(chǔ)的心墻堆石壩壩面碾壓施工還面臨著壩面碾壓施工信息感知不全面且感知技術(shù)與方法缺乏先進性、壩面碾壓施工質(zhì)量分析缺乏深度、壩面碾壓施工過程決策與控制智能化水平低等諸多挑戰(zhàn)。針對上述問題,首先,詳細回顧了心墻堆石壩壩面碾壓施工管理的發(fā)展歷程,深入剖析了數(shù)字大壩、施工信息模型、智慧大壩、智能監(jiān)控和大壩智能建設(shè)的基本概念和內(nèi)涵,并融合“物聯(lián)網(wǎng)+”、“人工智能+”等多種智能技術(shù)理念,緊扣心墻堆石壩壩面碾壓施工的工程特點,提出心墻堆石壩壩面碾壓智能監(jiān)控基本概念,同時闡述了心墻堆石壩壩面碾壓智能監(jiān)控的基本特征和主要研究內(nèi)容;其次,梳理心墻堆石壩壩面碾壓施工智能感知、智能分析、智能控制等各環(huán)節(jié)的技術(shù)方法;最后,建立了心墻堆石壩壩面碾壓智能監(jiān)控數(shù)學(xué)模型,描述了心墻堆石壩壩面碾壓智能監(jiān)控的目標集、信息集、方法集和約束集,提出了心墻堆石壩壩面碾壓智能監(jiān)控的研究框架。（2）針對目前心墻堆石壩壩面碾壓施工信息感知不全面且感知技術(shù)與方法缺乏先進性的問題,提出了心墻堆石壩壩面碾壓施工信息智能感知與集成方法,實現(xiàn)了壩面碾壓施工信息的智能感知與集成。目前心墻堆石壩壩面碾壓施工尚未建立完善的壩面碾壓施工信息感知體系,無法全面透徹感知壩面碾壓施工信息,如缺乏對碾輪振動信號噪聲的處理與碾輪振動特性參數(shù)的感知,缺乏對多類型障礙物的識別,以及缺乏對大壩地形地貌信息的感知與重構(gòu)等;同時,在壩面碾壓施工信息集成方面存在未集成多源異構(gòu)壩面碾壓施工信息、未進行不平衡數(shù)據(jù)處理等問題。針對上述問題,提出了心墻堆石壩壩面碾壓施工信息智能感知與集成的方法。首先,分析了壩面碾壓施工信息智能感知與集成的內(nèi)容與技術(shù),建立了集感知、傳送、集成于一體的壩面碾壓施工信息智能感知與集成框架;其次,采用加速度傳感器感知碾輪的振動信號,并在小波降噪的基礎(chǔ)上采用快速傅里葉變換提取碾輪振動特性參數(shù),為壩面碾壓施工質(zhì)量評價提供數(shù)據(jù)基礎(chǔ)與技術(shù)支持;再者,提出基于空洞卷積核的Faster-RCNN（Regions with Convolutional Neural Network）模型,在機載工業(yè)相機獲取的圖像信息基礎(chǔ)上識別倉面中多類型障礙物,為實現(xiàn)壩面碾壓施工安全控制提供理論基礎(chǔ);再者,采用基于無人機傾斜攝影的三維建模技術(shù)實現(xiàn)大壩地形地貌信息的感知與重構(gòu),為心墻堆石壩壩面碾壓施工智能監(jiān)控系統(tǒng)三維場景的搭建提供技術(shù)支持;進而,設(shè)計多源異構(gòu)壩面碾壓施工信息集成框架,實現(xiàn)碾壓參數(shù)、料源參數(shù)、碾輪振動特性參數(shù)和試坑試驗數(shù)據(jù)的集成,為施工信息分析提供數(shù)據(jù)基礎(chǔ);最后,提出基于K-Means的下抽樣方法,能夠在保持子概念個數(shù)不變的同時剔除局部密集數(shù)據(jù),實現(xiàn)了對不平衡數(shù)據(jù)的處理,以保證數(shù)據(jù)分析的可靠性。（3）針對目前心墻堆石壩壩面碾壓施工質(zhì)量分析深度不夠的問題,提出了心墻堆石壩壩面碾壓施工質(zhì)量智能分析方法,實現(xiàn)了壩面碾壓施工質(zhì)量的智能分析。目前心墻堆石壩壩面碾壓施工質(zhì)量分析存在如下問題:首先,未能綜合考慮碾壓參數(shù)、料源參數(shù)及碾輪振動特性參數(shù)對壓實質(zhì)量的影響;其次,目前常采用的多元線性回歸、反向傳播神經(jīng)網(wǎng)絡(luò)和支持向量回歸等算法建立的壓實質(zhì)量評價模型在精度、魯棒性和泛化能力等方面均有待進一步提升;最后,上述模型均未能夠?qū)崟r地對壩面碾壓施工質(zhì)量進行智能評價,且缺乏壩面碾壓施工質(zhì)量評價模型的更新研究。針對上述問題,提出了心墻堆石壩壩面碾壓施工質(zhì)量智能分析方法。首先,以心墻堆石壩壩面碾壓施工信息智能感知數(shù)據(jù)為基礎(chǔ),綜合考慮碾壓參數(shù)、料源參數(shù)、碾輪振動特性參數(shù)對壩面碾壓施工質(zhì)量的影響,建立壩面碾壓施工質(zhì)量綜合評價數(shù)學(xué)模型;其次,考慮到模糊邏輯雖然具有較強的魯棒性、但是模型精度受限于規(guī)則庫建立的問題,同時支持向量回歸雖然具有較強的泛化能力、但是無法逼近L2（R）中的函數(shù)從而無法保證擬合精度的問題,從模糊邏輯規(guī)則庫建立以及支持向量回歸在L2（R）函數(shù)逼近等方面考慮,結(jié)合混沌理論、自適應(yīng)理論、量子行為等多種智能成分,分別提出基于組合核和智能細菌覓食的模糊邏輯以及基于智能細菌覓食的自定義核支持向量回歸兩種算法,并在此兩種算法基礎(chǔ)上建立高精度、高泛化能力和高魯棒性的壓實質(zhì)量評價模型;通過與常用模型的對比分析,選出精度、泛化能力和魯棒性最優(yōu)的模型,并將其嵌入至碾壓施工智能監(jiān)控系統(tǒng)中,從而實現(xiàn)壓實質(zhì)量的智能評價;最后,提出了基于增強概率神經(jīng)網(wǎng)絡(luò)和可變窗口技術(shù)的概念漂移檢測算法,實現(xiàn)了對壩面碾壓施工流數(shù)據(jù)中概念漂移現(xiàn)象的檢測,并以出現(xiàn)概念漂移為條件實現(xiàn)了壓實質(zhì)量模型的更新,解決了當前碾壓施工質(zhì)量評價模型何時更新、如何更新的問題。（4）針對目前心墻堆石壩壩面碾壓施工過程決策與控制智能化水平低的問題,提出了心墻堆石壩壩面碾壓施工智能控制方法,實現(xiàn)壩面碾壓施工事前、事中和事后的智能控制。心墻堆石壩壩面碾壓施工控制可以分為事前、事中和事后控制。目前,事前控制主要通過碾壓試驗確定碾壓參數(shù)的方法實現(xiàn),但是這種方式未考慮壩面碾壓施工質(zhì)量、施工進度和施工成本的綜合影響;事中控制主要依托車載平板系統(tǒng)對超速、不達標碾壓遍數(shù)和錯誤振動狀態(tài)等進行實時報警,但是忽略了對壩面碾壓施工質(zhì)量的評價,缺乏對倉面施工路徑規(guī)劃、倉面內(nèi)多類型障礙物的目標識別,未能夠有效的控制壩面碾壓施工質(zhì)量和安全;事后控制主要通過試坑試驗抽檢實現(xiàn),但這種方式存在離散性大,時效性差等缺點。針對上述問題,提出了心墻堆石壩壩面碾壓施工過程智能控制方法。首先,建立了心墻堆石壩壩面碾壓施工智能控制框架,闡述事前、事中和事后各環(huán)節(jié)控制的內(nèi)容與對應(yīng)的控制方法;其次,提出多目標智能細菌覓食算法,求解以碾壓參數(shù)為決策變量、以進度和成本為多目標、以碾壓質(zhì)量為主要約束的優(yōu)化模型;最后,提出了基于AR（Augmented Reality）實景導(dǎo)引的壩面碾壓施工智能控制方法,對壩面碾壓施工路徑規(guī)劃、壓實質(zhì)量智能評價、障礙物目標識別等虛擬信息與攝像頭獲取的真實施工場景進行虛實融合,實現(xiàn)了對壩面碾壓施工質(zhì)量不合格、壩面碾壓施工安全隱患等問題形象、直觀的實時報警,并同時規(guī)劃了補碾方案,進而實現(xiàn)事中與事后的智能控制。（5）基于心墻堆石壩智能感知、智能分析與智能控制等,研發(fā)了心墻堆石壩壩面碾壓施工智能監(jiān)控系統(tǒng)。