风资源分布的实时估计方法研究

为了准确评估电力系统中可用的风电出力情况,从统计规律和数值模拟的角度研究了风资源分布实时估计建模方法。以甘肃酒泉地区的测风塔实测数据验证了相关性随地理距离增加而衰减的规律,该规律在地形起伏不大并且距离不超过一定数值的情况下适用;构建了利用风速相关性的风资源分布模型;比较分析了适用于输入数据有限并且要求计算实时性情况下的数值模拟方法。结果表明:诊断模式进行风资源估计简便、可行,更有易于非气象专业人员使用。     

IEEE 1588协议分析及在网络化机载测试系统的应用

本文主要讲述发展基于1588同步协议的网络化机载测试系统需求原因,并重点针对1588同步协议进行了分析,尤其是第2版本中新提出的透明时钟模型以及透明时钟的延时处理机制。在此基础之上,针对在机载测试中可能影响同步精度的因素进行了逐一的分析,并提出了处理的方法。这些因素的考量以及处理的方案对于测试方案实施与设备的研制与定制具有一定的参考意义。     

基于PLC的通信设备实时数据采集方法研究

由于传统控制方法,在进行通信设备实时数据采集时没有建立高级控制协议,因此采集波特率低,导致采集信号的传输速率慢.针对这一问题,提出基于PLC的通信设备实时数据采集方法研究.基于PLC建立控制协议的方式,为通信设备实时数据采集提供通道,通过连接接口,进而读取PLC通信端口实现通信设备实时数据采集.设计实例分析,结果表明,...     

基于NB-IoT通信的智能阴极保护监测系统应用研究

随着数字化、信息化建设工作的推进,管道阴极保护系统管理方式由传统人工采集+表单台账转变为智能远程监测管理.基于NB-IoT通信的埋地油气管道阴极保护监测系统发明目的在于提供一种可以实现远程实时监控,具备数据采集、对比、筛选能力,同时满足丘陵、山区安装条件并且省时省力的技防手段.目前该系统在试点管线运行正常,性能稳定,与...     

基于Arduino单片机的脉率实时监测系统

针对脉率的提取与监测需求,设计了一种基于Arduino单片机的脉率实时监测系统．该系统硬件主要由透射式脉搏传感器、Arduino单片机模块、声光报警模块、显示模块、Wi-Fi模块组成．系统采集人体脉搏信号,对其进行实时滤波和脉率计算,并通过Wi-Fi模块将计算结果无线发送到远端．通过设计实验,对所研制系统准确性进行评估,结果表明实时脉率的准确率在85%以上．该系统可用于家居、工作等生活场景下的脉率实时监测,可为我国家庭医疗的发展提供理论和实践支撑．     

数据库的延时问题及技术解决办法

针对数据库延时问题产生的原因,提出解决数据库延时问题的并行数据库技术、实时数据库技术和Jini技术,并提出它们存在的不足和未来的发展趋势。     

RS-232串口实时监控软件设计中若干问题的解决方法

论述了基于RS-232-C串行端口的实时监控程序设计的主要思想。特别是对后台监控程序所普遍涉及到的无阻塞后台运行、数据的无差错实时接收和处理等问题提出了解决方法。     

一种基于Kalman滤波和能量原理的实时损伤识别方法(英文)

目的:建立一种损伤识别方法,能够实时地监测多自由度复杂结构中构件的损伤情况。方法:1.用能量原理对结构刚度进行解构,建立结构单元刚度和节点响应之间的关系;2.用Kalman滤波原理分析结构刚度的预测值和测量值,迅速对结构的刚度进行识别(图6–9);3.对每一步计算进行耗时监测,确保算法的实时性(图10)。结论:1.该方法能够较准确地得到结构的刚度信息,同时得出损伤单元的损伤位置和损伤量;并且收敛速度快,计算量小,具有很强的实时性和抗噪能力;2.对于本文的桁架结构,所有杆件刚度均能在0.4 s内收敛,平均每一荷载步计算时间约为0.0012 s,小于采样周期1/256 s,说明该方法可以迅速、准确地对结构进行实时的监测。     

沙画中堆积效果实时渲染方法研究

实时渲染技术一直是计算机图形学的研究热点。针对沙画中堆积的无确定方向、渲染实时性差的问题,提出了基于GPU并行计算并利用卷积滤波技术,以实现堆积效果的实时性渲染。首先,根据堆积边缘与创作轨迹之间关系,并进行建模,对堆积边缘进行约束计算;然后利用分解合并策略,执行基于GPU的并行卷积滤波算法,使用盒式过滤器平滑边界,以完成堆积效果实时渲染。实验结果表明,该方法提高了边缘滤波的速度和实时渲染堆积效果在逼真度方面的有效性。     

一种实时条件下的驾驶行为特性识别模型

为了构建可用的实时交通安全预警系统,提出了一种具有2层结构的驾驶行为特性实时识别模型。为减少驾驶员所受外部因素的影响的种类,将驾驶员和车辆视作一个整体并将其考虑为一个黑箱系统。识别模型的第1层是在Newell跟驰模型的基础之上,结合车辆启停前后的迟滞现象,构建出的Newell修正模型。其输出是能够表征驾驶行为特性的3个参数。第2层模型则是以上一层模型输出为输入的较为成熟的聚类模型,并直接输出车辆的驾驶行为特性类别。为实时交通安全预警系统的构建打下基础。