CN107885115A - 一种智能型地下工程通风系统 - Google Patents

一种智能型地下工程通风系统 Download PDF

Info

Publication number
CN107885115A
CN107885115A CN201711079654.8A CN201711079654A CN107885115A CN 107885115 A CN107885115 A CN 107885115A CN 201711079654 A CN201711079654 A CN 201711079654A CN 107885115 A CN107885115 A CN 107885115A
Authority
CN
China
Prior art keywords
mrow
msub
msubsup
signal
msup
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711079654.8A
Other languages
English (en)
Inventor
高明忠
张建国
吕有厂
张茹
王满
张泽天
刘强
陈海亮
李圣伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan University
Original Assignee
Sichuan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan University filed Critical Sichuan University
Priority to CN201711079654.8A priority Critical patent/CN107885115A/zh
Publication of CN107885115A publication Critical patent/CN107885115A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0428—Safety, monitoring

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明属于工程建设领域，公开了一种智能型地下工程通风系统，包括工控机、智能控制器、数据处理系统、二氧化碳传感器、温湿度传感器、风扇机组。工控机、智能控制器、数据处理系统通过导线相连，智能处理器与风扇机组通过导线相连，数据处理系统与温湿度传感器、二氧化碳传感器通过导线相连。本发明当地下湿度二氧化碳浓度较高时，超过规定的范围值时，智能控制器及时打开风扇机组进行通风。及时换气和除湿，使工作人员的工作环境更加舒适。