目前心墻堆石壩數(shù)字化碾壓施工質(zhì)量實時監(jiān)控系統(tǒng)實現(xiàn)了碾壓參數(shù)的全天候、精細化實時監(jiān)控。但是該系統(tǒng)以二維界面實現(xiàn)信息的可視化,存在展示直觀性差、交互友好性差等不足;同時,該系統(tǒng)基于C/S構(gòu)架（Client/Server）開發(fā),主要在Windows系統(tǒng)中運行,跨平臺使用難度大;而且C/S架構(gòu)中客戶端承載大量邏輯處理功能,因此該系統(tǒng)還存在數(shù)據(jù)易泄露的安全隱患。針對上述問題,結(jié)合壩面碾壓施工信息智能感知、壩面碾壓施工質(zhì)量智能分析及壩面碾壓施工過程的智能控制等方面的研究成果研發(fā)了心墻堆石壩壩面碾壓施工三維智能監(jiān)控系統(tǒng)。該系統(tǒng)采用B/S架構(gòu)（Browser/Server）替換C/S架構(gòu),解決了數(shù)字化碾壓施工質(zhì)量實時監(jiān)控系統(tǒng)跨平臺使用難度大的問題,并且B/S架構(gòu)將邏輯處理功能集成在服務(wù)端中,解決了數(shù)據(jù)易泄露的問題;同時,該系統(tǒng)采用面向?qū)ο蠹夹g(shù)、基于Unity3D（U3D）的虛擬現(xiàn)實技術(shù)（Virtual reality,VR）等,在增強現(xiàn)實技術(shù)（Augmented reality,AR）與基于無人機傾斜攝影搭建的三維虛實結(jié)合場景中,實現(xiàn)壩面碾壓施工信息的集成、壩面碾壓施工信息的智能分析及壩面碾壓施工過程的智能控制等功能,解決了數(shù)字化碾壓施工質(zhì)量實時監(jiān)控系統(tǒng)展示直觀性差、交互友好性差等問題。
二、智能傳感器·網(wǎng)絡(luò)傳感器·信息傳感器（論文開題報告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡單簡介論文所研究問題的基本概念和背景，再而簡單明了地指出論文所要研究解決的具體問題，并提出你的論文準備的觀點或解決方法。
寫法范例：
本文主要提出一款精簡64位RISC處理器存儲管理單元結(jié)構(gòu)并詳細分析其設(shè)計過程。在該MMU結(jié)構(gòu)中,TLB采用叁個分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲器并行查找,支持粗粒度為64KB和細粒度為4KB兩種頁面大小,采用多級分層頁表結(jié)構(gòu)映射地址空間,并詳細論述了四級頁表轉(zhuǎn)換過程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲系統(tǒng)實現(xiàn)的一個重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對象從而得到有關(guān)信息。
實驗法：通過主支變革、控制研究對象來發(fā)現(xiàn)與確認事物間的因果關(guān)系。
文獻研究法：通過調(diào)查文獻來獲得資料，從而全面的、正確的了解掌握研究方法。
實證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實踐的需要提出設(shè)計。
定性分析法：對研究對象進行“質(zhì)”的方面的研究，這個方法需要計算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對研究對象的認識進一步精確化。
跨學(xué)科研究法：運用多學(xué)科的理論、方法和成果從整體上對某一課題進行研究。
功能分析法：這是社會科學(xué)用來分析社會現(xiàn)象的一種方法，從某一功能出發(fā)研究多個方面的影響。
模擬法：通過創(chuàng)設(shè)一個與原型相似的模型來間接研究原型某種特性的一種形容方法。
三、智能傳感器·網(wǎng)絡(luò)傳感器·信息傳感器（論文提綱范文）
（1）基于FPGA的多環(huán)境參數(shù)在線監(jiān)測系統(tǒng)的研發(fā)（論文提綱范文）
| 摘要 |
| abstract |
| 1 緒論 |
| 1.1 課題研究的背景和意義 |
| 1.2 國內(nèi)外環(huán)境監(jiān)測研究現(xiàn)狀 |
| 1.2.1 國外研究現(xiàn)狀 |
| 1.2.2 國內(nèi)研究現(xiàn)狀 |
| 1.3 本文研究內(nèi)容及組織安排 |
| 1.3.1 論文的主要研究內(nèi)容 |
| 1.3.2 論文內(nèi)容的組織安排 |
| 1.4 本文的主要貢獻 |
| 2 環(huán)境在線監(jiān)測系統(tǒng)相關(guān)技術(shù)介紹 |
| 2.1 監(jiān)測系統(tǒng)的核心控制技術(shù) |
| 2.1.1 FPGA核心控制技術(shù) |
| 2.1.2 FPGA開發(fā)語言及開發(fā)流程 |
| 2.1.3 FPGA應(yīng)用于環(huán)境監(jiān)測領(lǐng)域的優(yōu)勢 |
| 2.2 感測技術(shù)及環(huán)境監(jiān)測傳感器原理 |
| 2.2.1 感測技術(shù) |
| 2.2.2 氣體傳感器及原理 |
| 2.2.3 顆粒物傳感器及原理 |
| 2.2.4 溫濕度傳感器及原理 |
| 2.3 物聯(lián)網(wǎng)云平臺技術(shù) |
| 2.3.1 OneNET云平臺架構(gòu) |
| 2.3.2 OneNET云平臺技術(shù) |
| 2.4 監(jiān)測終端與云端的數(shù)據(jù)通信 |
| 2.4.1 UDP/TCP通信協(xié)議 |
| 2.4.2 無線通信技術(shù)的比較 |
| 2.5 本章小結(jié) |
| 3 環(huán)境監(jiān)測系統(tǒng)總體方案設(shè)計 |
| 3.1 系統(tǒng)需求分析與設(shè)計原則 |
| 3.1.1 系統(tǒng)需求分析 |
| 3.1.2 系統(tǒng)設(shè)計原則 |
| 3.2 系統(tǒng)總體架構(gòu)設(shè)計 |
| 3.3 系統(tǒng)技術(shù)路線 |
| 3.4 本章小結(jié) |
| 4 環(huán)境監(jiān)測系統(tǒng)硬件設(shè)計與實現(xiàn) |
| 4.1 環(huán)境監(jiān)測系統(tǒng)硬件總體結(jié)構(gòu) |
| 4.2 主控模塊硬件電路 |
| 4.2.1 主控芯片選型 |
| 4.2.2 FPGA的最小系統(tǒng)電路 |
| 4.3 傳感器陣列電路設(shè)計 |
| 4.3.1 六種氣體傳感器接口電路設(shè)計 |
| 4.3.2 激光粉塵傳感器接口電路設(shè)計 |
| 4.3.3 溫濕度傳感器接口電路設(shè)計 |
| 4.3.4 空氣泵模塊電路設(shè)計 |
| 4.4 RS232通信接口電路設(shè)計 |
| 4.5 無線通信模塊電路設(shè)計 |
| 4.6 PCB設(shè)計 |
| 4.7 本章小結(jié) |
| 5 環(huán)境監(jiān)測控制系統(tǒng)軟件開發(fā)及云平臺應(yīng)用 |
| 5.1 監(jiān)測控制系統(tǒng)軟件開發(fā)總體結(jié)構(gòu) |
| 5.2 監(jiān)測終端數(shù)據(jù)采集部分軟件設(shè)計 |
