123,123,123

計(jì)算隔離式精密高速DAQ的采樣時(shí)鐘抖動(dòng)的簡(jiǎn)單步驟[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

本文將說明如何解讀ADI公司的LVDS數(shù)字隔離器的抖動(dòng)規(guī)格參數(shù)，以及與精密高速產(chǎn)品（例如ADAQ23875DAQ µModule®解決方案）接口時(shí)，哪些規(guī)格參數(shù)比較重要。本文的這些指導(dǎo)說明也適用于其他帶有LVDS接口的精密高速ADC。在介紹與ADN4654千兆LVDS隔離器配合使用的ADAQ23875時(shí)，還將說明計(jì)算對(duì)SNR預(yù)期影響采用的方法。

發(fā)表于：3/17/2022

燃料電池測(cè)試設(shè)備怎么選？選擇IT-M3800[電源技術(shù)][汽車電子]

ITECH新品IT-M3800系列回饋式直流電子負(fù)載可為燃料電池測(cè)試提供新方案。 IT-M3800系列回饋式直流電子負(fù)載具有10V、32V至1500V7檔電壓等級(jí)，可適應(yīng)電芯至燃料電池電堆的測(cè)試需求。10V電壓下單機(jī)電流最大可達(dá)720A，最小操作電壓僅為0.6V。32V機(jī)型最小操作電壓為0.32V。同時(shí)單機(jī)功率為1.2kW-12kW貼合客戶功率需求，無需采購容量過大的設(shè)備。當(dāng)用戶產(chǎn)品升級(jí)有更大功率、電流需求時(shí)，專利的簡(jiǎn)易主/從并機(jī)功能在擴(kuò)大功率的同時(shí)保持性能，可實(shí)現(xiàn)4000A負(fù)載拉載能力。IT-M3800系列還具有CC/CV/CP/CW/CC+CV/CV+CR/CR+CC/CC+CV+CW+CR 等8種操作模式模擬不同負(fù)載特性。

發(fā)表于：3/17/2022

嵌入式邊緣AI應(yīng)用開發(fā)簡(jiǎn)化指南[人工智能][消費(fèi)電子]

如果在沒有嵌入式處理器供應(yīng)商提供的合適工具和軟件的支持下，既想設(shè)計(jì)高能效的邊緣人工智能（AI）系統(tǒng)，同時(shí)又要加快產(chǎn)品上市時(shí)間，這項(xiàng)工作難免會(huì)冗長(zhǎng)乏味。面臨的一系列挑戰(zhàn)包括選擇恰當(dāng)?shù)纳疃葘W(xué)習(xí)模型、針對(duì)性能和精度目標(biāo)對(duì)模型進(jìn)行訓(xùn)練和優(yōu)化，以及學(xué)習(xí)使用在嵌入式邊緣處理器上部署模型的專用工具。

發(fā)表于：3/16/2022

基于差量特征與AdaBoost的家用負(fù)荷識(shí)別方法研究[其他][其他]

針對(duì)家用負(fù)荷提出了一種使用智能電表進(jìn)行數(shù)據(jù)采集的非侵入式負(fù)荷在線識(shí)別方法。該方法使用智能電表計(jì)算出負(fù)荷的差量特征向量預(yù)先建立特征庫，訓(xùn)練以決策樹作為弱分類器的AdaBoost分類器模型，利用負(fù)荷投切時(shí)電表的告警信息中包含的特征向量進(jìn)行分類以實(shí)現(xiàn)負(fù)荷在線識(shí)別，實(shí)時(shí)性好且提高了單一決策樹模型的識(shí)別效果。實(shí)驗(yàn)結(jié)果證明了該方法的可行性，實(shí)現(xiàn)了負(fù)荷使用信息的獲取，具有較好的實(shí)際應(yīng)用價(jià)值。