Description

一种智能型地下工程通风系统
技术领域
本发明属于工程建设领域，尤其涉及一种智能型地下工程通风系统。
背景技术
地下工程与地面工程相比最大的特点就是潮湿，如果不进行经常性的通风，会对人员身体健康和设备的正常使用产生很大的影响。现有的相当一部分地下工程的通风空调设备都是靠人工控制，这种通风系统不仅需要消耗大量的人力，而且具有很大的随意性，常常会导致通风换气和除湿的不及时，影响工作环境的舒适性和设备的使用寿命，增加运行和维护的成本，已经不能适应现代社会的要求。
综上所述，现有技术存在的问题是：都是靠人工控制，需要消耗大量的人力，而且具有很大的随意性，常常会导致通风换气和除湿的不及时。
发明内容
针对现有技术存在的都是靠人工控制，需要消耗大量的人力，而且具有很大的随意性，常常会导致通风换气和除湿的不及时。
本发明是这样实现的，所述智能型地下工程通风系统包括工控机、智能控制器、数据处理系统、二氧化碳传感器、温湿度传感器、风扇机组；
工控机、智能控制器、数据处理系统通过导线相连，智能处理器与风扇机组通过导线相连，数据处理系统与温湿度传感器、二氧化碳传感器通过导线相连；
所述智能控制器计算接收信号s(t)的广义一阶循环累积量和广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，识别出2FSK信号；计算接收信号的广义循环累积量按如下公式进行：
与均为广义循环矩，定义为：
其中s(t)为信号，n为广义循环矩的阶数，共轭项为m项；
接收信号s(t)的特征参数M1的理论值具体计算过程如下进行：
经计算可知，对于2FSK信号，该信号的为1，而对于MSK、BPSK，QPSK、8PSK、16QAM和64QAM信号的均为0，由此可以通过最小均方误差分类器将2FSK信号识别出来，该分类器的表达形式为：
式中为特征参数M1的实际值；
所述智能控制器计算接收信号s(t)的广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，并通过检测广义循环累积量幅度谱的谱峰个数识别出BPSK信号和MSK信号；计算接收信号s(t)的广义二阶循环累积量按如下公式进行：
接收信号s(t)的特征参数M2的理论值具体计算公式为：
经过计算可知，BPSK信号和MSK信号的均为1，QPSK、8PSK、16QAM和64QAM信号的均为0，由此可以用最小均方误差分类器将BPSK、MSK信号与QPSK、8PSK、16QAM、64QAM信号分开；对于BPSK信号而言，在广义循环累积量幅度谱上仅在载频位置存在一个明显谱峰，而MSK信号在两个频率处各有一个明显谱峰，由此可通过特征参数M2和检测广义循环累积量幅度谱的谱峰个数将BPSK信号与MSK信号识别出来；
检测广义循环累积量幅度谱的谱峰个数的具体方法如下：
首先搜索广义循环累积量幅度谱的最大值Max及其位置对应的循环频率α0，将其小邻域[α0-δ0,α0+δ0]内置零，其中δ0为一个正数，若|α0-fc|/fc＜σ0，其中δ0为一个接近0的正数，fc为信号的载波频率，则判断此信号类型为BPSK信号，否则继续搜索次大值Max1及其位置对应的循环频率α1；若|Max-Max1|/Max＜σ0，并且|(α0+α1)/2-fc|/fc＜σ0，则判断此信号类型为MSK信号；
所述数据处理系统对线性正则域的短时傅里叶变换谱做Hough变换按以下进行：
2.1)极坐标方程为ρ＝tcosθ+fsinθ，其中，(t,f)为时频域上的点，ρ为该点到原点的距离，θ为过该点和原点的直线与x轴的夹角，将极坐标空间(ρ,θ)量化为(ρu,θv)，u＝1,...,M,v＝1,...,N,得到M×N的二维矩阵M(ρ,θ)；M(ρ,θ)是一个累加器，初始值为0；
2.2)对应时频域上的每个点(t,f)，其谱幅度为|LA(t,f)|2，为提高计算速度，设定当某个点的谱幅度大于所有点的谱幅度的最大值的时则进行Hough变换，否则忽略掉该点；
2.3)对满足谱幅度大于所有点的谱幅度的最大值的点(t,f)，将θ的所有量化值代入极坐标方程，求出相应的ρ，并将累加器加上|LA(t,f)|2，即M(ρ,θ)＝M(ρ,θ)+|LA(t,f)|2，得到Hough变换矩阵M(ρ,θ)。
进一步，所述二氧化碳传感器为传感器A，传感器A的量测模型如下：
YA(tk-1)、YA(tk)、YA(tk+1)分别为传感器A对目标在tk-1,tk,tk+1时刻的本地笛卡尔坐标系下的量测值，分别为：
其中，Y'A(tk-1)、Y'A(tk)、Y'A(tk+1)分别为传感器A在tk-1,tk,tk+1时刻的本地笛卡尔坐标系下的真实位置；CA(t)为误差的变换矩阵；ξA(t)为传感器的系统误差；为系统噪声，为零均值、相互独立的高斯型随机变量，噪声协方差矩阵分别为RA(k-1)、RA(k)、RA(k+1)。
本发明的优点及积极效果为：当地下湿度二氧化碳浓度较高时，超过规定的范围值时，智能控制器及时打开风扇机组进行通风。及时换气和除湿，使工作人员的工作环境更加舒适。