| 5.2.1 同步時鐘模塊 |
| 5.2.2 system＿uart＿top信號收發(fā)模塊 |
| 5.2.3 cmd＿decode信號解析模塊 |
| 5.2.4 8路傳感器模塊 |
| 5.2.5 空氣泵模塊 |
| 5.2.6 data＿encode數(shù)據(jù)打包模塊 |
| 5.2.7 數(shù)據(jù)緩存模塊 |
| 5.2.8 波特率匹配模塊 |
| 5.3 無線通信模塊軟件設(shè)計 |
| 5.3.1 無線通訊指令 |
| 5.3.2 軟件設(shè)計原理及仿真 |
| 5.4 物聯(lián)網(wǎng)云平臺開發(fā) |
| 5.4.1 OneNET云平臺網(wǎng)絡(luò)通信方式 |
| 5.4.2 云端Lua解析腳本設(shè)計 |
| 5.4.3 云平臺應(yīng)用設(shè)計 |
| 5.4.4 監(jiān)測系統(tǒng)數(shù)據(jù)流顯示界面設(shè)計 |
| 5.5 本章小結(jié) |
| 6 系統(tǒng)測試 |
| 6.1 無線通信模塊功能測試 |
| 6.2 傳感器模塊功能測試 |
| 6.3 整體功能測試 |
| 6.3.1 測試目的 |
| 6.3.2 硬件搭建 |
| 6.3.3 OneNET云平臺應(yīng)用測試 |
| 6.3.4 測量誤差評估 |
| 6.4 本章小結(jié) |
| 7 結(jié)論與展望 |
| 7.1 結(jié)論 |
| 7.2 展望 |
| 參考文獻 |
| 攻讀碩士學(xué)位期間發(fā)表的論文及成果 |
| 致謝 |
（2）安全閥智能上料車自動行走系統(tǒng)研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 課題研究背景與意義 |
| 1.2 國內(nèi)外研究動態(tài) |
| 1.2.1 安全閥上料設(shè)備 |
| 1.2.2 無人搬運車(AGV)的發(fā)展 |
| 1.2.3 虛擬樣機仿真技術(shù) |
| 1.2.4 輪式移動機器人軌跡跟蹤控制技術(shù) |
| 1.3 課題研究內(nèi)容 |
| 第二章 安全閥上料車總體方案設(shè)計 |
| 2.1 引言 |
| 2.2 安全閥上料車總體設(shè)計要求 |
| 2.2.1 工況分析 |
| 2.2.2 功能需求 |
| 2.2.3 主要技術(shù)指標 |
| 2.3 行走系統(tǒng)關(guān)鍵技術(shù)分析 |
| 2.3.1 導(dǎo)引方式 |
| 2.3.2 站點識別 |
| 2.3.3 驅(qū)動方式 |
| 2.4 機械系統(tǒng)設(shè)計 |
| 2.4.1 整體結(jié)構(gòu)方案 |
| 2.4.2 對中機構(gòu)設(shè)計 |
| 2.4.3 行走底盤結(jié)構(gòu)設(shè)計 |
| 2.4.4 行走底盤有限元分析 |
| 2.4.5 行走驅(qū)動機構(gòu)設(shè)計 |
| 2.5 控制系統(tǒng)設(shè)計 |
| 2.5.1 上層控制系統(tǒng)設(shè)計 |
| 2.5.2 底層控制系統(tǒng)設(shè)計 |
| 2.6 本章小結(jié) |
| 第三章 安全閥上料車行走穩(wěn)定性研究 |
| 3.1 引言 |
| 3.2 安全閥上料車行走穩(wěn)定性理論分析 |
| 3.2.1 運動學(xué)分析 |
| 3.2.2 動力學(xué)分析 |
| 3.3 虛擬樣機的建立及仿真前處理 |
| 3.3.1 安全閥上料車的虛擬樣機 |
| 3.3.2 模型參數(shù)設(shè)置 |
| 3.3.3 接觸力分析 |
| 3.4 安全閥上料車運動仿真及結(jié)果分析 |
| 3.4.1 驅(qū)動力對行走穩(wěn)定性的影響 |
| 3.4.2 輪地靜摩擦系數(shù)對原地轉(zhuǎn)向的影響 |
| 3.4.3 轉(zhuǎn)向角加速度對原地轉(zhuǎn)向的影響 |
| 3.4.4 偏心距對原地轉(zhuǎn)向的影響 |
| 3.5 參數(shù)優(yōu)化取值分析 |
| 3.5.1 偏心距優(yōu)化 |
| 3.5.2 轉(zhuǎn)向角加速度取值 |
| 3.6 本章小結(jié) |
| 第四章 安全閥上料車軌跡跟蹤控制研究 |
| 4.1 引言 |
| 4.2 安全閥上料車軌跡跟蹤控制系統(tǒng)的描述 |
| 4.2.1 安全閥上料車軌跡跟蹤過程分析 |
| 4.2.2 安全閥上料車軌跡跟蹤控制系統(tǒng)建模 |
| 4.3 基于李雅普諾夫直接法的控制器設(shè)計 |
| 4.3.1 李雅普諾夫穩(wěn)定性分析 |
| 4.3.2 軌跡跟蹤控制器設(shè)計 |
| 4.4 基于滑模變結(jié)構(gòu)的控制器設(shè)計 |
| 4.4.1 滑?？刂苹驹?/td> |
| 4.4.2 切換函數(shù)設(shè)計 |
| 4.4.3 滑模控制器設(shè)計 |
| 4.5 軌跡跟蹤控制器仿真分析 |
| 4.5.1 直線軌跡跟蹤 |
| 4.5.2 曲線軌跡跟蹤 |
| 4.6 本章小結(jié) |
| 第五章 安全閥上料車物理樣機試驗 |
| 5.1 引言 |
| 5.2 物理樣機制造 |
| 5.2.1 行走底盤制造 |
| 5.2.2 物理樣機整體結(jié)構(gòu) |
| 5.3 硬件系統(tǒng)搭建 |
| 5.4 原地轉(zhuǎn)向誤差試驗 |
| 5.4.1 偏心距試驗 |
| 5.4.2 轉(zhuǎn)向角加速度試驗 |
| 5.5 軌跡跟蹤控制試驗 |
| 5.6 本章小結(jié) |
| 第六章 主要結(jié)論與展望 |
| 6.1 主要結(jié)論 |
| 6.2 創(chuàng)新點 |
| 6.3 展望 |
| 致謝 |
| 參考文獻 |
| 附錄:作者在攻讀碩士學(xué)位期間的學(xué)術(shù)成果 |
（3）基于概率模型與深度學(xué)習(xí)的室內(nèi)定位方法研究（論文提綱范文）
| 摘要 |
| abstract |
| 第一章 緒論 |
| 1.1 研究背景與意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.3 研究內(nèi)容與論文結(jié)構(gòu)安排 |
| 第二章 基于地圖匹配的室內(nèi)定位算法 |
| 2.1 室內(nèi)定位技術(shù)簡介 |
| 2.1.1 基于慣性導(dǎo)航系統(tǒng)的室內(nèi)定位技術(shù) |
| 2.1.2 基于數(shù)據(jù)融合的室內(nèi)定位技術(shù) |
| 2.2 地圖匹配融合定位算法 |
| 2.2.1 基于粒子濾波的地圖融合定位算法 |
| 2.2.2 基于PF-net的地圖融合定位算法 |
| 2.2.3 語言模型 |
| 2.3 本章小結(jié) |
| 第三章 基于動態(tài)詞嵌入的地圖數(shù)據(jù)提取算法研究 |
| 3.1 詞嵌入算法研究 |
| 3.1.1 靜態(tài)詞嵌入算法 |
| 3.1.2 動態(tài)詞嵌入算法 |
| 3.2 地圖數(shù)據(jù)提取算法 |
| 3.2.1 地圖數(shù)據(jù)預(yù)處理 |
| 3.2.2 地圖數(shù)據(jù)提取算法設(shè)計 |
| 3.3 實驗評估方法 |
| 3.3.1 余弦相似度 |
| 3.3.2 軌跡向量 |
| 3.4 實驗驗證 |