發(fā)表于：3/16/2022

基于C3D的化學(xué)實(shí)驗(yàn)室人員不安全行為模式識(shí)別[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)因人的不安全行為導(dǎo)致化學(xué)實(shí)驗(yàn)室安全事故的預(yù)防問題，提出了基于三維卷積網(wǎng)絡(luò)(Convolutional 3D，C3D)的化學(xué)實(shí)驗(yàn)室人員不安全行為模式識(shí)別方法。定義了5種典型的人員不安全行為模式，以某高?；瘜W(xué)實(shí)驗(yàn)室作為研究區(qū)域，構(gòu)建了人員不安全行為模式數(shù)據(jù)集，建立了基于C3D的人員不安全行為模式識(shí)別模型，并對(duì)模型在不同應(yīng)用場(chǎng)景下的性能進(jìn)行了評(píng)估。結(jié)果表明：在特定人員于特定實(shí)驗(yàn)場(chǎng)景中出現(xiàn)上述5種不安全行為時(shí)，該模型在測(cè)試集上得到的F1指數(shù)平均值均能達(dá)到97%以上；在非特定人員與非特定場(chǎng)景中出現(xiàn)不安全行為時(shí)，模型能夠有效識(shí)別部分不安全行為。該研究成果預(yù)期可以為化學(xué)實(shí)驗(yàn)室人員不安全行為的預(yù)測(cè)、預(yù)警、預(yù)防提供技術(shù)支持。

發(fā)表于：3/16/2022

PLC控制系統(tǒng)的上下位機(jī)安全通信方案[其他][其他]

隨著科技的發(fā)展和社會(huì)的進(jìn)步，工業(yè)控制網(wǎng)絡(luò)與互聯(lián)網(wǎng)日益融合，工控通信所面臨的安全隱患日益增多。針對(duì)工控通信安全事件頻發(fā)的問題，以PLC控制系統(tǒng)為例，對(duì)PLC控制系統(tǒng)的上下位機(jī)的系統(tǒng)結(jié)構(gòu)、通信安全隱患等方面進(jìn)行分析；從通信協(xié)議選擇、安全連接建立、傳輸數(shù)據(jù)加密方式、通信過程等方面進(jìn)行了方案設(shè)計(jì)，提出了一種基于SCTP協(xié)議的安全保密通信方案。

發(fā)表于：3/16/2022

基于雙向GRU與殘差擬合的車輛跟馳建模[其他][其他]

為了提高微觀交通仿真中車輛跟馳建模的準(zhǔn)確性與泛化能力，將物理類模型與深度學(xué)習(xí)相結(jié)合，提出一種基于雙向GRU(門控循環(huán)單元)與殘差擬合的跟馳模型框架。該框架使用雙向GRU網(wǎng)絡(luò)對(duì)物理類跟馳模型預(yù)測(cè)值與真實(shí)值的殘差進(jìn)行學(xué)習(xí)，并在NGSIM公開數(shù)據(jù)集上進(jìn)行測(cè)試。通過對(duì)比IDM、GIPPS、GM三種跟馳模型下的殘差擬合效果，表明雙向GRU網(wǎng)絡(luò)可以對(duì)原模型預(yù)測(cè)結(jié)果的偏差進(jìn)行有效的修正。選用IDM作為本框架的物理類模型，提出了Bi-GRU-IDM模型，與現(xiàn)有SVR模型、BPNN模型、GRU模型進(jìn)行對(duì)比，結(jié)果表明Bi-GRU-IDM在預(yù)測(cè)精度、泛化性能上明顯優(yōu)于其他三種模型。

發(fā)表于：3/16/2022

基于ResNet50對(duì)地震救援中人體姿態(tài)估計(jì)的研究[其他][其他]

調(diào)查發(fā)現(xiàn)，地震中死亡人數(shù)增加的原因主要是錯(cuò)過救援的黃金時(shí)間，因此可通過救援無人機(jī)自動(dòng)對(duì)受災(zāi)人員進(jìn)行行為識(shí)別與狀態(tài)分析。人體姿態(tài)估計(jì)是指對(duì)圖像中人體關(guān)節(jié)點(diǎn)和肢體進(jìn)行檢測(cè)的過程，在人機(jī)交互和行為識(shí)別應(yīng)用中起著重要的作用，然而由于背景復(fù)雜、肢體被遮擋等因素導(dǎo)致標(biāo)注人體關(guān)節(jié)點(diǎn)和肢體十分困難。因此提出一種結(jié)合ResNet50及CPM的模型，該模型通過獲取圖像特征和精調(diào)機(jī)制，計(jì)算出關(guān)節(jié)點(diǎn)依賴關(guān)系，最后劃分到對(duì)應(yīng)人體。實(shí)驗(yàn)表明，該模型與其他模型對(duì)比能夠提高復(fù)雜場(chǎng)景下人體姿態(tài)估計(jì)的效果。

