亚洲精品久久中文日本,狠狠躁夜夜躁av蜜臀

基于STM32兩軸深水觀測云臺(tái)控制系統(tǒng)設(shè)計(jì)[其他][其他]

隨著水下機(jī)器人在海洋能源勘探領(lǐng)域研究的深入，其需要借助云臺(tái)實(shí)時(shí)監(jiān)測水下環(huán)境、保證安全高效的作業(yè)。因此設(shè)計(jì)了基于STM32主控板的兩自由度深水觀測云臺(tái)及其控制系統(tǒng)，在FreeRTOS上設(shè)置不同優(yōu)先級的任務(wù)，實(shí)現(xiàn)CPU資源的高效利用。采用RS485實(shí)現(xiàn)云臺(tái)和上位機(jī)通信，上位機(jī)按照Modbus雙向通信協(xié)議向云臺(tái)下位機(jī)發(fā)送控制命令。在實(shí)現(xiàn)兩軸云臺(tái)電機(jī)轉(zhuǎn)動(dòng)的同時(shí)，上位機(jī)實(shí)時(shí)接收檢測到的數(shù)據(jù)。采用PID算法控制云臺(tái)轉(zhuǎn)動(dòng)角度，通過分析實(shí)驗(yàn)結(jié)果，該系統(tǒng)可以實(shí)現(xiàn)云臺(tái)兩自由度控制和高質(zhì)量圖片視頻采集。

發(fā)表于：7/28/2021 5:05:00 PM

代碼審查缺陷密度量化模型研究[其他][其他]

為通過代碼審查活動(dòng)達(dá)到對軟件產(chǎn)品質(zhì)量提升的作用，給出了代碼審查平臺(tái)搭建方案，并據(jù)此平臺(tái)策劃開展了多個(gè)工程的代碼審查活動(dòng)。利用首輪采集的數(shù)據(jù)，初步分析確立了代碼審查缺陷密度模型和影響因子，計(jì)算得到了代碼審查缺陷密度的基線目標(biāo)值。該模型可以供研發(fā)團(tuán)隊(duì)和研發(fā)團(tuán)隊(duì)所屬組織策劃確定代碼審查基線，并策劃開展后續(xù)代碼審查活動(dòng)。

發(fā)表于：7/28/2021 5:01:00 PM

基于改進(jìn)型差分進(jìn)化的MLAT系統(tǒng)布站方法研究[其他][其他]

對于多點(diǎn)定位系統(tǒng)的定位精度受基站幾何布局影響的問題，提出基于改進(jìn)型差分進(jìn)化算法的布站優(yōu)化方法。基于差分進(jìn)化算法并適當(dāng)改進(jìn)，結(jié)合場面多點(diǎn)定位系統(tǒng)的其他條件和限制因素，以幾何精度因子GDOP為適應(yīng)度函數(shù)，實(shí)現(xiàn)基站優(yōu)化布站，為系統(tǒng)設(shè)計(jì)和建設(shè)中基站位置的選取提供參考依據(jù)。仿真結(jié)果表明，該布站優(yōu)化方法在多點(diǎn)定位系統(tǒng)中可獲得較高的定位精度。

發(fā)表于：7/28/2021 4:57:00 PM

基于云計(jì)算的流媒體任務(wù)調(diào)度算法[其他][其他]

針對當(dāng)前流媒體的大量視頻資源從而帶來的云計(jì)算的負(fù)載均衡和任務(wù)分配問題，在Cloudsim云環(huán)境下實(shí)現(xiàn)了任務(wù)調(diào)度的GAAC算法(Greedy And Ant Colony Algorithm，GAAC)。GAAC算法具有迭代學(xué)習(xí)機(jī)制、局部最優(yōu)和負(fù)載均衡的特點(diǎn)。并在Cloudsim的環(huán)境下，完成了對GAAC算法、輪轉(zhuǎn)算法(Round Roll Algorithm，RR)、貪心算法和蟻群算法的仿真比較。實(shí)驗(yàn)驗(yàn)證，GAAC算法從總體上而言，任務(wù)調(diào)度所用的時(shí)間明顯較低于貪心算法和傳統(tǒng)的輪轉(zhuǎn)算法和蟻群算法，即其任務(wù)執(zhí)行的時(shí)間更短，效率更高。