| 3.4.1 實驗設(shè)置 |
| 3.4.2 實驗結(jié)果 |
| 3.5 本章小結(jié) |
| 第四章 基于概率模型與深度學(xué)習(xí)的地圖融合定位算法 |
| 4.1 變分自編碼器技術(shù)研究 |
| 4.2 地圖融合定位算法設(shè)計 |
| 4.2.1 地圖融合定位算法結(jié)構(gòu) |
| 4.2.2 地圖融合定位算法實現(xiàn)細節(jié) |
| 4.3 實驗驗證 |
| 4.3.1 數(shù)據(jù)采集 |
| 4.3.2 模型訓(xùn)練 |
| 4.3.3 評估標準 |
| 4.3.4 實驗結(jié)果 |
| 4.4 本章小結(jié) |
| 第五章 總結(jié)與展望 |
| 5.1 總結(jié) |
| 5.2 展望 |
| 致謝 |
| 參考文獻 |
| 攻讀碩士期間取得的研究成果 |
（4）中國橋梁工程學(xué)術(shù)研究綜述·2021（論文提綱范文）
| 0引言（東南大學(xué)王景全老師提供初稿） |
| 1 橋梁工程研究新進展（東南大學(xué)王景全老師提供初稿） |
| 1.1新材料促進橋梁工程技術(shù)革新 |
| 1.2橋梁工業(yè)化進程與智能建造技術(shù)取得長足發(fā)展 |
| 1.3橋梁抗災(zāi)變能力顯著提高 |
| 1.4橋梁智能化水平大幅提升 |
| 1.5跨海橋梁深水基礎(chǔ)不斷創(chuàng)新 |
| 2橋梁結(jié)構(gòu)設(shè)計 |
| 2.1橋梁作用及分析（同濟大學(xué)陳艾榮老師、長安大學(xué)韓萬水老師、河北工程大學(xué)劉煥舉老師提供初稿） |
| 2.1.1汽車作用 |
| 2.1.2溫度作用 |
| 2.1.3浪流作用 |
| 2.1.4分析方法 |
| 2.1.5展望 |
| 2.2鋼橋及組合結(jié)構(gòu)橋梁（西南交通大學(xué)衛(wèi)星老師提供初稿） |
| 2.2.1新型橋梁用鋼的研發(fā) |
| 2.2.2焊接節(jié)點疲勞性能 |
| 2.2.3鋼結(jié)構(gòu)橋梁動力行為 |
| 2.2.4復(fù)雜環(huán)境鋼橋服役性能 |
| 2.2.5組合結(jié)構(gòu)橋梁空間力學(xué)行為 |
| 2.2.6組合結(jié)構(gòu)橋梁關(guān)鍵構(gòu)造力學(xué)行為 |
| 2.2.7展望 |
| 2.3高性能材料 |
| 2.3.1超高性能混凝土（湖南大學(xué)邵旭東老師提供初稿） |
| 2.3.2工程水泥基復(fù)合材料（西南交通大學(xué)張銳老師提供初稿） |
| 2.3.3纖維增強復(fù)合材料（北京工業(yè)大學(xué)劉越老師提供初稿） |
| 2.3.4智能材料（西南交通大學(xué)勾紅葉老師提供初稿） |
| 2.3.5展望 |
| 2.4橋梁基礎(chǔ)工程（同濟大學(xué)梁發(fā)云老師提供初稿） |
| 2.4.1深水橋梁基礎(chǔ)形式 |
| 2.4.2橋梁基礎(chǔ)承載性能分析 |
| 2.4.3橋梁基礎(chǔ)動力特性分析 |
| 2.4.4深水橋梁基礎(chǔ)工程面臨的挑戰(zhàn) |
| 3橋梁建造新技術(shù) |
| 3.1鋼結(jié)構(gòu)橋梁施工新技術(shù)（西南交通大學(xué)衛(wèi)星老師提供初稿） |
| 3.1.1鋼結(jié)構(gòu)橋梁工程建設(shè)成就 |
| 3.1.2焊接制造新技術(shù) |
| 3.1.3施工新技術(shù) |
| 3.2橋梁快速建造技術(shù)（北京工業(yè)大學(xué)賈俊峰老師提供初稿） |
| 3.2.1預(yù)制裝配橋梁上部結(jié)構(gòu)關(guān)鍵技術(shù) |
| 3.2.2預(yù)制裝配橋墩及其抗震性能研究進展 |
| 3.2.2.1灌漿/灌縫固定連接預(yù)制橋墩及其抗震性能 |
| 3.2.2.2無黏結(jié)預(yù)應(yīng)力連接預(yù)制橋墩及其抗震性能 |
| 3.3橋梁建造技術(shù)發(fā)展態(tài)勢分析 |
| 4橋梁運維 |
| 4.1監(jiān)測與評估（浙江大學(xué)葉肖偉老師、湖南大學(xué)孔烜老師、西南交通大學(xué)崔闖老師提供初稿） |
| 4.1.1監(jiān)測技術(shù) |
| 4.1.2模態(tài)識別 |
| 4.1.3模型修正 |
| 4.1.4損傷識別 |
| 4.1.5狀態(tài)評估 |
| 4.1.6展望 |
| 4.2智能檢測（西南交通大學(xué)勾紅葉老師提供初稿） |
| 4.2.1智能檢測技術(shù) |
| 4.2.2智能識別與算法 |
| 4.2.3展望 |
| 4.3橋上行車安全性（中南大學(xué)國巍老師提供初稿） |
| 4.3.1風荷載作用下橋上行車安全性 |
| 4.3.1.1車-橋氣動參數(shù)識別 |
| 4.3.1.2風載作用下橋上行車安全性評估 |
| 4.3.1.3風浪作用下橋上行車安全性 |
| 4.3.1.4風屏障對行車安全性的影響 |
| 4.3.2地震作用下行車安全性 |
| 4.3.2.1地震-車-橋耦合振動模型 |
| 4.3.2.2地震動激勵特性的影響 |
| 4.3.2.3地震下橋上行車安全性評估 |
| 4.3.2.4車-橋耦合系統(tǒng)地震預(yù)警閾值研究 |
| 4.3.3長期服役條件下橋上行車安全性 |
| 4.3.4沖擊系數(shù)與振動控制研究 |
| 4.3.4.1車輛沖擊系數(shù) |
| 4.3.4.2車-橋耦合振動控制方法 |
| 4.3.5研究展望 |
| 4.4加固與性能提升（西南交通大學(xué)勾紅葉老師提供初稿） |
| 4.4.1增大截面加固法 |
| 4.4.2粘貼鋼板加固法 |
| 4.4.3體外預(yù)應(yīng)力筋加固法 |
| 4.4.4纖維增強復(fù)合材料加固法 |
| 4.4.5組合加固法 |
| 4.4.6新型混凝土材料的應(yīng)用 |
| 4.4.7其他加固方法 |
| 4.4.8發(fā)展展望 |
| 5橋梁防災(zāi)減災(zāi) |
| 5.1抗震減震（北京工業(yè)大學(xué)賈俊峰老師、中南大學(xué)國巍老師提供初稿） |
| 5.1.1公路橋梁抗震研究新進展 |
| 5.1.2鐵路橋梁抗震性能研究新進展 |
| 5.1.3橋梁抗震發(fā)展態(tài)勢分析 |
| 5.2抗風（東南大學(xué)張文明老師、哈爾濱工業(yè)大學(xué)陳文禮老師提供初稿） |
| 5.2.1橋梁風環(huán)境 |
| 5.2.2靜風穩(wěn)定性 |
| 5.2.3橋梁顫振 |
| 5.2.4橋梁馳振 |
| 5.2.5橋梁抖振 |
| 5.2.6主梁渦振 |
| 5.2.7拉索風致振動 |
| 5.2.8展望 |
| 5.3抗火（長安大學(xué)張崗老師、賀拴海老師、宋超杰等提供初稿） |
| 5.3.1材料高溫性能 |
| 5.3.2仿真與測試 |
| 5.3.3截面升溫 |
| 5.3.4結(jié)構(gòu)響應(yīng) |
| 5.3.5工程應(yīng)用 |
| 5.3.6展望 |
| 5.4抗撞擊及防護（湖南大學(xué)樊偉老師、謝瑞洪、王泓翔提供初稿） |
| 5.4.1車撞橋梁結(jié)構(gòu)研究現(xiàn)狀 |
| 5.4.2船撞橋梁結(jié)構(gòu)研究進展 |
| 5.4.3落石沖擊橋梁結(jié)構(gòu)研究現(xiàn)狀 |
| 5.4.4研究展望 |
