免费观看的黄色网站,视频一区二区三区精品

設計應用

衛(wèi)星擴頻測控基帶系統(tǒng)設計

衛(wèi)星擴頻測控基帶系統(tǒng)設計[其他][其他]

衛(wèi)星測控分系統(tǒng)負責遙測、遙控信號在衛(wèi)星與地面站之間的傳輸。擴頻測控體制由于抗干擾性強、保密性好、易于實現多星測控等優(yōu)勢，已經逐漸成為主流測控方式。在測控頻段上，X頻段由于頻率資源豐富且對商業(yè)測控開放，已經成為商業(yè)航天使用的主要測控頻段。根據低軌衛(wèi)星測控分系統(tǒng)需求，設計了一套X頻段擴頻測控應答機基帶系統(tǒng)，能夠實現X頻段擴頻測控信號的發(fā)射和接收。通過優(yōu)化設計二維捕獲、跟蹤環(huán)路等模塊，系統(tǒng)可以滿足低軌衛(wèi)星高動態(tài)多普勒下的性能需求。

發(fā)表于：9/19/2022 11:42:00 AM

速變參數預處理裝置

速變參數預處理裝置[其他][其他]

針對遙測系統(tǒng)上測量參數多、耗時長以及傳輸質量要求高的問題，將采集數據由時域轉換到頻域，大大壓縮了數據傳輸量，節(jié)省了傳輸時間，提高了飛行器的數據傳輸效率?；谙到y(tǒng)電路，分析了CAN_FD總線接口、DSP和FPGA通信接口及供電接口的設計。速變參數預處理裝置可處理振動、沖擊和噪聲信號，三者基于同一硬件平臺而運用不同算法，當采集數據量達到要求時，FPGA產生中斷并由DSP進行處理，DSP處理后的結果發(fā)送給FPGA，再轉發(fā)至接收設備。實驗中通過模擬測試環(huán)境完成系統(tǒng)驗證，實踐證明，速變參數預處理裝置的誤差在5%以下，且無丟幀現象，具有較強的實用價值。

發(fā)表于：9/19/2022 11:37:00 AM

LDO器件噪聲特性分析及輸出噪聲測試方法研究

LDO器件噪聲特性分析及輸出噪聲測試方法研究[其他][其他]

隨著國產LDO器件在裝備中的大量使用，為保障元器件應用可靠性，需針對LDO輸出噪聲指標測試方法進行研究。結合實際驗證工作，基于TCAD仿真，分析LDO器件噪聲的主要來源模塊，包括基準電路、誤差放大器和反饋電阻網絡。采用低噪聲鎳氫電池組作為偏置源進行供電，并在測試電路中加入濾波電容和耦合電容，可有效降低測試系統(tǒng)本底噪聲對噪聲測試結果的影響。搭建輸出應用驗證測試平臺，驗證可有效測試LDO的輸出噪聲，提升LDO參數測試技術及性能可靠性保障能力。

發(fā)表于：9/19/2022 11:30:00 AM

高集成度多標記光刻版版圖的快速處理技術

高集成度多標記光刻版版圖的快速處理技術[其他][其他]

介紹了一種高集成度多標記光刻版版圖的快速處理技術。其中包括以下四個模塊： chip芯片排布模塊、標記排布模塊、芯粒數統(tǒng)計模塊和自動版號模塊。在版圖編輯工具L-edit中使用這些模塊可以大幅提升微光刻中的高集成度多標記光刻版版圖的排布效率并提高準確度，從而有效縮短掩膜版的生產周期。

發(fā)表于：9/19/2022 11:24:00 AM

一種改進型高速1553B總線發(fā)送器斜率控制電路

一種改進型高速1553B總線發(fā)送器斜率控制電路[其他][其他]

傳統(tǒng)的1553B總線通信速率為1 Mb/s，難以滿足目前電子設備對通信總線高速率的要求。設計了一種新型的發(fā)送器斜率控制電路，并應用于高速1553B總線發(fā)送器芯片，提升了發(fā)送器的速率，改善了總線波形質量。測試表明，采用本文設計的改進型1553B總線發(fā)送器，通信速率最高可達4 Mb/s，達到現有標準速率的4倍，性能提升效果顯著。

發(fā)表于：9/19/2022 11:20:00 AM

一種基于MCU芯片的FPGA原型驗證平臺設計

一種基于MCU芯片的FPGA原型驗證平臺設計[其他][其他]