發(fā)表于：7/28/2021 4:53:00 PM

基于多尺度網(wǎng)絡(luò)的絕緣子自曝狀態(tài)智能認(rèn)知方法研究[其他][其他]

針對已有絕緣子狀態(tài)識別模型，以及深層網(wǎng)絡(luò)尺度和交叉熵?fù)p失函數(shù)的缺陷，仿照運(yùn)維人員檢修模式，即依據(jù)評測結(jié)果的可信度動(dòng)態(tài)決策，基于多尺度網(wǎng)絡(luò)構(gòu)建了一種絕緣子自曝狀態(tài)智能認(rèn)知方法。首先，面向定位歸一化化預(yù)處理后的絕緣子圖像，基于ResNet-18增加不同結(jié)構(gòu)的網(wǎng)絡(luò)分支提高網(wǎng)絡(luò)適應(yīng)不同分辨率的能力，同時(shí)在網(wǎng)絡(luò)末端添加多尺度信息融合模塊；其次，隨機(jī)配置網(wǎng)絡(luò)面向多個(gè)尺度特征，構(gòu)建了泛化的自曝狀態(tài)分類認(rèn)知準(zhǔn)則；最后，為了評測自曝狀態(tài)分類認(rèn)知結(jié)果的可信度，基于定義的誤差指標(biāo)自調(diào)節(jié)多尺度網(wǎng)絡(luò)架構(gòu)，重構(gòu)不確定認(rèn)知結(jié)果約束下的特征向量和分類認(rèn)知準(zhǔn)則，以進(jìn)行自曝狀態(tài)再認(rèn)知。實(shí)驗(yàn)結(jié)果顯示，與其他方法相比，所提出的智能認(rèn)知方法增強(qiáng)了模型的泛化能力和認(rèn)知精度。

發(fā)表于：7/28/2021 4:49:00 PM

基于深度學(xué)習(xí)的1-比特超大規(guī)模MIMO信道估計(jì)[其他][其他]

超大規(guī)模多輸入多輸出(Multiple Input Multiple Output，MIMO)技術(shù)在未來的移動(dòng)通信中具有巨大的潛力。然而，采用超大型的天線陣列會(huì)出現(xiàn)空間非平穩(wěn)性信道特征，如果為基站的每根天線都配備一個(gè)高精度量化器，系統(tǒng)功耗將大幅度增加，從而阻礙超大規(guī)模MIMO系統(tǒng)的廣泛應(yīng)用。因此，假設(shè)基站的每根天線都配備有一對1-比特模數(shù)轉(zhuǎn)換器(Analog-to-Digital Converters，ADC)，利用子陣列與用戶之間的映射關(guān)系來描述非平穩(wěn)信道特征，借助深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network，DNN)強(qiáng)大的泛化能力，設(shè)計(jì)一種新的生成式監(jiān)督DNN模型，該模型可以使用合理數(shù)量的導(dǎo)頻進(jìn)行訓(xùn)練。仿真結(jié)果表明，所提出的網(wǎng)絡(luò)可以使用較少的導(dǎo)頻得到較好的估計(jì)性能，在性能與計(jì)算復(fù)雜度之間取得良好的平衡。

發(fā)表于：7/28/2021 4:45:00 PM

一種基于LoRa的動(dòng)態(tài)識別和樓層判定方法[其他][其他]

針對室內(nèi)三維定位中垂直方向的樓層判定算法復(fù)雜度高、準(zhǔn)確率低等問題，提出一種基于LoRa的動(dòng)態(tài)識別和樓層判定方法。首先,在樓宇內(nèi)按需部署縱向定位設(shè)備；然后，建立室內(nèi)各層樓梯口的LoRa信號指紋庫，劃定對應(yīng)不同樓層信號強(qiáng)度特征的判定閾值；最后結(jié)合LoRa-RSSI動(dòng)態(tài)識別和樓層判定方法，捕捉室內(nèi)動(dòng)態(tài)下無線信號強(qiáng)度的實(shí)時(shí)變化，實(shí)現(xiàn)上下樓活動(dòng)動(dòng)態(tài)識別，提高樓層判定的準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明，方法識別判定準(zhǔn)確率達(dá)97.9%，實(shí)現(xiàn)簡單，不受外界環(huán)境影響，可快速按需部署。結(jié)合室內(nèi)二維定位技術(shù)，提供了一種新的室內(nèi)人、物三維定位方法和思路。