發(fā)表于：3/16/2022

基于聚類的雙溫度優(yōu)化控制基站空調(diào)節(jié)能算法[其他][其他]

基站空調(diào)的節(jié)能是電信行業(yè)節(jié)能減排十分重要的一環(huán)，通過數(shù)據(jù)挖掘方法從空調(diào)系統(tǒng)運(yùn)行數(shù)據(jù)中找到提升運(yùn)行性能的規(guī)則和手段，具有重要的現(xiàn)實(shí)意義和研究?jī)r(jià)值。針對(duì)基站空調(diào)的節(jié)能減排問題，對(duì)基站實(shí)時(shí)采集到的數(shù)據(jù)流，首先建立空調(diào)節(jié)能模型找到目標(biāo)約束條件下最優(yōu)控制溫度；隨后針對(duì)空調(diào)啟停次數(shù)頻繁的問題繼續(xù)提出雙溫度控制模型，減少空調(diào)啟動(dòng)次數(shù)的同時(shí)進(jìn)一步降低了空調(diào)能耗；最后為了應(yīng)對(duì)室外溫度、設(shè)備能耗等一些不確定因素的變化，提出了基于聚類的空調(diào)溫度分段控制算法并加以改進(jìn)，通過聚類結(jié)果分析得到對(duì)應(yīng)的用電模式，對(duì)不同用電模式分別設(shè)計(jì)相應(yīng)控制策略，最終實(shí)現(xiàn)了基站空調(diào)能耗降低25%的效果，為企業(yè)空調(diào)節(jié)能控制提供了可靠依據(jù)。

發(fā)表于：3/16/2022

利用LMedS算法與特征值法的點(diǎn)云平面擬合方法[其他][其他]

針對(duì)三維點(diǎn)云數(shù)據(jù)中存在的異常點(diǎn)會(huì)對(duì)平面擬合過程產(chǎn)生不利的影響，提出了一種將最小平方中值算法(Least Median of Squares，LMedS)與特征值法相結(jié)合的點(diǎn)云平面擬合新方法。首先，通過LMedS算法進(jìn)行多次迭代確定最佳閾值并剔除點(diǎn)云數(shù)據(jù)中的異常點(diǎn)。然后，采用特征值法對(duì)剔除完異常點(diǎn)后的點(diǎn)云數(shù)據(jù)進(jìn)行平面擬合，以獲得更加精確的擬合平面參數(shù)解。最后，分別采用最小二乘法、特征值法、RANSAC+主成分分析法與所提出方法對(duì)仿真和實(shí)測(cè)點(diǎn)云數(shù)據(jù)進(jìn)行平面擬合計(jì)算。實(shí)驗(yàn)結(jié)果表明，相比于其他方法，該方法的平面擬合精度更高，適用于對(duì)含有異常點(diǎn)的點(diǎn)云數(shù)據(jù)進(jìn)行平面擬合，具有較高的魯棒性。

發(fā)表于：3/16/2022

AES緩存碰撞攻擊在美國太空安全挑戰(zhàn)賽中的應(yīng)用[通信與網(wǎng)絡(luò)][航空航天]

通過對(duì)美國太空安全挑戰(zhàn)賽中AES破解挑戰(zhàn)的分析，提出了使用AES緩存碰撞時(shí)間攻擊的破譯思路，分析了AES緩存碰撞時(shí)間攻擊的原理，將密鑰可能空間縮小至6 700萬，成功利用密鑰已知部分推測(cè)出未知部分，最終實(shí)現(xiàn)該攻擊，驗(yàn)證了AES緩存碰撞時(shí)間攻擊的實(shí)踐可行性。

發(fā)表于：3/16/2022

工控系統(tǒng)脆弱性分析研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

隨著工業(yè)互聯(lián)網(wǎng)新技術(shù)在工控領(lǐng)域的廣泛應(yīng)用，工控系統(tǒng)由以往的孤島模式轉(zhuǎn)變?yōu)殚_放系統(tǒng)，通過網(wǎng)絡(luò)公開的工控態(tài)勢(shì)平臺(tái)，可以發(fā)現(xiàn)大量的工控設(shè)備暴露在互聯(lián)網(wǎng)中，工控系統(tǒng)面臨前所未有的安全危脅。通過對(duì)工控系統(tǒng)的安全現(xiàn)狀與脆弱性進(jìn)行分析，站在攻擊者角度提出了工控系統(tǒng)面臨的攻擊威脅。結(jié)合真實(shí)的核電DCS系統(tǒng)，通過安全測(cè)試總結(jié)此系統(tǒng)的脆弱性，綜合考慮安全防護(hù)策略的有效性和實(shí)際可用性，對(duì)系統(tǒng)中相應(yīng)安全脆弱點(diǎn)部署安全設(shè)備，提出了一種針對(duì)核電DCS系統(tǒng)的安全防護(hù)方案。通過在實(shí)驗(yàn)室中部署驗(yàn)證，證明了該安全防護(hù)措施一定程度減輕了核電DCS系統(tǒng)的脆弱性，提升了系統(tǒng)的安全性。