| 5.5抗水（東南大學(xué)熊文老師提供初稿） |
| 5.5.1橋梁沖刷 |
| 5.5.2橋梁水毀 |
| 5.5.2.1失效模式 |
| 5.5.2.2分析方法 |
| 5.5.3監(jiān)測與識別 |
| 5.5.4結(jié)論與展望 |
| 5.6智能防災(zāi)減災(zāi)（西南交通大學(xué)勾紅葉老師、哈爾濱工業(yè)大學(xué)鮑躍全老師提供初稿） |
| 6結(jié)語（西南交通大學(xué)張清華老師提供初稿） |
| 策劃與實施 |
（5）面向自主船舶的危險分析方法研究（論文提綱范文）
| 創(chuàng)新點摘要 |
| 摘要 |
| ABSTRACT |
| 1 緒論 |
| 1.1 研究背景 |
| 1.2 研究的必要性及意義 |
| 1.3 國內(nèi)外相關(guān)研究現(xiàn)狀及進展 |
| 1.3.1 自主船舶的安全性研究 |
| 1.3.2 危險分析方法的發(fā)展與演變 |
| 1.3.3 系統(tǒng)理論過程分析的應(yīng)用 |
| 1.4 自主船舶安全性研究中存在的問題及解決思路 |
| 1.5 主要研究內(nèi)容與結(jié)構(gòu)框架 |
| 1.5.1 主要研究內(nèi)容 |
| 1.5.2 結(jié)構(gòu)框架 |
| 1.6 本章小結(jié) |
| 2 自主船舶的定義及其自主水平的界定 |
| 2.1 自主船舶的歷史沿革 |
| 2.2 自主船舶的發(fā)展歷程 |
| 2.3 自主船舶的定義與自主化演變 |
| 2.3.1 自主船舶的定義 |
| 2.3.2 船舶自主化的演變 |
| 2.4 自主水平分級標準 |
| 2.4.1 LR自主水平分級標準 |
| 2.4.2 NFAS自主水平分級標準 |
| 2.4.3 DMA自主水平分級標準 |
| 2.4.4 MASRWG自主水平分級標準 |
| 2.4.5 BV自主水平分級標準 |
| 2.4.6 IMO自主水平分級標準 |
| 2.5 自主水平分級標準的劃分依據(jù) |
| 2.6 基于航海實踐的自主水平分級方法 |
| 2.7 實例分析 |
| 2.7.1 “Folgefonn”號渡輪自主水平分級 |
| 2.7.2 “Falco”號渡輪自主水平分級 |
| 2.8 本章小結(jié) |
| 3 面向自主船舶的危險分析方法適用性評估 |
| 3.1 危險分析方法的選取與概述 |
| 3.1.1 基于事件鏈的危險分析方法 |
| 3.1.2 基于能量轉(zhuǎn)移的危險分析方法 |
| 3.1.3 基于狀態(tài)遷移的危險分析方法 |
| 3.1.4 基于系統(tǒng)理論的危險分析方法 |
| 3.1.5 其他危險分析方法 |
| 3.2 基于系統(tǒng)工程的適用性評估方法 |
| 3.2.1 文獻綜述的數(shù)據(jù)準備 |
| 3.2.2 危險分析方法的篩選 |
| 3.2.3 評估程序的確定 |
| 3.2.4 評估準則的生成 |
| 3.3 適用性評估過程 |
| 3.3.1 聚類分析 |
| 3.3.2 適用性評估結(jié)果 |
| 3.4 適用性評估結(jié)果分析 |
| 3.4.1 存在局限性的危險分析方法 |
| 3.4.2 STPA的適用性分析 |
| 3.5 本章小結(jié) |
| 4 面向自主船舶的危險分析與安全性建模 |
| 4.1 自主船舶的系統(tǒng)安全描述 |
| 4.1.1 自主船舶的運行特點 |
| 4.1.2 自主船舶面臨的系統(tǒng)風險 |
| 4.2 危險分析的基本原理 |
| 4.2.1 危險及其相關(guān)術(shù)語的定義 |
| 4.2.2 危險的轉(zhuǎn)化 |
| 4.2.3 危險分析過程 |
| 4.3 基于STPA的安全性協(xié)同分析方法 |
| 4.3.1 STPA及其擴展方法的局限性 |
| 4.3.2 STPA-SynSS的提出 |
| 4.4 考慮退化組件的自主船舶安全性建模 |
| 4.5 實例分析 |
| 4.5.1 基于STPA-SynSS的遠程控制船舶危險分析 |
| 4.5.2 考慮退化組件的遠程控制船舶安全性建模 |
| 4.6 STPA-SynSS與STPA危險分析結(jié)果的對比分析 |
| 4.7 本章小結(jié) |
| 5 面向自主船舶的形式化建模與危險分析結(jié)果驗證 |
| 5.1 形式化方法概述 |
| 5.2 基于時間自動機的模型檢測方法 |
| 5.2.1 模型檢測的基本原理 |
| 5.2.2 時間自動機理論 |
| 5.2.3 時間自動機網(wǎng)絡(luò) |
| 5.2.4 模型檢測工具UPPAAL概述 |
| 5.3 基于時間自動機的STPA-SynSS擴展流程 |
| 5.4 遠程控制船舶時間自動機網(wǎng)絡(luò)模型的構(gòu)建 |
| 5.5 STPA-SynSS危險分析結(jié)果的驗證 |
| 5.6 本章小結(jié) |
| 6 結(jié)論與展望 |
| 6.1 結(jié)論 |
| 6.2 展望 |
| 參考文獻 |
| 作者簡歷及攻讀博士學(xué)位期間的科研成果 |
| 致謝 |
（6）基于捷聯(lián)慣導(dǎo)的采煤機運行姿態(tài)高精度感知理論與技術(shù)研究（論文提綱范文）
| 致謝 |
| 摘要 |
| abstract |
| 變量注釋表 |
| 1 緒論 |
| 1.1 背景及意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.3 主要研究內(nèi)容與方案 |
| 2 基于捷聯(lián)慣導(dǎo)的采煤機運行姿態(tài)感知理論 |
| 2.1 采煤機運動與姿態(tài)特征 |
| 2.2 捷聯(lián)式慣性導(dǎo)航原理 |
| 2.3 采煤機運行姿態(tài)解算算法 |
| 2.4 捷聯(lián)慣導(dǎo)系統(tǒng)初始對準 |
| 2.5 捷聯(lián)慣導(dǎo)的卡爾曼濾波算法 |
| 2.6 本章小結(jié) |
| 3 采煤機捷聯(lián)慣導(dǎo)慣性敏感器誤差分析與補償 |
| 3.1 捷聯(lián)慣導(dǎo)誤差來源分析 |
| 3.2 慣性敏感器性能測試系統(tǒng) |
| 3.3 陀螺儀零偏誤差補償 |
| 3.4 加速度計零偏誤差補償 |
| 3.5 隨機漂移誤差模型 |
| 3.6 本章小結(jié) |
| 4 采煤機捷聯(lián)慣導(dǎo)初始對準與安裝誤差分析與補償 |
| 4.1 采煤機捷聯(lián)慣導(dǎo)初始對準誤差補償 |
| 4.2 采煤機捷聯(lián)慣導(dǎo)安裝誤差補償 |
| 4.3 采煤機捷聯(lián)慣導(dǎo)振動誤差補償 |
| 4.4 本章小結(jié) |
| 5 捷聯(lián)慣導(dǎo)單軸旋轉(zhuǎn)誤差調(diào)制機制研究 |
| 5.1 旋轉(zhuǎn)調(diào)制技術(shù)原理 |
| 5.2 單軸連續(xù)旋轉(zhuǎn)調(diào)制方案 |
| 5.3 單軸連續(xù)正反旋轉(zhuǎn)調(diào)制方案 |
| 5.4 四位置轉(zhuǎn)停調(diào)制方案 |
| 5.5 最佳旋轉(zhuǎn)調(diào)制方案的確定 |
| 5.6 本章小結(jié) |
| 6 捷聯(lián)慣導(dǎo)單軸旋轉(zhuǎn)誤差調(diào)制實驗 |
| 6.1 實驗方案設(shè)計與參數(shù)設(shè)定 |
| 6.2 單軸旋轉(zhuǎn)誤差調(diào)制實驗 |
