排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
为了实现对粉尘的实时在线检测和粉尘超限报警,以及实现煤矿粉尘浓度检测系统的高性能运行,本文设计了一种基于CAN总线的新型煤矿粉尘浓度检测系统.本文首先对粉尘浓度检测系统的整体设计方案进行了描述,然后对系统的传感器及调理转换电路、声光报警电路和CAN通信电路等硬件电路进行了设计,对粉尘检测系统的软件进行了详细的设计分析.最后给出了实验结果,并通过实验结果证明了该系统能长时间实时监测粉尘浓度,并通过CAN总线接口可以实现系统的远距离、高可靠性通信功能和远程监控功能.本系统具有测量准确、速度快、可靠性高和能及时报警等特点. 相似文献
3.
为有效解决生产经营单位应急管理方面存在的应急准备不足、应急响应迟缓和应急处置不标准等问题,应用地理信息系统(GIS)服务、物联网感知和大数据等信息化技术,研究应急指挥与安全在线监测系统。通过分析事故扩大化的案例,找出应急管理脆弱因素,如安全监测预警能力不足和应急信息传递不顺畅等,分析系统功能需求,主要包括基础层、感知层、数据层和应用层,进而构建应急指挥与安全在线监测系统总体架构,开发安全在线监测模块、应急指挥模块和系统运行自我评价模块,并在新准铁路进行应用研究。实践表明:该系统可全过程管理安全风险在线监测、预警、响应和应急处置,能够实现应急管理的系统化、信息化、数据化、程序化和可视化,全面提升新准铁路安全生产事故预防和应急处置能力。 相似文献
4.
基于QPSO-RBF的瓦斯涌出量预测模型 总被引:1,自引:1,他引:0
为了提高径向基(RBF)网络预测瓦斯涌出量的泛化能力,提出QPSO-RBF模型。该模型采用量子粒子群(QPSO)算法优化RBF网络隐层基函数中心、扩展系数以及输出权等初始参数,将网络参数编码为QPSO学习算法中的粒子个体,在全局空间中搜索最优适应值参数。其中,RBF网络选取5-3-1的精简结构,采用5个变量作为影响因子预测瓦斯涌出量。结果表明,经QPSO优化后的RBF网络模型预测结果稳定且唯一,其泛化指标平均相对变动值(ARV)为0.012 2。与PSO-RBF、RBF模型预测结果比较,QPSO-RBF模型的泛化能力和网络训练速度优于前2种;预测精度约为PSO-RBF模型的1.5倍、RBF模型的4倍。 相似文献
1