777米奇色狠狠888俺也去乱,欧美人与动牲交a

FDI攻擊下孤島交流微電網(wǎng)滑?？刂撇呗?>
</a>
</div>
<div id=

FDI攻擊下孤島交流微電網(wǎng)滑?？刂撇呗訹測(cè)試測(cè)量][智能電網(wǎng)]

針對(duì)孤島交流微電網(wǎng)控制系統(tǒng)中不可避免的虛假數(shù)據(jù)注入攻擊問題，當(dāng)存在外部干擾時(shí)，設(shè)計(jì)了主動(dòng)容侵控制策略。首先針對(duì)孤島交流微電網(wǎng)逆變系統(tǒng)，構(gòu)建系統(tǒng)狀態(tài)空間模型。將控制系統(tǒng)傳感器側(cè)可能受到的虛假數(shù)據(jù)注入攻擊信息當(dāng)作一個(gè)輔助狀態(tài)向量，設(shè)計(jì)滑模攻擊觀測(cè)器對(duì)系統(tǒng)中的狀態(tài)變量和虛假數(shù)據(jù)注入攻擊信息同時(shí)進(jìn)行估計(jì)。在獲得攻擊的估計(jì)信息后，利用積分滑模容侵控制器對(duì)虛假數(shù)據(jù)注入攻擊和外部有限能量干擾進(jìn)行主動(dòng)容侵控制，以確保微電網(wǎng)系統(tǒng)的穩(wěn)定運(yùn)行。最后，通過仿真驗(yàn)證了所提方法的可行性和有效性。

發(fā)表于：12/20/2022 4:33:00 PM

5G+MEC在家電業(yè)機(jī)器視覺檢測(cè)系統(tǒng)中的應(yīng)用[顯示光電][5G]

為了解決家電業(yè)依賴人工進(jìn)行外觀質(zhì)量檢測(cè)的長(zhǎng)期痛點(diǎn)，將5G+MEC的機(jī)器視覺關(guān)鍵技術(shù)進(jìn)行創(chuàng)新應(yīng)用，構(gòu)建了智能化產(chǎn)品表面質(zhì)量檢測(cè)系統(tǒng)。檢測(cè)系統(tǒng)以云邊協(xié)同模式運(yùn)營(yíng)，支持圖片和視頻的邊緣端推理，云端算法終端下載部署，支持異構(gòu)計(jì)算，實(shí)時(shí)性高。系統(tǒng)基于決策分析工具、人工智能、大數(shù)據(jù)分析等技術(shù)對(duì)采集的數(shù)據(jù)進(jìn)行綜合管理及應(yīng)用。同時(shí)，關(guān)聯(lián)企業(yè)MES、SCADA、WMS等系統(tǒng)，集成生產(chǎn)端數(shù)據(jù)、物料數(shù)據(jù)、市場(chǎng)追蹤反饋數(shù)據(jù)，實(shí)現(xiàn)產(chǎn)品全生命周期的數(shù)據(jù)互聯(lián)及質(zhì)量追溯。

發(fā)表于：12/20/2022 4:30:00 PM

基于ST-TCN的太陽能光伏組件故障診斷方法[其他][其他]

實(shí)地調(diào)研并收集電站光伏組件常見的故障類型，并對(duì)光伏組件在不同工作狀況下的電流特征曲線進(jìn)行分析，發(fā)現(xiàn)光伏組件的電流數(shù)據(jù)疊加了復(fù)雜的表現(xiàn)特征和高噪聲。為能精準(zhǔn)診斷光伏組件的故障類型，提出一種軟閾值化的時(shí)序卷積神經(jīng)網(wǎng)絡(luò)(Soft Thresholding Temporal Convolutional Network，ST-TCN)光伏組件故障診斷模型。ST-TCN網(wǎng)絡(luò)使用多個(gè)殘差模塊的膨脹卷積層、ReLU層、Dropout層提取電流數(shù)值特征和時(shí)序特征，再使用殘差模塊的軟閾值化對(duì)所提取的特征降噪，最終使用全連接層對(duì)殘差模塊提取的特征進(jìn)行故障診斷分類。實(shí)驗(yàn)結(jié)果表明，ST-TCN網(wǎng)絡(luò)不僅結(jié)構(gòu)簡(jiǎn)單，收斂速度快，而且故障診斷準(zhǔn)確率高，達(dá)到92.99%。