發(fā)表于：3/16/2022

能源互聯(lián)網(wǎng)供應(yīng)鏈場(chǎng)景分析及防御策略研究[其他][其他]

隨著能源互聯(lián)網(wǎng)的快速發(fā)展與深入應(yīng)用，泛在互聯(lián)、對(duì)等開放、多源協(xié)同等特性導(dǎo)致惡意網(wǎng)絡(luò)攻擊不斷發(fā)生，已經(jīng)嚴(yán)重影響與威脅到能源互聯(lián)網(wǎng)生產(chǎn)、傳輸、交易及消費(fèi)各環(huán)節(jié)業(yè)務(wù)系統(tǒng)，能源互聯(lián)網(wǎng)供應(yīng)鏈安全作為保障能源互聯(lián)網(wǎng)安全的重要部分得到進(jìn)一步重視。針對(duì)能源互聯(lián)網(wǎng)供應(yīng)鏈全生命周期，提出了能源互聯(lián)網(wǎng)供應(yīng)鏈場(chǎng)景模型，概括了各場(chǎng)景下存在的安全風(fēng)險(xiǎn)，分析了供應(yīng)鏈攻擊各類場(chǎng)景，總結(jié)了供應(yīng)鏈攻擊的分類及特點(diǎn)，描述了能源互聯(lián)網(wǎng)供應(yīng)鏈攻擊威脅模型，最后提出了各個(gè)場(chǎng)景的安全防御策略，為能源互聯(lián)網(wǎng)供應(yīng)鏈上下游安全保障提供參考。

發(fā)表于：3/16/2022

基于改進(jìn)Sobel算子的邊緣檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[其他][其他]

摘要：邊緣檢測(cè)是圖像處理及計(jì)算機(jī)視覺中的基本問題之一，而Sobel算子對(duì)于邊緣檢測(cè)來說,則是最重要的算子之一。針對(duì)傳統(tǒng)Sobel算子的局限性以及PC端串行化處理圖像的效率較低的問題，提出了一種改進(jìn)的方法，首先將傳統(tǒng)Sobel算子的模板方向由2個(gè)變?yōu)?個(gè)，充分利用圖像中的像素點(diǎn)的方向信息，然后根據(jù)現(xiàn)場(chǎng)可編程門陣列(Field Programmable Gate Array，F(xiàn)PGA)硬件處理速度快、并行流水線處理等一些特點(diǎn)，利用FPGA替代PC端對(duì)圖像進(jìn)行處理，實(shí)現(xiàn)改進(jìn)的Sobel算子的邊緣檢測(cè)系統(tǒng)，達(dá)到優(yōu)化圖像邊緣檢測(cè)效果并提升處理圖像的效率。仿真結(jié)果顯示，基于FPGA的改進(jìn)Sobel算子的邊緣檢測(cè)，提取的圖像邊緣信息較為理想。

發(fā)表于：3/16/2022

基于視頻的人臉安全技術(shù)檢測(cè)研究概述[人工智能][通信網(wǎng)絡(luò)]

摘要：本文通過討論基于視頻的人臉安全技術(shù)的特點(diǎn)難點(diǎn)，探討人臉檢測(cè)技術(shù)的發(fā)展。根據(jù)面部膚色的建模問題和色彩空間變換的概念，進(jìn)一步推測(cè)出基于視頻的人臉檢測(cè)的實(shí)現(xiàn)需要建立人臉庫、對(duì)人臉特征進(jìn)行提取并加以SVM分類算法，從而幫助人臉識(shí)別技術(shù)達(dá)到全新高度，實(shí)現(xiàn)AI發(fā)展與安全技術(shù)并存的局面。

發(fā)表于：3/16/2022