| 6.3 單軸旋轉(zhuǎn)誤差調(diào)制效果分析 |
| 6.4 采煤機運行姿態(tài)感知現(xiàn)場應(yīng)用研究 |
| 6.5 本章小結(jié) |
| 7 結(jié)論與展望 |
| 7.1 研究結(jié)論 |
| 7.2 主要創(chuàng)新點 |
| 7.3 研究展望 |
| 參考文獻 |
| 附錄 |
| 作者簡歷 |
| 學(xué)位論文數(shù)據(jù)集 |
（7）基于聚合物基柔性傳感器智能感知模擬仿真系統(tǒng)的研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 研究背景 |
| 1.2 研究現(xiàn)狀 |
| 1.2.1 智能汽車研究現(xiàn)狀 |
| 1.2.2 柔性傳感器研究現(xiàn)狀 |
| 1.3 研究內(nèi)容及技術(shù)路線 |
| 1.3.1 研究目標 |
| 1.3.2 研究內(nèi)容 |
| 1.3.3 技術(shù)路線 |
| 1.3.4 創(chuàng)新點 |
| 第二章 智能感知系統(tǒng)原理及整體方案研究 |
| 2.1 智能感知系統(tǒng)整體方案研究 |
| 2.1.1 基于云計算的汽車智能感知控制系統(tǒng) |
| 2.1.2 智能感知系統(tǒng)方案設(shè)計 |
| 2.1.3 智能感知系統(tǒng)計算流程研究 |
| 2.2 汽車智能感知控制系統(tǒng)后視鏡調(diào)節(jié)分析 |
| 2.3 智能感知系統(tǒng)統(tǒng)計學(xué)原理研究 |
| 2.4 本章小結(jié) |
| 第三章 智能感知系統(tǒng)數(shù)據(jù)采集系統(tǒng)設(shè)計 |
| 3.1 聚合物基柔性傳感器原理分析 |
| 3.2 嵌入式系統(tǒng)總體方案 |
| 3.3 嵌入式系統(tǒng)硬件設(shè)計 |
| 3.4 嵌入式系統(tǒng)軟件設(shè)計 |
| 3.5 嵌入式-計算機通信系統(tǒng)設(shè)計 |
| 3.6 本章小結(jié) |
| 第四章 智能感知系統(tǒng)數(shù)據(jù)處理方法研究 |
| 4.1 聚合物基柔性傳感器壓力數(shù)據(jù)采集 |
| 4.1.1 傳感器壓力數(shù)據(jù)采集過程 |
| 4.1.2 傳感器壓力數(shù)據(jù)分析 |
| 4.1.3 聚合物基柔性傳感器感知原理分析 |
| 4.2 基于K階臨近算法的壓力數(shù)據(jù)處理 |
| 4.2.1 壓力曲線特征分析 |
| 4.2.2 K階臨近算法的數(shù)據(jù)處理 |
| 4.2.3 數(shù)據(jù)預(yù)處理 |
| 4.2.4 算法參數(shù)調(diào)節(jié) |
| 4.2.5 算法結(jié)果分析 |
| 4.3 本章小結(jié) |
| 第五章 智能感知系統(tǒng)展示界面設(shè)計 |
| 5.1 展示界面整體方案研究 |
| 5.1.1 展示界面技術(shù)選型 |
| 5.1.2 展示界面方案設(shè)計 |
| 5.2 展示界面數(shù)據(jù)采集及處理程序設(shè)計 |
| 5.2.1 傳感器數(shù)據(jù)采集程序設(shè)計 |
| 5.2.2 后端分流及計算程序設(shè)計 |
| 5.3 展示界面web程序設(shè)計 |
| 5.3.1 展示界面web技術(shù)方案對比 |
| 5.3.2 展示界面web前后端交互架構(gòu)設(shè)計 |
| 5.3.2.1 展示界面web后端請求處理架構(gòu)設(shè)計 |
| 5.3.2.2 展示界面web后端多線程實現(xiàn)異步數(shù)據(jù)推送 |
| 5.3.3 展示界面啟動流程 |
| 5.3.4 展示界面效果 |
| 5.4 本章小結(jié) |
| 第六章 結(jié)論與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 參考文獻 |
| 附錄一 |
| 1.A 志愿者體征數(shù)據(jù) |
| 1.B 作圖及計算相關(guān)系數(shù)代碼 |
| 附錄二 |
| 附錄三 |
| 附錄四 |
| 4.A 壓力曲線取最后一點的數(shù)據(jù) |
| 4.B 壓力曲線均值濾波處理的數(shù)據(jù) |
| 4.C 壓力曲線中值濾波處理的數(shù)據(jù) |
| 附錄五 |
| 附錄六 |
| 6.A 傳感器數(shù)據(jù)采集程序設(shè)計(Write.py) |
| 6.B 傳感器數(shù)據(jù)采集程序設(shè)計(SensorApp.py) |
| 6.C 展示界面URL處理程序?qū)崿F(xiàn)(WebApp.py) |
| 6.D 展示界面?zhèn)鞲衅鲾?shù)據(jù)推送程序設(shè)計(LinuxWebsocketInductionHandler.py) |
| 6.E 展示界面人體體征數(shù)據(jù)推送程序設(shè)計(LinuxWebsocketReasoningHandler.py) |
| 致謝 |
| 作者和導(dǎo)師簡介 |
| 附件 |
（8）經(jīng)驗小波變換在橋梁模態(tài)參數(shù)識別中的最優(yōu)組合形式研究（論文提綱范文）
| 摘要 |
| abstract |
| 第1章 緒論 |
| 1.1 研究意義 |
| 1.2 時頻域模態(tài)參數(shù)識別的國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 WT |
| 1.2.2 HHT |
| 1.2.3 EWT |
| 1.3 目前研究存在的問題 |
| 1.3.1 WT |
| 1.3.2 HHT |
| 1.3.3 EWT |
| 1.4 本文研究內(nèi)容與章節(jié)安排 |
| 1.4.1 研究內(nèi)容 |
| 1.4.2 章節(jié)安排 |
| 第2章 現(xiàn)有EWT改進頻譜分割方法精度分析 |
| 2.1 頻譜分割方法概述 |
| 2.2 EWT介紹 |
| 2.2.1 WT原理 |
| 2.2.2 EWT原理 |
| 2.3 既有EWT頻譜分割方法與現(xiàn)有EWT頻譜分割改進方法 |
| 2.3.1 既有EWT頻譜分割方法 |
| 2.3.2 現(xiàn)有EWT頻譜分割改進方法 |
| 2.4 現(xiàn)有EWT頻譜分割改進算法的比選方法研究 |
| 2.4.1 比選流程研究 |
| 2.4.2 IMF分量篩分指標 |
| 2.4.3 重構(gòu)信號評價指標 |
| 2.5 基于仿真信號的頻譜分割方法對比 |
| 2.5.1 構(gòu)造仿真信號 |
| 2.5.2 現(xiàn)有EWT改進方法分割效果 |
| 2.5.3 對比結(jié)果分析 |
| 2.6 本章小結(jié) |
| 第3章 小波基函數(shù)比選及EWT嵌入方法研究 |
| 3.1 小波基函數(shù)概述 |
| 3.2 基于特性參數(shù)的小波基比選分析 |
| 3.2.1 常用小波基函數(shù)性質(zhì) |
| 3.2.2 最優(yōu)小波基比選方法研究 |
| 3.2.3 對比結(jié)果分析 |
| 3.3 小波基在EWT中的嵌入方式研究 |
| 3.3.1 小波包理論 |
| 3.3.2 基于小波包理論的EWT小波基嵌入方法 |
| 3.3.3 EWT新小波基濾波器驗證 |