發(fā)表于：12/20/2022 4:25:00 PM

一種可適應(yīng)復(fù)雜網(wǎng)壓條件的快速鎖相環(huán)[電源技術(shù)][其他]

基于雙二階廣義積分器的鎖相環(huán)(DSOGI-PLL)被廣泛應(yīng)用于逆變器實(shí)現(xiàn)同步并網(wǎng)。但是，當(dāng)電網(wǎng)電壓三相不平衡或存在諧波分量和直流偏移，即網(wǎng)壓條件較為復(fù)雜時(shí)，濾波效果不理想，對(duì)輸入信號(hào)的檢測(cè)出現(xiàn)波動(dòng)。因此，提出一種改進(jìn)的二階廣義積分器結(jié)構(gòu)，在分離正負(fù)序電壓的基礎(chǔ)上加入直流分量抑制模塊，濾除直流電壓，并在鎖相環(huán)加入低通濾波器，從而提高鎖相環(huán)抑制諧波電壓和直流電壓的能力，準(zhǔn)確提取電網(wǎng)電壓同步信號(hào)。在MATLAB/Simulink進(jìn)行仿真研究，實(shí)驗(yàn)結(jié)果表明，該鎖相環(huán)在電網(wǎng)電壓存在多次諧波和直流電壓時(shí)能夠?yàn)V除諧波分量和直流分量，鎖頻鎖相效果較好。

發(fā)表于：12/20/2022 4:19:00 PM

石墨復(fù)合材料極板模壓成型自動(dòng)化生產(chǎn)線設(shè)計(jì)[其他][工業(yè)自動(dòng)化]

雙極板是質(zhì)子交換膜燃料電池(PEMFC)兩個(gè)重要組成部件之一，對(duì)燃料電池整體的重量、體積、功率等影響巨大，對(duì)燃料電池的整體生產(chǎn)成本和生產(chǎn)周期起到關(guān)鍵性的影響作用。采用模壓方式生產(chǎn)的石墨復(fù)合材料極板可以一次成型整板，省去二次加工時(shí)間，大大提高生產(chǎn)效率。石墨復(fù)合材料極板模壓成型自動(dòng)化生產(chǎn)線設(shè)計(jì)包括上料段、模壓段、烘干段、后處理段、檢測(cè)段、包裝段六部分，能滿足工業(yè)化、大批量生產(chǎn)極板要求，滿足燃料電池行業(yè)對(duì)極板的需求量。

發(fā)表于：12/20/2022 4:11:00 PM

一種高線性度的2.4 GHz CMOS功率放大器設(shè)計(jì)[模擬設(shè)計(jì)][其他]

為了滿足目前物聯(lián)網(wǎng)低成本、低功耗與較高線性度的市場(chǎng)應(yīng)用需求，提出了一種高線性度的2.4 GHz功率放大器(PA)。該功率放大器為兩級(jí)結(jié)構(gòu)，為了提高增益的同時(shí)保持較低的靜態(tài)功耗其驅(qū)動(dòng)級(jí)采用了電流復(fù)用兩級(jí)共源放大結(jié)構(gòu)，并且使用了兩級(jí)失真抵消的方法減小了晶體管跨導(dǎo)非線性的影響，同時(shí)采用二極管線性化偏置來補(bǔ)償寄生電容非線性導(dǎo)致的增益壓縮現(xiàn)象。該功率放大器采用0.18 μm CMOS工藝，后仿真結(jié)果表明，在2.4 GHz工作頻率下，該P(yáng)A小信號(hào)增益為30 dB，輸出1 dB壓縮點(diǎn)為22 dBm，靜態(tài)功耗為53 mW，功率附加效率峰值為31%。

發(fā)表于：12/20/2022 4:05:00 PM

一種LZ4無損壓縮電路設(shè)計(jì)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

為緩解存儲(chǔ)系統(tǒng)中軟件壓縮算法對(duì)計(jì)算資源的大量占用，使用LZ4算法設(shè)計(jì)了一種無損壓縮電路。提出了一種循環(huán)隊(duì)列結(jié)構(gòu)的滑動(dòng)字典，結(jié)合散列表模塊構(gòu)建LZ4無損壓縮電路，最后使用Calgary和Canterbury語料庫，在Xilinx KC705 FPGA平臺(tái)對(duì)電路進(jìn)行驗(yàn)證并與軟件壓縮對(duì)比。結(jié)果表明所設(shè)計(jì)的LZ4無損壓縮電路保持了軟件壓縮相同的壓縮率的同時(shí)，在壓縮效率上遠(yuǎn)超過軟件壓縮。

