在教室伦流澡到高潮H,天堂最新版在线网,国产精品高清电影

卡塞格倫天線跟蹤速率改進(jìn)型測試方法研究[其他][工業(yè)自動化]

卡塞格倫天線在檢測與維修過程中，需對其跟蹤目標(biāo)速率進(jìn)行測試。針對傳統(tǒng)測試方法存在耗時長、成本高、準(zhǔn)確率低的缺點，在對傳統(tǒng)測試方法研究基礎(chǔ)上，提出了基于單目標(biāo)源定位追蹤方式的改進(jìn)型測試方法。試驗表明該方法減少了測試用時，節(jié)約了成本，提高了準(zhǔn)確率。

發(fā)表于：12/17/2020 2:36:14 PM

基于Android的PDR改進(jìn)算法研究[人工智能][工業(yè)自動化]

基于Android開發(fā)實現(xiàn)了一款室內(nèi)定位軟件，采用PDR（Pedestrian Dead Reckoning）算法作為室內(nèi)定位算法，利用智能手機內(nèi)置加速度傳感器、磁場傳感器來實現(xiàn)步數(shù)、步長和航向的檢測。同時，在基本的PDR算法的基礎(chǔ)上做了改進(jìn)，即采用卡爾曼濾波平滑處理步長、粒子濾波優(yōu)化結(jié)果。最后對改進(jìn)的算法進(jìn)行實際測試，直線為主的軌跡中采用直線判定后誤差為0.64 m；曲線為主的軌跡中采用兩種濾波方法優(yōu)化后誤差為1.08 m。

發(fā)表于：12/17/2020 2:31:00 PM

基于深度學(xué)習(xí)的視頻火焰識別方法[人工智能][其他]

針對傳統(tǒng)視頻火災(zāi)檢測方法依靠人工經(jīng)驗提取火焰特征，誤報率高、魯棒性差的特點，提出一種基于深度學(xué)習(xí)的視頻火焰識別方法。該方法充分利用火焰的運動特征和顏色信息，先使用改進(jìn)的五幀差法和自適應(yīng)混合高斯建模法進(jìn)行運動目標(biāo)提?。辉俨捎肦GB-HSV混合顏色空間模型篩選出圖像中可能的火焰像素區(qū)域；最后將以上兩個步驟結(jié)合起來進(jìn)行疑似火焰區(qū)域提取，并將疑似火焰區(qū)域圖像傳入預(yù)訓(xùn)練的AlexNet卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行火與非火的精確識別。通過對多種場景下火焰視頻的測試結(jié)果表明，提出的方法具有較高的召回率、準(zhǔn)確率和較低的誤報率。

發(fā)表于：12/17/2020 2:30:25 PM

基于Linux的機械臂實時控制系統(tǒng)研究[其他][其他]

針對我國自主研發(fā)的機械臂控制系統(tǒng)較少，多依賴于國外價格昂貴的商用系統(tǒng)，采用在Linux中加入RT補丁的實時改造方法，以六自由度機械臂為研究對象，在下位機上進(jìn)行系統(tǒng)架構(gòu)搭建，實現(xiàn)一個包括TCP通信進(jìn)程、譯碼進(jìn)程、插補逆解進(jìn)程、I/O進(jìn)程的一個多任務(wù)處理的機械臂控制系統(tǒng)；同時對機械臂的上位機進(jìn)行軟件設(shè)計，實現(xiàn)人機界面指令輸入、狀態(tài)顯示、通信等功能，為機械臂的實時控制系統(tǒng)提供了一種有效開發(fā)方案。通過采用RT測試工具集進(jìn)行實時性檢驗，其結(jié)果滿足實時性，同時利用MATLAB/Robotic Toolbox工具箱建立機器臂運動學(xué)模型，對機械臂運動空間及軌跡進(jìn)行仿真，得到了連續(xù)平穩(wěn)的末端曲線，仿真結(jié)果證明了控制系統(tǒng)設(shè)計的正確性以及可行性。

發(fā)表于：12/17/2020 2:30:00 PM

采茶機器人SCARA機械手的軌跡規(guī)劃與控制[其他][其他]

考慮到采茶機器人的整體性能，采用SCARA機械手作為其采摘機構(gòu)，以滿足名優(yōu)茶自動化采摘的需求。首先采用D-H法建立機械手的運動學(xué)模型，并結(jié)合MATLAB Robotic Toolbox建立其空間仿真模型；其次采用五次多項式插值算法對機械手主要關(guān)節(jié)的運動進(jìn)行軌跡規(guī)劃；最后將SCARA機械手簡化為XOY平面內(nèi)的兩關(guān)節(jié)機械手，結(jié)合其一般動力學(xué)模型，在MATLAB/Simulink中采用S函數(shù)設(shè)計基于自適應(yīng)算法補償?shù)腜D控制系統(tǒng)，進(jìn)行軌跡跟蹤仿真實驗。實驗結(jié)果表明自適應(yīng)魯棒PD控制策略能夠精確地跟蹤機械手大臂和小臂關(guān)節(jié)的控制輸入，使得各關(guān)節(jié)能夠快速地跟蹤到期望位置，跟蹤誤差較小。