發(fā)表于：7/28/2021 4:42:00 PM

核電數(shù)字化控制系統(tǒng)與第三方系統(tǒng)接口研究[其他][其他]

隨著數(shù)字化控制系統(tǒng)DCS廣泛應(yīng)用于核電廠，核電廠主控室也在向功能更完善、布局更集中的先進(jìn)主控室過渡，這一技術(shù)特點(diǎn)使得主控室操縱員主要依賴操作員站上的顯示器和鍵盤鼠標(biāo)實(shí)現(xiàn)對電廠工藝系統(tǒng)的監(jiān)控，因此需要將DCS以外的第三方儀控系統(tǒng)與DCS系統(tǒng)進(jìn)行信息與監(jiān)控集成?；诖诵枨?，介紹了接口設(shè)計(jì)的一般原則，具體闡述了福清核電DCS系統(tǒng)與第三方儀控系統(tǒng)接口設(shè)計(jì)，并以DCS與KRT系統(tǒng)接口為實(shí)例，論述了采用I/A平臺(tái)FDSI模塊實(shí)現(xiàn)第三方儀控系統(tǒng)接口的具體實(shí)施。

發(fā)表于：7/28/2021 4:38:00 PM

基于Arduino和語音識別的智能垃圾分類系統(tǒng)[其他][其他]

在上海、北京等全國多個(gè)省市陸續(xù)推出垃圾分類管理辦法和要求的大背景下，為了能夠更好地幫助居民進(jìn)行垃圾分類，提出了基于Arduino和語音識別的智能垃圾分類系統(tǒng)。該系統(tǒng)由Android移動(dòng)端APP、HC-05藍(lán)牙模塊、下位機(jī)控制模塊構(gòu)成。Android移動(dòng)端APP接收語音輸入，識別并加以分類，并通過HC-05藍(lán)牙模塊將分類結(jié)果發(fā)送到Arduino開發(fā)板，Arduino開發(fā)板根據(jù)分類結(jié)果控制相應(yīng)舵機(jī)轉(zhuǎn)動(dòng)，從而帶動(dòng)對應(yīng)分類的垃圾桶蓋打開，實(shí)現(xiàn)垃圾分類。實(shí)驗(yàn)測試結(jié)果表明，該系統(tǒng)識別準(zhǔn)確率高，具有實(shí)用價(jià)值。

發(fā)表于：7/28/2021 4:34:00 PM

Spectre X RF在大規(guī)模RFIC設(shè)計(jì)中的應(yīng)用[其他][其他]

隨著工藝尺寸的不斷縮小，電路規(guī)模的不斷復(fù)雜化以及版圖中寄生規(guī)模的不斷增大，在一些大規(guī)模的后仿驗(yàn)證過程中，Cadence公司提供的模擬全精度仿真器Spectre/APS/APS RF已不能滿足需求。針對這一問題，Cadence于2019年推出APS的下一代模擬全精度仿真器Spectre X，在實(shí)際使用過程中發(fā)現(xiàn)其對普通模擬仿真性能提升明顯并且基本保持了APS的仿真精度。2020年，Cadence推出其APS RF的下一代仿真器Spectre X RF 仿真器。RF仿真在整體仿真驗(yàn)證流程中同樣占據(jù)很大一部分，在將其應(yīng)用到實(shí)際項(xiàng)目前，需要與APS RF對比其性能和速度。介紹了Spectre X RF的用法，并重點(diǎn)介紹在幾種采用不同工藝的RFIC設(shè)計(jì)中，仿真器Spectre APS RF與Spectre X RF仿真性能與精度的對比情況。

發(fā)表于：7/28/2021 4:29:00 PM