附图说明
图1是本发明实施例提供的智能型地下工程通风系统的结构示意图；
图中：1、工控机；2、智能控制器；3、数据处理系统；4、温湿度传感器；5、二氧化碳传感器；6、风扇机组。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的智能型地下工程通风系统包括工控机1、智能控制器2、数据处理系统3、温湿度传感器4、二氧化碳传感器5、风扇机组6。
工控机1、智能控制器2、数据处理系统3通过导线相连；所述智能处理器2与风扇机组6通过导线相连；所述数据处理系统3与温湿度传感器4、二氧化碳传感器5通过导线相连。
工控机1型号为研华IPC-610-L。
智能控制器2为控制风扇机组的中央处理器，型号为美国Omega系列。
温湿度传感器4型号是HTS系列。
二氧化碳传感器5型号是HTS系列。
所述智能控制器计算接收信号s(t)的广义一阶循环累积量和广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，识别出2FSK信号；计算接收信号的广义循环累积量按如下公式进行：
与均为广义循环矩，定义为：
其中s(t)为信号，n为广义循环矩的阶数，共轭项为m项；
接收信号s(t)的特征参数M1的理论值具体计算过程如下进行：
经计算可知，对于2FSK信号，该信号的为1，而对于MSK、BPSK，QPSK、8PSK、16QAM和64QAM信号的均为0，由此可以通过最小均方误差分类器将2FSK信号识别出来，该分类器的表达形式为：
式中为特征参数M1的实际值；
所述智能控制器计算接收信号s(t)的广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，并通过检测广义循环累积量幅度谱的谱峰个数识别出BPSK信号和MSK信号；计算接收信号s(t)的广义二阶循环累积量按如下公式进行：
接收信号s(t)的特征参数M2的理论值具体计算公式为：
经过计算可知，BPSK信号和MSK信号的均为1，QPSK、8PSK、16QAM和64QAM信号的均为0，由此可以用最小均方误差分类器将BPSK、MSK信号与QPSK、8PSK、16QAM、64QAM信号分开；对于BPSK信号而言，在广义循环累积量幅度谱上仅在载频位置存在一个明显谱峰，而MSK信号在两个频率处各有一个明显谱峰，由此可通过特征参数M2和检测广义循环累积量幅度谱的谱峰个数将BPSK信号与MSK信号识别出来；
检测广义循环累积量幅度谱的谱峰个数的具体方法如下：
首先搜索广义循环累积量幅度谱的最大值Max及其位置对应的循环频率α0，将其小邻域[α0-δ0,α0+δ0]内置零，其中δ0为一个正数，若|α0-fc|/fc＜σ0，其中δ0为一个接近0的正数，fc为信号的载波频率，则判断此信号类型为BPSK信号，否则继续搜索次大值Max1及其位置对应的循环频率α1；若|Max-Max1|/Max＜σ0，并且|(α0+α1)/2-fc|/fc＜σ0，则判断此信号类型为MSK信号；
所述数据处理系统对线性正则域的短时傅里叶变换谱做Hough变换按以下进行：
2.1)极坐标方程为ρ＝tcosθ+fsinθ，其中，(t,f)为时频域上的点，ρ为该点到原点的距离，θ为过该点和原点的直线与x轴的夹角，将极坐标空间(ρ,θ)量化为(ρu,θv)，u＝1,...,M,v＝1,...,N,得到M×N的二维矩阵M(ρ,θ)；M(ρ,θ)是一个累加器，初始值为0；
2.2)对应时频域上的每个点(t,f)，其谱幅度为|LA(t,f)|2，为提高计算速度，设定当某个点的谱幅度大于所有点的谱幅度的最大值的时则进行Hough变换，否则忽略掉该点；
2.3)对满足谱幅度大于所有点的谱幅度的最大值的点(t,f)，将θ的所有量化值代入极坐标方程，求出相应的ρ，并将累加器加上|LA(t,f)|2，即M(ρ,θ)＝M(ρ,θ)+|LA(t,f)|2，得到Hough变换矩阵M(ρ,θ)。
所述二氧化碳传感器为传感器A，传感器A的量测模型如下：
YA(tk-1)、YA(tk)、YA(tk+1)分别为传感器A对目标在tk-1,tk,tk+1时刻的本地笛卡尔坐标系下的量测值，分别为：
其中，Y'A(tk-1)、Y'A(tk)、Y'A(tk+1)分别为传感器A在tk-1,tk,tk+1时刻的本地笛卡尔坐标系下的真实位置；CA(t)为误差的变换矩阵；ξA(t)为传感器的系统误差；为系统噪声，为零均值、相互独立的高斯型随机变量，噪声协方差矩阵分别为RA(k-1)、RA(k)、RA(k+1)。
本发明的工控机1是一种工业控制计算机，对智能控制器和数据处理系统进行检测和控制，人为进行操作，设定参数。当温湿度传感器4二氧化碳传感器5在地下检测到二氧化碳浓度或湿度高于设定范围值时，智能控制器2控制打开风扇机组6，直到地下二氧化碳浓度或湿度小于设定范围值，智能控制器2关闭风扇机组6。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (2)