為了縮短MCU芯片開發(fā)周期，提出了一種基于MCU芯片FPGA原型驗證平臺設計。該設計是將傳統(tǒng)FPGA原型驗證過程中使用FPGA的RAM原型替換程序存儲單元，改為使用FPGA雙端口RAM替換。其中一個端口控制按照傳統(tǒng)的接入方法,另一端口控制信號接到專門的控制邏輯上，獨立控制，而且不影響原MCU芯片功能。該方法不僅節(jié)省多次FPGA綜合實現的時間,而且可以靈活實時監(jiān)測RAM，方便查錯。同時該方法具有通用性，可移植到類似的SoC系統(tǒng)架構FPGA原型驗證系統(tǒng)中去。

發(fā)表于：9/19/2022 11:15:00 AM

基于邊緣計算的局部放電模式識別

基于邊緣計算的局部放電模式識別[其他][其他]

局部放電是設備處于高電場強下，由于電場分布不均而導致的絕緣介質放電現象，設備產生局部放電對于絕緣層的危害很大，迅速檢測識別設備的放電類型是工業(yè)正常運作的保障。針對電氣設備局部放電類型識別問題，考慮到電氣設備監(jiān)測系統(tǒng)在診斷識別方面的時效性及精度，提出了基于邊緣計算的局部放電模式識別方法，利用邊緣計算架構的優(yōu)勢，基于云層訓練、邊緣推理思路，將復雜的識別算法訓練優(yōu)化過程部署在云層，將計算量大的識別算法卸載到邊緣層，而計算量小的特征提取保留在終端設備層處理。通過構造局部放電相位分布譜圖提取局部放電的統(tǒng)計特征參數，采用粒子群優(yōu)化算法對廣義回歸神經網絡模型進行優(yōu)化，最后將統(tǒng)計特征參數作為神經網絡的輸入量，對放電類型進行識別。結果表明，所提模式識別方法識別準確率高，識別效率高。

發(fā)表于：9/19/2022 11:11:00 AM

融合用戶行為和評論文本的圖神經網絡推薦

融合用戶行為和評論文本的圖神經網絡推薦[其他][其他]

現有的基于圖神經網絡的推薦算法能夠利用圖結構信息使得推薦效果得到較好的提升，但主要的圖結構都是圍繞著用戶和項目的一種交互，卻忽略了用戶的多種行為，如點擊、收藏、分享、加入購物車等都表達著用戶不同的語義；又如評論信息，可能影響著該類型物品的下一次購買意圖。為此提出一種基于用戶行為和評論信息的圖神經網絡推薦算法，算法通過圖卷積網絡學習用戶行為的強度及語義，再利用評論文本圖表示學習評論中用戶和商品的偏好，最后進行融合提升推薦效果。實驗結果表明，該算法對于推薦效果有一定的提升。

發(fā)表于：9/19/2022 11:07:00 AM

基于XGBoost與LightGBM集成的電動汽車充電負荷預測模型

基于XGBoost與LightGBM集成的電動汽車充電負荷預測模型[其他][汽車電子]

隨著電動汽車規(guī)?；l(fā)展，充電站負荷對電網造成一定影響，為保障電網平穩(wěn)運行，提出一種基于極端梯度提升(eXtreme Gradient Boosting，XGBoost)與輕量級梯度提升機(Light Gradient Boosting Machine，LightGBM)融合的電動汽車充電負荷預測模型。該方法運用Stacking集成學習的策略：首先根據時間特征與歷史負荷數據采用XGBoost與LightGBM算法構建負荷預測的基學習器，然后采用嶺回歸(Ridge Regression，RR)算法將基學習器的輸出結果進行融合之后輸出負荷預測值。為了對比多種不同的負荷預測模型，采用上海市嘉定區(qū)的充電站訂單數據進行試驗，結果表明，該方法所構建的負荷預測模型相比單一算法模型具有更高的預測準確度，對電網平穩(wěn)運行有一定理論及實用價值。

發(fā)表于：9/19/2022 10:58:00 AM

中央處理器安全測試與自修復技術研究

中央處理器安全測試與自修復技術研究[其他][其他]

中央處理器在工業(yè)控制領域起到重要作用，其正常工作是工業(yè)控制中的重要穩(wěn)定運行保障。主要研究中央處理器的安全測試與自修復相關技術。從故障注入到故障測試再到自修復，對相關安全技術作了比較介紹與分類總結，包括硬軟件的故障注入技術、掃描鏈、內建自測試、TSV等故障測試方法，以及以替代修復和容錯自修復技術。最后提出中央處理器安全協同模型，對各個技術的基本原理和創(chuàng)新點做出歸納總結，為未來中央處理器的故障處理技術發(fā)展提供安全設計全參考，在保證安全和性能的同時降低成本和能耗，助力工控設備安全穩(wěn)定運行。

發(fā)表于：9/19/2022 10:53:00 AM