教学课程资源库 更多>>

关键词： 传感器与检测技术   教学模式   新工科  

摘要： 阐述基于新工科的传感器与检测技术教学模式,分析课程的教学现状、分方向教学模式的设计和实践过程。结合学科特点与新工科培养目标,提出教学实践模式与多元化考核的措施。

关键词： 玻璃幕墙   缺陷检测   多传感器融合   检测技术   改进最小二乘法  

摘要： 针对常规椭圆形玻璃幕墙缺陷多传感器融合检测的结果误差较大的问题,提出基于改进最小二乘法的椭圆形玻璃幕墙缺陷多传感器融合检测技术。在分析椭圆形玻璃幕墙受力点处应力值和反差增强分组传感器检测数据信号而获取缺陷部位的初始拟合曲线后,采用改进最小二乘法拟合缺陷部位立体位置曲线,融合缺陷检测图像得到检测结果。试验结果表明:应用该方法得出的检测累积误差平均值为0.07,可满足椭圆形玻璃幕墙缺陷的检测要求。

关键词： 油水检测   电导率传感器   阵列式结构   SVM   BP神经网络  

摘要： 随着全球航运的快速发展,海洋探测技术的重要性日益增加,在海洋气象监测、石油化工检测以及污染监测等方面都有着不可忽视的作用。而在海洋这样复杂的环境中,由于恶劣的环境因素影响,海上作业或运输过程中经常发生石油类化工液体泄漏这样极其危险的事故。因此,人们迫切地需要研发一种高性能、综合性强的油水混合检测技术,来对意外事故做出判断和预警,确保海上作业的安全性,避免事故的发生。 本文首先研究分析现阶段的油水检测技术,分类研究了常用的油水检测传感器,重点研究了基于电导率测量的传感器。然后进行了系统总体方案设计,研究分析了电极式电导率传感器、感应式电导率传感器和温度传感器的传感机理和电导率传感器的主要影响因素,并提出了相应的解决措施。研究了进行多介质状态判断的工作模式并结合基于径向基函数(Radial basis function,RBF)的支持向量机(Support Vector Machine,SVM)的检测方法。研究了在不同介质状态下基于变学习率改进的反向传播神经网络(Back Propagation Neural Network,BPNN)进行含量分析的算法。在基于上述理论的基础上,设计了电极的阵列式结构和感应式线圈结构,并结合工作环境进行了材料优选,根据检测原理和结构设计进行了有限元物理场仿真。其次设计了电极式电导率传感器、感应式电导率传感器以及温度传感器的检测电路和信号调理电路、搭建了试验系统、完成信号采集程序、数据通信程序以及上位机显示程序的设计。设计了相关实验,从精度、线性度、重复性以及稳定性等多个方面对传感器进行了性能测试。最后通过基于RBF的SVM和基于变学习率的改进BPNN进行了介质状态识别和油水含量分析。 试验和分析结果表明,本课题设计的基于多传感器的检测技术,满足对油水液体的检测需求。通过建立SVM模型进行的分类判断,实现了对多种介质状态的识别判断。根据不同状态下的传感器输出完成了神经网络的训练学习,实现了复杂情况下的油水含量检测。

关键词： 森林火灾   介电常数   多传感器检测   数据融合  

摘要： 近年来森林火灾发生频率高、破坏性强,森林火灾检测是当前森林火灾预防的重点。目前,使用传感器进行森林火灾检测时存在火灾烟雾对环境影响不明了、火灾检测模型精度不高的问题。为了解决火灾烟雾对环境影响不明了的问题,本文提出了一种基于尺度加权的神经网络算法来研究烟雾对环境的影响。为了解决火灾检测模型精度不高的问题,本文设计了基于层次尺度变换的证据理论算法检测森林环境状态,及制作了以介电常数传感器为核心的多种类传感器森林火灾检测系统。本文的主要内容和贡献如下: (1)针对火焰烟雾对环境影响不明了的问题,本文通过分析影响介电常数变化的主要原因,得到烟雾中粒子数量、运动状态能够影响环境的相对介电常数变化的结论。在此结论的基础上,进一步针对烟雾浓度与环境的相对介电常数变化,设计了基于尺度加权的神经网络,用于拟合出烟雾浓度与环境的相对介电常数的关联模型。该模型能够稳定且有效地拟合烟雾浓度与介电常数的变化。 (2)针对火灾检测模型精度不高的问题,本文通过分析火灾发生时环境出现的数据变化,利用数据融合技术将多种环境的数据结合检测森林环境的状态。在证据理论的基础之上,针对检测精度不高和稳定性不高的问题,结合关联模型的数据分析和数据变化,设计了基于尺度变换的证据理论和基于层次尺度变换的证据理论,用于提高检测精度和稳定性。 (3)针对火灾检测模型精度不高的问题,本文在关联模型分析的基础上,针对烟雾与介电常数的性质,完成对叉指电极与电容传感器的选型后,设计了介电常数传感器,用于采集环境的介电常数数据。该介电常数传感器能够采集高精度的环境介电常数数据,用于关联模型的拟合和森林环境状态的检测。进一步以介电常数传感器为核心,设计与制作了多种类传感器采集终端,用于采集环境多种环境数据,配合本文所设计的数据融合算法,能够有效且稳定地检测环境状态。 综上所述,本文以介电常数的特性、烟雾与介电常数的关系、数据融合算法等三个方面作为切入点,设计了针对森林火灾识别的算法模型和配套硬件。并对提出算法模型和硬件设备进行相关的性能验证,保证了算法模型和硬件设备在检测火灾的有效性。