發(fā)表于：12/17/2020 2:26:00 PM

基于深度回歸的指針儀表讀數(shù)識別方法[人工智能][其他]

現(xiàn)有儀表讀數(shù)識別方法通過檢測指針和刻度獲取讀數(shù)，對輸入的儀表圖像質(zhì)量要求較高，為此提出一種新的基于深度回歸的指針儀表讀數(shù)識別方法。該方法首先由儀表圖像獲取圖像特征，然后通過方向回歸模塊預(yù)測指針方向，最后根據(jù)指針角度計算儀表讀數(shù)。相比于其他方法，該方法采用端到端的回歸方式進(jìn)行直接學(xué)習(xí)，具有更強的識別能力。在較大規(guī)模變電站儀表圖像數(shù)據(jù)集上，該方法取得了97.2%的讀數(shù)精度，相比于基于Mask R-CNN的儀表讀數(shù)識別方法提高了7.4%。定性分析和定量分析結(jié)果表明，相比于現(xiàn)有的儀表讀數(shù)識別方法，該方法對表盤圖像干擾具有更強的魯棒性。

發(fā)表于：12/17/2020 2:23:28 PM

基于LTE-V2X技術(shù)的PKI系統(tǒng)架構(gòu)探討[模擬設(shè)計][信息安全]

V2X(Vehicle to Everything)業(yè)務(wù)安全的關(guān)鍵在于對消息的真實性校驗和個人隱私的保護(hù)，在建立身份認(rèn)證體系時要合理定義各個參與方的安全邊界及責(zé)任，防止來自內(nèi)部及外部的攻擊。在借鑒國外SCMS、CCMS體系的基礎(chǔ)上，基于LTE-V2X技術(shù)特點和道路交通管理體系，通過分析V2X證書管理體系的實際需要，針對證書管理的關(guān)鍵過程給出相應(yīng)的安全策略建議，提出面向LTE-V2X的PKI架構(gòu)參考建議，可實際應(yīng)用于LTE-V2X業(yè)務(wù)部署及相關(guān)系統(tǒng)的開發(fā)設(shè)計。

發(fā)表于：12/17/2020 2:20:35 PM

一種28 Gb/s無電感限幅放大器設(shè)計[其他][其他]

基于TSMC 40 nm CMOS工藝，提出了一種28 Gb/s無電感器限幅放大器設(shè)計。設(shè)計采用一種改進(jìn)的交織有源反饋(interleaving active feedback)技術(shù)擴展電路帶寬。直流失調(diào)消除電路采用一種改進(jìn)的低通負(fù)反饋技術(shù)衰減直流失調(diào)電壓。蒙特卡洛仿真結(jié)果表明限幅放大器輸出端的直流失調(diào)電壓均值為200.1 μV，標(biāo)準(zhǔn)差為5.8 mV。在1 V的電源電壓下，限幅放大器增益為39 dB，帶寬為30.2 GHz，輸入靈敏度為2.7 mVpp，誤碼率為10-12。限幅放大器不包括輸出緩沖器的功耗為37.7 mW。

發(fā)表于：12/17/2020 2:20:00 PM

基于立體視覺的無人機動態(tài)目標(biāo)實時跟蹤[人工智能][其他]

針對小型四旋翼飛行器的動態(tài)目標(biāo)跟蹤問題，提出了連續(xù)自適應(yīng)橢圓檢測(Continuously Adaptive Ellipse Detector，CAED)算法的飛行器目標(biāo)定位以及一種基于立體視覺的跟蹤控制算法。首先，雙目相機拍攝的圖像通過CAED算法得到目標(biāo)的像素中心點，利用三角測量原理，實現(xiàn)了對目標(biāo)位置的有效估計。其次，針對運動目標(biāo)跟蹤任務(wù)，設(shè)計并實現(xiàn)了兩個級聯(lián)串級PID的四旋翼位置姿態(tài)控制律。最后，在四旋翼上將圖像處理算法與四旋翼控制相結(jié)合，進(jìn)行了測試實驗，驗證了本文所提出的檢測和控制方法。

發(fā)表于：12/17/2020 2:17:55 PM

安全態(tài)勢感知系統(tǒng)中K-Means算法的并行化研究[其他][信息安全]

大數(shù)據(jù)環(huán)境下的網(wǎng)絡(luò)安全事件層出不窮，安全態(tài)勢感知系統(tǒng)的應(yīng)用勢在必行。通過挖掘日志數(shù)據(jù)并進(jìn)行安全分析，可以實現(xiàn)對異常事件的追責(zé)與溯源，有效地減少網(wǎng)絡(luò)安全事故的發(fā)生。針對傳統(tǒng)K-Means算法時間開銷大、執(zhí)行效率低的問題，將改進(jìn)K-Means算法在大數(shù)據(jù)計算框架Hadoop上實現(xiàn)并行化，來滿足大數(shù)據(jù)下安全態(tài)勢感知系統(tǒng)日志安全分析的需求。實驗表明，改進(jìn)后的算法在有效性和時間復(fù)雜度方面都優(yōu)于傳統(tǒng)算法。

發(fā)表于：12/17/2020 2:11:58 PM