1.一种智能型地下工程通风系统，其特征在于，所述智能型地下工程通风系统包括工控机、智能控制器、数据处理系统、二氧化碳传感器、温湿度传感器、风扇机组；
工控机、智能控制器、数据处理系统通过导线相连，智能处理器与风扇机组通过导线相连，数据处理系统与温湿度传感器、二氧化碳传感器通过导线相连；
所述智能控制器计算接收信号s(t)的广义一阶循环累积量和广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，识别出2FSK信号；计算接收信号的广义循环累积量按如下公式进行：
<mrow> <msubsup> <mi>GC</mi> <mrow> <mi>s</mi> <mo>,</mo> <mn>10</mn> </mrow> <mi>&amp;beta;</mi> </msubsup> <mo>=</mo> <msubsup> <mi>GM</mi> <mrow> <mi>s</mi> <mo>,</mo> <mn>10</mn> </mrow> <mi>&amp;beta;</mi> </msubsup> <mo>;</mo> </mrow>
<mrow> <msubsup> <mi>GC</mi> <mrow> <mi>s</mi> <mo>,</mo> <mn>21</mn> </mrow> <mi>&amp;beta;</mi> </msubsup> <mo>=</mo> <msubsup> <mi>GM</mi> <mrow> <mi>s</mi> <mo>,</mo> <mn>21</mn> </mrow> <mi>&amp;beta;</mi> </msubsup> <mo>;</mo> </mrow>
与均为广义循环矩，定义为：
其中s(t)为信号，n为广义循环矩的阶数，共轭项为m项；
接收信号s(t)的特征参数M1的理论值具体计算过程如下进行：
<mrow> <msubsup> <mi>GC</mi> <mrow> <mi>s</mi> <mo>,</mo> <mn>10</mn> </mrow> <mi>&amp;beta;</mi> </msubsup> <mo>=</mo> <mfrac> <mn>1</mn> <mi>N</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mi>a</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>|</mo> <mi>l</mi> <mi>n</mi> <mo>|</mo> <mi>a</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>|</mo> </mrow>
<mrow> <msubsup> <mi>GC</mi> <mrow> <mi>s</mi> <mo>,</mo> <mn>21</mn> </mrow> <mi>&amp;beta;</mi> </msubsup> <mo>=</mo> <mfrac> <mn>1</mn> <mi>N</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mi>a</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <msup> <mi>a</mi> <mo>*</mo> </msup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <msup> <mrow> <mo>|</mo> <mi>ln</mi> <mo>|</mo> <mi>a</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>|</mo> </mrow> <mn>2</mn> </msup> </mrow>
经计算可知，对于2FSK信号，该信号的为1，而对于MSK、BPSK，QPSK、8PSK、16QAM和64QAM信号的均为0，由此可以通过最小均方误差分类器将2FSK信号识别出来，该分类器的表达形式为：
<mrow> <msub> <mi>E</mi> <mn>1</mn> </msub> <mo>=</mo> <mi>min</mi> <msup> <mrow> <mo>(</mo> <msubsup> <mi>M</mi> <mrow> <mi>t</mi> <mi>h</mi> <mi>e</mi> <mi>o</mi> <mi>r</mi> <mi>y</mi> </mrow> <mn>1</mn> </msubsup> <mo>-</mo> <msubsup> <mi>M</mi> <mrow> <mi>a</mi> <mi>c</mi> <mi>t</mi> <mi>u</mi> <mi>a</mi> <mi>l</mi> </mrow> <mn>1</mn> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow>
式中为特征参数M1的实际值；
所述智能控制器计算接收信号s(t)的广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，并通过检测广义循环累积量幅度谱的谱峰个数识别出BPSK信号和MSK信号；计算接收信号s(t)的广义二阶循环累积量按如下公式进行：
<mrow> <msubsup> <mi>GC</mi> <mrow> <mi>s</mi> <mo>,</mo> <mn>20</mn> </mrow> <mi>&amp;beta;</mi> </msubsup> <mo>=</mo> <msubsup> <mi>GM</mi> <mrow> <mi>s</mi> <mo>,</mo> <mn>20</mn> </mrow> <mi>&amp;beta;</mi> </msubsup> <mo>;</mo> </mrow>
接收信号s(t)的特征参数M2的理论值具体计算公式为：
<mrow> <msubsup> <mi>GC</mi> <mrow> <mi>s</mi> <mo>,</mo> <mn>20</mn> </mrow> <mi>&amp;beta;</mi> </msubsup> <mo>=</mo> <mfrac> <mn>1</mn> <mi>N</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mi>a</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mi>a</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <msup> <mrow> <mo>|</mo> <mi>ln</mi> <mo>|</mo> <mi>a</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>|</mo> </mrow> <mn>2</mn> </msup> </mrow>