| 3.4 本章小結(jié) |
| 第4章 基于SVD重構(gòu)的改進EWT方法研究 |
| 4.1 概述 |
| 4.2 基于SVD的改進EWT方法 |
| 4.2.1 SVD應(yīng)用概況 |
| 4.2.2 基于統(tǒng)計學(xué)的重構(gòu)階次確定方法 |
| 4.2.3 基于SVD重構(gòu)的新EWT方法 |
| 4.3 仿真信號分析 |
| 4.3.1 分割效果驗證 |
| 4.3.2 重構(gòu)信號指標分析及對比 |
| 4.4 最優(yōu)EWT組合分析方法 |
| 4.4.1 EWT組合形式 |
| 4.4.2 比選方法確定 |
| 4.5 本章小結(jié) |
| 第5章 基于橋梁模態(tài)參數(shù)識別的最優(yōu)EWT組合研究 |
| 5.1 概述 |
| 5.2 工程背景 |
| 5.3 橋梁數(shù)據(jù)預(yù)處理 |
| 5.4 主梁豎向模態(tài)參數(shù)識別 |
| 5.4.1 EWT組合1-3識別 |
| 5.4.2 EWT組合4-6識別 |
| 5.4.3 EWT組合7-9識別 |
| 5.4.4 SSI-COV與 AFDD識別 |
| 5.4.5 最優(yōu)EWT方法對比 |
| 5.5 主梁橫向模態(tài)參數(shù)識別 |
| 5.5.1 最優(yōu)EWT識別 |
| 5.5.2 SSI-COV與 AFDD識別 |
| 5.5.3 識別結(jié)果對比 |
| 5.6 橋塔縱向模態(tài)參數(shù)識別 |
| 5.6.1 最優(yōu)EWT識別 |
| 5.6.2 SSI-COV與 AFDD識別 |
| 5.6.3 識別結(jié)果對比 |
| 5.7 橋塔橫向模態(tài)參數(shù)識別 |
| 5.7.1 最優(yōu)EWT識別 |
| 5.7.2 SSI-COV與 AFDD識別 |
| 5.7.3 識別結(jié)果對比 |
| 5.8 吊索模態(tài)參數(shù)識別 |
| 5.8.1 最優(yōu)EWT識別 |
| 5.8.2 SSI-COV與 AFDD識別 |
| 5.8.3 識別結(jié)果對比 |
| 5.9 本章小結(jié) |
| 結(jié)論與展望 |
| 本文主要結(jié)論 |
| 展望與討論 |
| 致謝 |
| 參考文獻 |
（9）工程結(jié)構(gòu)的傳感器優(yōu)化布置及模態(tài)分析（論文提綱范文）
| 摘要 |
| Abstract |
| 縮寫與全稱對照表 |
| 主要符號表 |
| 1 緒論 |
| 1.1 選題背景和意義 |
| 1.2 幾種智能優(yōu)化算法研究現(xiàn)狀 |
| 1.2.1 人工魚群算法 |
| 1.2.2 螢火蟲算法 |
| 1.2.3 布谷鳥算法 |
| 1.3 傳感器優(yōu)化布置的研究現(xiàn)狀 |
| 1.3.1 優(yōu)化準則 |
| 1.3.2 優(yōu)化算法 |
| 1.4 結(jié)構(gòu)模態(tài)參數(shù)識別方法研究現(xiàn)狀 |
| 1.5 模型修正方法研究現(xiàn)狀 |
| 1.5.1 矩陣型模型修正 |
| 1.5.2 參數(shù)型模型修正 |
| 1.6 現(xiàn)有研究存在的問題 |
| 1.7 課題來源 |
| 1.8 主要研究內(nèi)容及創(chuàng)新點 |
| 1.8.1 主要研究內(nèi)容 |
| 1.8.2 主要創(chuàng)新點 |
| 2 模態(tài)試驗傳感器優(yōu)化布置方法研究 |
| 2.1 傳感器優(yōu)化布置的準則 |
| 2.2 松弛序列法 |
| 2.2.1 積累序列法 |
| 2.2.2 傳感器優(yōu)化布置的松弛序列法 |
| 2.2.3 算例分析 |
| 2.3 LFFSA法 |
| 2.3.1 魚群算法及其改進 |
| 2.3.2 LFFSA的數(shù)值仿真試驗 |
| 2.3.3 傳感器優(yōu)化布置的LFFSA法 |
| 2.4 結(jié)構(gòu)傳感器優(yōu)化布置試驗分析 |
| 2.4.1 平面桁架結(jié)構(gòu)的傳感器優(yōu)化布置 |
| 2.4.2 三維鋼桁梁結(jié)構(gòu)的傳感器優(yōu)化布置 |
| 2.5 本章小結(jié) |
| 3 基于優(yōu)化變分模態(tài)分解的模態(tài)參數(shù)識別 |
| 3.1 模態(tài)參數(shù)識別概述 |
| 3.1.1 數(shù)學(xué)模型 |
| 3.1.2 模態(tài)參數(shù)識別方法概述 |
| 3.2 變分模態(tài)分解方法 |
| 3.2.1 VMD模態(tài)響應(yīng)識別 |
| 3.2.2 VMD的模態(tài)參數(shù)識別算法 |
| 3.3 隨機子空間方法 |
| 3.3.1 狀態(tài)空間模型的建立 |
| 3.3.2 數(shù)據(jù)驅(qū)動的隨機子空間法 |
| 3.4 改進VMD-SSI模態(tài)識別 |
| 3.4.1 模型定階問題 |
| 3.4.2 模態(tài)重復(fù)比率準則 |
| 3.4.3 模態(tài)參數(shù)識別 |
| 3.5 本章小結(jié) |
| 4 試驗?zāi)B(tài)參數(shù)識別及算法性能檢驗 |
| 4.1 模態(tài)參數(shù)識別的仿真算例 |
| 4.1.1 仿真函數(shù) |
| 4.1.2 分解層數(shù)K的優(yōu)選 |
| 4.1.3 模態(tài)參數(shù)識別性能比較 |
| 4.2 簡支梁模型結(jié)構(gòu)參數(shù)識別 |
| 4.2.1 理論模態(tài)分析 |
| 4.2.2 試驗?zāi)B(tài)分析 |
| 4.3 模態(tài)參數(shù)識別結(jié)果的統(tǒng)計檢驗 |
| 4.3.1 模態(tài)頻率的逐對比較法檢驗 |
| 4.3.2 模態(tài)阻尼的p值法t檢驗 |
| 4.3.3 模態(tài)振型的bootstrap-t法估計 |
| 4.4 本章小結(jié) |
| 5 基于模態(tài)參數(shù)的模型修正 |
| 5.1 動力學(xué)模型修正過程 |
| 5.2 動力學(xué)有限元模型驗證 |
| 5.3 修正參數(shù)選擇 |
| 5.4 代理模型的建立 |
| 5.4.1 方差分析 |
| 5.4.2 試驗設(shè)計方法 |
| 5.4.3 代理模型的構(gòu)建方法 |
| 5.5 代理模型有效性評價 |
| 5.6 基于布谷鳥優(yōu)化算法的模型參數(shù)修正 |
| 5.6.1 平面桁架結(jié)構(gòu)的模型修正 |
| 5.6.2 布谷鳥算法 |
| 5.6.3 修正結(jié)果及有效性檢驗 |
| 5.7 本章小結(jié) |
| 6 結(jié)論與展望 |
| 6.1 結(jié)論 |
| 6.2 展望 |
| 致謝 |
| 參考文獻 |
| 攻讀學(xué)位期間的研究成果 |
（10）心墻堆石壩壩面碾壓智能監(jiān)控方法與應(yīng)用研究（論文提綱范文）
| 摘要 |
| abstract |
| 第1章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 壩面碾壓施工信息感知研究現(xiàn)狀 |
| 1.2.2 壩面碾壓施工信息分析研究現(xiàn)狀 |
| 1.2.3 壩面碾壓施工反饋控制研究現(xiàn)狀 |
| 1.2.4 壩面碾壓施工監(jiān)控系統(tǒng)研究現(xiàn)狀 |