关键词： 课程思政   传感器与检测技术   电阻应变片   教学设计  

摘要： 在传统教学中，针对理工类的学科制定教学方案时，教师并不会刻意去增加思政教学的相关内容，其主要目的是让学生更为系统、全面地了解和掌握相关专业知识信息。然而，随着课程思政的不断深入，越来越多的教师发现，在课堂教学中融入思政元素，完全能够激发学生的学习兴趣，提升学生的爱国情感和为国效力的意识。基于此，以传感器及检测技术课程为例，阐述理工类课程教学实践中融入思政知识的促进作用，旨在为相关课程的教学改革提供借鉴性经验。

关键词： 微透镜   波前检测   哈特曼传感器   质心提取   波前重构  

摘要： 随着微透镜的广泛应用,微透镜光学性能的快速检测是使用和加工人员亟待解决的关键问题。本文提出利用哈特曼波前传感器来检测微透镜波前及相关评价参数,以快速表征其光学性能。为了验证该方法的可行性,设计了利用哈特曼传感器测量微透镜波前的总体方案,搭建了测量实验系统,并对测量的误差源进行了分析。结合实验方案,研究质心提取算法、Zernike多项式波前重构算法,保证光斑质心提精度取及波前重构精度。分析了待测透镜孔径衍射对波前检测精度的影响。结合200μm的凸透镜进行波前检测实验,得到其波前误差和初级像差信息,为微透镜光学性能的快速检测提供了一种全新的思路。本论文的主要研究工作如下: 1.对像质检测技术的国内外研究现状进行调研,学习其检测原理,分析其优缺点,综合考虑微透镜自身口径较小等因素,分析现有检测方法的不足及其局限性。 2.对哈特曼传感器发展及其波前检测原理进行研究,分析质心提取算法和波前重构算法原理并对相关公式进行推导,改进质心提取算法和波前重构算法。 3.基于哈特曼传感器检测原理,分析微透镜检测面临的技术难题。设计扩束系统,分析参考光路与测试光路的等价关系。分析采样点数、Zernike多项式阶数、并兼顾微透镜自身衍射效应对波前检测精度的影响。通过扩束系统对被测微透镜出光口径进行扩束,通过增加波前采样点数来提高检测精度。 4.哈特曼传感器的设计与加工。通过分析波前检测精度的影响因素和待测透镜的检测精度需求,确定哈特曼传感器的设计指标。对哈特曼传感器的关键参数进行解析,结合实验室现有设备和制作工艺,对哈特曼传感器进行加工制作。 通过对口径为200微米的透镜进行波前检测,得到其波前像差RMS为69nm,PV为266.8nm,且根据Zernike系数可以导出其离焦、0°像散、45°像散、X方向彗差和倾斜、Y方向彗差和倾斜、球差和离焦等初级像差信息,对微透镜的检测手段进行了补充。

关键词： 气体传感器   特征提取   生鲜食品新鲜度   快速检测   相空间  

摘要： 电子鼻是一种模拟生物嗅觉的新兴气体/气味检测方法,其检测过程无损便捷,在生鲜食品质量检测中有广泛的应用前景。如何提取能够描述食品状态和品质信息的特征并建立相应的食品新鲜度评价模型,达到快速而准确地衡量食品新鲜程度的目的是关键,也是当前研究的热点。鉴于此,本文围绕基于电子鼻的食品新鲜度评价问题,从特征提取方法研究入手,建立生鲜食品新鲜度评价模型,并在此基础上优化算法和框架,实现准确评估和快速检测。本文的主要工作包括: (1)设计搭建了基于电子鼻的生鲜食品气味测试系统,设计完成水果、蔬菜、肉类等6种生鲜食品从新鲜到腐烂全过程的气味测试实验。同时借助感官评价、微生物检测等多种指标作为样本新鲜度的平行评价标准,构建了6种生鲜食品的电子鼻响应数据集。 (2)从特征提取及优化的角度出发,建立了单传感器基于特征筛选的新鲜度评价模型。以多样本信息描述的角度提取特征组成待选特征集合,建立衡量特征选择顺序的标准,依次选出最佳特征并用朴素贝叶斯、随机森林、K近邻、支持向量机、线性判别分析和一维卷积神经网络等模式识别算法进行分类比较。在满足应用阈值95%的目标下,该模型可为生鲜食品数据集自动寻找最佳特征子集和最优分类模型。 (3)从特征转换及增强的角度出发,建立了单传感器基于颜色增强相空间的新鲜度评价模型。通过构造相空间将动态气体传感器信号转换为图像。分析其响应特点提出一种颜色增强方法来强调相空间的内部特征。采用轻量级神经网络Mobile Net V2对气味特征进行自动提取并进行分类。使用该模型各数据集的评价准确率都在95%以上。 (4)基于上述两个新鲜度评价模型,进一步展开了如何实现快速检测的讨论。从缩短样本的检测识别时间和检测恢复时间的角度对两个模型进行优化。使用猪肉数据集进行模型验证,基于特征筛选的快速方法可使检测时间缩短40%以上,使用基于颜色增强相空间的快速方法可使检测时间缩短50%以上。 本文建立的模型在多个数据集新鲜度评价任务下均取得较好效果的同时检测速度明显提高,可为预制菜产业链源头食品新鲜度检测应用提供具体的方法参考。