经过计算可知，BPSK信号和MSK信号的均为1，QPSK、8PSK、16QAM和64QAM信号的均为0，由此可以用最小均方误差分类器将BPSK、MSK信号与QPSK、8PSK、16QAM、64QAM信号分开；对于BPSK信号而言，在广义循环累积量幅度谱上仅在载频位置存在一个明显谱峰，而MSK信号在两个频率处各有一个明显谱峰，由此可通过特征参数M2和检测广义循环累积量幅度谱的谱峰个数将BPSK信号与MSK信号识别出来；
检测广义循环累积量幅度谱的谱峰个数的具体方法如下：
首先搜索广义循环累积量幅度谱的最大值Max及其位置对应的循环频率α0，将其小邻域[α0-δ0,α0+δ0]内置零，其中δ0为一个正数，若|α0-fc|/fc＜σ0，其中δ0为一个接近0的正数，fc为信号的载波频率，则判断此信号类型为BPSK信号，否则继续搜索次大值Max1及其位置对应的循环频率α1；若|Max-Max1|/Max＜σ0，并且|(α0+α1)/2-fc|/fc＜σ0，则判断此信号类型为MSK信号；
所述数据处理系统对线性正则域的短时傅里叶变换谱做Hough变换按以下进行：
2.1)极坐标方程为ρ＝t cosθ+f sinθ，其中，(t,f)为时频域上的点，ρ为该点到原点的距离，θ为过该点和原点的直线与x轴的夹角，将极坐标空间(ρ,θ)量化为(ρu,θv)，u＝1,...,M,v＝1,...,N,得到M×N的二维矩阵M(ρ,θ)；M(ρ,θ)是一个累加器，初始值为0；
2.2)对应时频域上的每个点(t,f)，其谱幅度为|LA(t,f)|2，为提高计算速度，设定当某个点的谱幅度大于所有点的谱幅度的最大值的时则进行Hough变换，否则忽略掉该点；
2.3)对满足谱幅度大于所有点的谱幅度的最大值的点(t,f)，将θ的所有量化值代入极坐标方程，求出相应的ρ，并将累加器加上|LA(t,f)|2，即M(ρ,θ)＝M(ρ,θ)+|LA(t,f)|2，得到Hough变换矩阵M(ρ,θ)。
2.如权利要求1所述的智能型地下工程通风系统，其特征在于，所述二氧化碳传感器为传感器A，传感器A的量测模型如下：
YA(tk-1)、YA(tk)、YA(tk+1)分别为传感器A对目标在tk-1,tk,tk+1时刻的本地笛卡尔坐标系下的量测值，分别为：
<mrow> <msub> <mi>Y</mi> <mi>A</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msub> <msup> <mi>Y</mi> <mo>&amp;prime;</mo> </msup> <mi>A</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>C</mi> <mi>A</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <msub> <mi>&amp;xi;</mi> <mi>A</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>n</mi> <mrow> <msub> <mi>Y</mi> <mi>A</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </msub> <mo>;</mo> </mrow>
<mrow> <msub> <mi>Y</mi> <mi>A</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msub> <msup> <mi>Y</mi> <mo>&amp;prime;</mo> </msup> <mi>A</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>C</mi> <mi>A</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <msub> <mi>&amp;xi;</mi> <mi>A</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>n</mi> <mrow> <msub> <mi>Y</mi> <mi>A</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> </mrow> </msub> <mo>;</mo> </mrow>
<mrow> <msub> <mi>Y</mi> <mi>A</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msub> <msup> <mi>Y</mi> <mo>&amp;prime;</mo> </msup> <mi>A</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>C</mi> <mi>A</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <msub> <mi>&amp;xi;</mi> <mi>A</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>n</mi> <mrow> <msub> <mi>Y</mi> <mi>A</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </msub> <mo>;</mo> </mrow>
其中，Y'A(tk-1)、Y'A(tk)、Y'A(tk+1)分别为传感器A在tk-1,tk,tk+1时刻的本地笛卡尔坐标系下的真实位置；CA(t)为误差的变换矩阵；ξA(t)为传感器的系统误差；为系统噪声，为零均值、相互独立的高斯型随机变量，噪声协方差矩阵分别为RA(k-1)、RA(k)、RA(k+1)。
CN201711079654.8A 2017-11-06 2017-11-06 一种智能型地下工程通风系统 Pending CN107885115A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711079654.8A CN107885115A (zh) 2017-11-06 2017-11-06 一种智能型地下工程通风系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711079654.8A CN107885115A (zh) 2017-11-06 2017-11-06 一种智能型地下工程通风系统