| 1.3 已有研究的局限性 |
| 1.4 研究內(nèi)容與論文框架 |
| 1.4.1 主要研究內(nèi)容 |
| 1.4.2 論文框架 |
| 第2章 心墻堆石壩壩面碾壓智能監(jiān)控基本概念與數(shù)學(xué)模型 |
| 2.1 心墻堆石壩壩面碾壓智能監(jiān)控基本概念提出 |
| 2.1.1 心墻堆石壩壩面碾壓智能監(jiān)控提出背景 |
| 2.1.2 心墻堆石壩壩面碾壓智能監(jiān)控基本概念 |
| 2.1.3 心墻堆石壩壩面碾壓智能監(jiān)控主要研究內(nèi)容 |
| 2.2 心墻堆石壩壩面碾壓智能監(jiān)控方法概述 |
| 2.2.1 壩面碾壓施工信息智能感知與集成方法概述 |
| 2.2.2 壩面碾壓施工信息智能分析方法概述 |
| 2.2.3 壩面碾壓施工過程智能控制方法概述 |
| 2.3 心墻堆石壩壩面碾壓智能監(jiān)控數(shù)學(xué)模型 |
| 2.3.1 目標函數(shù) |
| 2.3.2 信息集 |
| 2.3.3 方法集 |
| 2.3.4 約束集 |
| 2.4 本章小結(jié) |
| 第3章 心墻堆石壩壩面碾壓施工信息智能感知與集成研究 |
| 3.1 心墻堆石壩壩面碾壓施工信息智能感知與集成體系 |
| 3.1.1 壩面碾壓施工信息智能感知與集成內(nèi)容 |
| 3.1.2 壩面碾壓施工信息智能感知與集成技術(shù) |
| 3.1.3 壩面碾壓施工信息智能感知與集成框架 |
| 3.2 基于加速度傳感器的振動特性參數(shù)感知 |
| 3.2.1 碾輪振動過程概述 |
| 3.2.2 振動信號小波降噪處理 |
| 3.2.3 振動信號的快速傅里葉分析 |
| 3.3 基于空洞卷積核的FASTER-RCNN目標識別 |
| 3.3.1 卷積神經(jīng)網(wǎng)絡(luò) |
| 3.3.2 基于空洞卷積核的Faster-RCNN |
| 3.4 基于無人機傾斜攝影的三維建模技術(shù) |
| 3.4.1 基于無人機傾斜攝影的三維建模原理 |
| 3.4.2 基于無人機傾斜攝影的三維建模流程 |
| 3.5 壩面碾壓施工信息集成 |
| 3.5.1 多源異構(gòu)壩面碾壓施工信息集成框架 |
| 3.5.2 基于K-Means下抽樣技術(shù)處理不平衡數(shù)據(jù) |
| 3.6 工程案例分析 |
| 3.6.1 碾輪振動信號感知 |
| 3.6.2 壩面碾壓施工過程中多類型障礙物識別 |
| 3.6.3 基于無人機傾斜攝影的三維模型建立 |
| 3.6.4 壩面碾壓施工信息集成 |
| 3.7 本章小結(jié) |
| 第4章 心墻堆石壩壩面碾壓施工質(zhì)量智能分析研究 |
| 4.1 壩面碾壓施工質(zhì)量智能分析數(shù)學(xué)模型 |
| 4.2 壩面碾壓施工質(zhì)量智能評價模型 |
| 4.2.1 基于CK-SBFA-FL的壩面碾壓施工質(zhì)量智能評價模型 |
| 4.2.2 基于SBFA-CKSVR的壩面碾壓施工質(zhì)量智能評價模型 |
| 4.2.3 模型性能評價方法 |
| 4.3 壩面碾壓施工質(zhì)量評價模型更新研究 |
| 4.3.1 EPNN算法與VWT技術(shù) |
| 4.3.2 基于EPNN與 VWT的概念漂移檢測方法 |
| 4.3.3 模型更新方法 |
| 4.4 工程案例分析 |
| 4.4.1 壩面碾壓施工質(zhì)量智能評價模型案例研究 |
| 4.4.2 模型更新案例研究 |
| 4.5 本章小結(jié) |
| 第5章 心墻堆石壩壩面碾壓施工智能控制方法研究 |
| 5.1 心墻堆石壩壩面碾壓施工智能控制體系 |
| 5.1.1 壩面碾壓施工智能控制目標 |
| 5.1.2 壩面碾壓施工智能控制環(huán)節(jié) |
| 5.1.3 壩面碾壓施工智能控制方法 |
| 5.1.4 壩面碾壓施工智能控制框架 |
| 5.2 碾壓參數(shù)智能優(yōu)化控制方法 |
| 5.2.1 碾壓參數(shù)多目標優(yōu)化模型 |
| 5.2.2 多目標智能細菌覓食算法SMOBFA |
| 5.2.3 SMOBFA算法實現(xiàn)與驗證 |
| 5.3 基于AR實景導(dǎo)引的壩面碾壓施工智能控制方法 |
| 5.3.1 基于AR實景導(dǎo)引的技術(shù)構(gòu)架 |
| 5.3.2 基于牛耕法的壩面碾壓施工路徑規(guī)劃方法 |
| 5.3.3 基于AR實景導(dǎo)引的事中控制方法 |
| 5.3.4 基于AR實景導(dǎo)引的事后控制方法 |
| 5.4 工程案例分析 |
| 5.4.1 碾壓參數(shù)智能優(yōu)化控制分析 |
| 5.4.2 基于AR實景導(dǎo)引的壩面碾壓施工智能控制分析 |
| 5.5 本章小結(jié) |
| 第6章 心墻堆石壩壩面碾壓施工三維智能監(jiān)控系統(tǒng) |
| 6.1 心墻堆石壩壩面碾壓施工三維智能監(jiān)控系統(tǒng)建設(shè) |
| 6.1.1 系統(tǒng)結(jié)構(gòu) |
| 6.1.2 系統(tǒng)建設(shè)技術(shù) |
| 6.2 心墻堆石壩壩面碾壓施工三維智能監(jiān)控系統(tǒng)功能實現(xiàn) |
| 6.2.1 壩面碾壓施工信息感知與集成模塊 |
| 6.2.2 壩面碾壓施工信息智能分析模塊 |
| 6.2.3 壩面碾壓施工過程智能控制模塊 |
| 6.3 本章小結(jié) |
| 第7章 結(jié)論與展望 |
| 7.1 結(jié)論 |
| 7.2 展望 |
| 參考文獻 |
| 發(fā)表論文和參加科研情況說明 |
| 致謝 |
四、智能傳感器·網(wǎng)絡(luò)傳感器·信息傳感器（論文參考文獻）
- [1]基于FPGA的多環(huán)境參數(shù)在線監(jiān)測系統(tǒng)的研發(fā)[D]. 張金. 西安工業(yè)大學(xué), 2021(02)
- [2]安全閥智能上料車自動行走系統(tǒng)研究[D]. 孔寧寧. 江南大學(xué), 2021(01)
- [3]基于概率模型與深度學(xué)習(xí)的室內(nèi)定位方法研究[D]. 張麗佳. 電子科技大學(xué), 2021(01)
- [4]中國橋梁工程學(xué)術(shù)研究綜述·2021[J]. Editorial Department of China Journal of Highway and Transport;. 中國公路學(xué)報, 2021(02)
- [5]面向自主船舶的危險分析方法研究[D]. 周翔宇. 大連海事大學(xué), 2020(04)
- [6]基于捷聯(lián)慣導(dǎo)的采煤機運行姿態(tài)高精度感知理論與技術(shù)研究[D]. 吳剛. 中國礦業(yè)大學(xué), 2020(07)
- [7]基于聚合物基柔性傳感器智能感知模擬仿真系統(tǒng)的研究[D]. 代伊豪. 北京化工大學(xué), 2020(02)
- [8]經(jīng)驗小波變換在橋梁模態(tài)參數(shù)識別中的最優(yōu)組合形式研究[D]. 王堯偉. 西南交通大學(xué), 2020
- [9]工程結(jié)構(gòu)的傳感器優(yōu)化布置及模態(tài)分析[D]. 殷紅. 蘭州交通大學(xué), 2019
- [10]心墻堆石壩壩面碾壓智能監(jiān)控方法與應(yīng)用研究[D]. 王佳俊. 天津大學(xué), 2019(06)