發(fā)表于：12/20/2022 3:59:00 PM

基于深度學(xué)習(xí)的詞語級(jí)中文唇語識(shí)別[其他][其他]

在無聲或噪聲干擾嚴(yán)重的環(huán)境下，或?qū)τ诖嬖诼犛X障礙的人群，唇語識(shí)別至關(guān)重要。針對(duì)詞語級(jí)中文唇語識(shí)別的問題，提出了SinoLipReadingNet模型，前端采用Conv3D+ResNet34結(jié)構(gòu)用于時(shí)空特征提取，后端分別采用Conv1D結(jié)構(gòu)和Bi-LSTM結(jié)構(gòu)用于分類預(yù)測(cè)，并引入Self-Attention、CTCLoss對(duì)Bi-LSTM后端進(jìn)行改進(jìn)。最終在新網(wǎng)銀行唇語識(shí)別數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，結(jié)果表明，SinoLipReadingNet模型在識(shí)別準(zhǔn)確率上明顯優(yōu)于中科院D3D模型，多模型融合的預(yù)測(cè)準(zhǔn)確率達(dá)到了77.64%，平均字錯(cuò)率為21.68%。

發(fā)表于：12/20/2022 3:53:00 PM

融合輕量化與梯形結(jié)構(gòu)的學(xué)生行為檢測(cè)算法[其他][其他]

為了解決常見目標(biāo)檢測(cè)算法在課堂場(chǎng)景中難以有效應(yīng)用的問題，提出了一種融合輕量化與梯形結(jié)構(gòu)的學(xué)生行為檢測(cè)算法。該算法基于YOLOv4架構(gòu)，針對(duì)目標(biāo)分類和分布空間的特點(diǎn)，提出一種新的“梯”形特征融合結(jié)構(gòu)，并結(jié)合MobileNetv2思想，優(yōu)化模型參數(shù)得到梯形-MobileDarknet19特征提取網(wǎng)絡(luò)，既減少了網(wǎng)絡(luò)的計(jì)算量，提高了工作效率，同時(shí)加強(qiáng)了目標(biāo)特征的信息傳輸，提升了模型學(xué)習(xí)能力；在尺度檢測(cè)階段引入5層的DenseNet網(wǎng)絡(luò)，增強(qiáng)網(wǎng)絡(luò)對(duì)小目標(biāo)的檢測(cè)能力。實(shí)驗(yàn)結(jié)果表明，提出的YOLOv4-ST算法相比于原YOLOv4算法mAP提高了5.5%，相比于其他主流算法，在學(xué)生課堂行為檢測(cè)任務(wù)中具有較好的實(shí)用性。

發(fā)表于：12/20/2022 3:47:00 PM

服務(wù)型自主創(chuàng)新生態(tài)的價(jià)值及產(chǎn)業(yè)趨勢(shì)研究[其他][信創(chuàng)產(chǎn)業(yè)]

近年來中國(guó)自主軟硬件生態(tài)發(fā)展迅速，然而自主技術(shù)體系依舊存在資源稀缺、技術(shù)服務(wù)獲取難度大、成本高等痛點(diǎn)。為此，鵬城實(shí)驗(yàn)室提出了基于開源開放的模式發(fā)展服務(wù)型自主生態(tài)，搭建了鵬城生態(tài)開發(fā)者云平臺(tái)，無償為開發(fā)者提供一體化的自主軟硬件技術(shù)棧和服務(wù)。介紹了鵬城生態(tài)開發(fā)者云平臺(tái)過去三年的建設(shè)成果和服務(wù)情況?；陂_發(fā)者云用戶對(duì)計(jì)算資源的使用數(shù)據(jù)，計(jì)算了開發(fā)者云產(chǎn)生的綜合經(jīng)濟(jì)效益。通過對(duì)開發(fā)者云用戶行為數(shù)據(jù)的分析，找出了自主產(chǎn)業(yè)的三個(gè)發(fā)展趨勢(shì)，為自主軟硬件生態(tài)的發(fā)展研究提供了新視角、新思路和新方法。

發(fā)表于：12/20/2022 3:44:00 PM