Publications (1)

Publication Number Publication Date
CN107885115A true CN107885115A (zh) 2018-04-06

Family

ID=61778954

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711079654.8A Pending CN107885115A (zh) 2017-11-06 2017-11-06 一种智能型地下工程通风系统

Country Status (1)

Country Link
CN (1) CN107885115A (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103457890A (zh) * 2013-09-03 2013-12-18 西安电子科技大学 一种有效识别非高斯噪声下数字调制信号的方法
CN104809326A (zh) * 2014-06-23 2015-07-29 方洋旺 一种异步传感器空间配准算法
CN105007130A (zh) * 2015-06-12 2015-10-28 西安电子科技大学 一种低信噪比下lfm信号的检测方法
CN105490371A (zh) * 2015-12-28 2016-04-13 国网山西省电力公司技能培训中心 一种多功能新能源发电蓄能供热供电控制系统
CN105635136A (zh) * 2015-12-29 2016-06-01 高建萍 一种检验清洗系统
CN106016479A (zh) * 2016-08-05 2016-10-12 佛山市凯迅环境科技有限公司 一种地下室用空气净化装置
CN106339570A (zh) * 2016-06-20 2017-01-18 丽水学院 一种中医智能辅助处方系统
CN106667273A (zh) * 2017-03-06 2017-05-17 王思琪 一种具有紫外线杀菌功能的饮水机
CN106726210A (zh) * 2016-12-21 2017-05-31 王秀峰 一种多功能轮椅的智能控制系统
CN106952527A (zh) * 2017-05-09 2017-07-14 王学斌 一种基于互联网的现代数字电子技术综合实训控制系统
CN107246700A (zh) * 2017-06-29 2017-10-13 中铁第四勘察设计院集团有限公司 一种城际铁路地下站公共区复合通风系统及通风方法
CN107272788A (zh) * 2017-07-26 2017-10-20 淄博职业学院 一种基于计算机控制的温室智能控制装置及控制方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103457890A (zh) * 2013-09-03 2013-12-18 西安电子科技大学 一种有效识别非高斯噪声下数字调制信号的方法
CN104809326A (zh) * 2014-06-23 2015-07-29 方洋旺 一种异步传感器空间配准算法
CN105007130A (zh) * 2015-06-12 2015-10-28 西安电子科技大学 一种低信噪比下lfm信号的检测方法
CN105490371A (zh) * 2015-12-28 2016-04-13 国网山西省电力公司技能培训中心 一种多功能新能源发电蓄能供热供电控制系统
CN105635136A (zh) * 2015-12-29 2016-06-01 高建萍 一种检验清洗系统
CN106339570A (zh) * 2016-06-20 2017-01-18 丽水学院 一种中医智能辅助处方系统
CN106016479A (zh) * 2016-08-05 2016-10-12 佛山市凯迅环境科技有限公司 一种地下室用空气净化装置
CN106726210A (zh) * 2016-12-21 2017-05-31 王秀峰 一种多功能轮椅的智能控制系统
CN106667273A (zh) * 2017-03-06 2017-05-17 王思琪 一种具有紫外线杀菌功能的饮水机
CN106952527A (zh) * 2017-05-09 2017-07-14 王学斌 一种基于互联网的现代数字电子技术综合实训控制系统
CN107246700A (zh) * 2017-06-29 2017-10-13 中铁第四勘察设计院集团有限公司 一种城际铁路地下站公共区复合通风系统及通风方法
CN107272788A (zh) * 2017-07-26 2017-10-20 淄博职业学院 一种基于计算机控制的温室智能控制装置及控制方法

Similar Documents

Publication Publication Date Title
CN103631681B (zh) 一种在线修复风电场异常数据的方法
CN106090621B (zh) 一种基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法
CN103940608B (zh) 一种提高风电机组齿轮箱故障等级判断精度的方法
CN106055919B (zh) 一种基于遥测数据小波变换的卫星异常检测方法
CN103234553B (zh) 一种陀螺测量系统的故障诊断方法
CN106948853B (zh) 一种矿井全局精确测风的传感器优化布置方法
CN103776480A (zh) 基于多次移动平均的微小故障检测方法和装置
CN103267907A (zh) 一种变压器绕组模态参数识别方法
CN105424105B (zh) 除尘系统主管风量检测方法及在线检测装置
CN103618651A (zh) 一种基于信息熵和滑动窗口的网络异常检测方法及系统
CN109918364A (zh) 一种基于二维概率密度估计和四分位法的数据清洗方法
CN107192446A (zh) 风力发电机组塔筒固有频率监测方法
CN109283255B (zh) 一种气力输送过程中输送流型的检测方法
Chen et al. UAV fault detection based on GA-BP neural network
CN104950873B (zh) 工业控制回路间歇振荡的在线检测方法
CN105387913A (zh) 基于指数关系和支持向量回归的粮仓重量检测方法及装置
US11702922B2 (en) Optimization of drilling operations using drilling cones
CN107423544A (zh) 一种流域水文极值的非平稳性影响指标的确定方法及装置
CN116541678A (zh) 一种气站安全管道压力监测方法、装置
CN106772509A (zh) 一种基于完好性监测的基线形变检测方法
CN107885115A (zh) 一种智能型地下工程通风系统
CN108460404B (zh) 一种基于布隆过滤器的电机故障诊断方法
CN103885440B (zh) 工业控制回路的多周期振荡行为检测方法
JP2017181395A (ja) 差圧測定方法及び差圧測定システム
CN117807538A (zh) 一种基于动态阈值和趋势预测的故障检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180406