精品高潮呻吟99av无码视频,亚洲不卡AV不卡一区二区

如何使用AFG31000測試電源的負(fù)載瞬態(tài)響應(yīng)[測試測量][工業(yè)自動化]

負(fù)載瞬變測試是檢查功率轉(zhuǎn)換器表現(xiàn)的一種快速方法，它可以反映出轉(zhuǎn)換器的調(diào)整速度，能將轉(zhuǎn)換器的穩(wěn)定性問題凸顯出來。轉(zhuǎn)換器的負(fù)載調(diào)整特性、占空比極限、PCB布局問題和輸入電壓的穩(wěn)定性也可經(jīng)此測試快速顯現(xiàn)出來。

發(fā)表于：1/26/2022

機(jī)器人：從自動化到自主化[EDA與制造][工業(yè)自動化]

世界的變化正在快速改變現(xiàn)代倉庫的變化。電子商務(wù)、零售商、醫(yī)院和其他第三方物流企業(yè)，將自主移動機(jī)器人（AMR）視為控制勞動力成本、提高吞吐量、縮短交貨時間的關(guān)鍵技術(shù)。工廠的老板和經(jīng)理想要快速、易于部署，并且能夠即時更改的AMR。與其前身無人搬運(yùn)車（AGV）有所不同，AMR可以理解命令并動態(tài)檢測和避開障礙物，在不同的工作環(huán)境中進(jìn)行導(dǎo)航，因此無需在現(xiàn)有路徑上或者由操作員控制其運(yùn)動。本文描述了使用集成的軟硬件技術(shù)開發(fā)和部署AMR，并包含工廠、智慧城市和醫(yī)院的實(shí)際應(yīng)用案例。

發(fā)表于：1/26/2022

如何使用Hi-Z緩沖器簡化AFE設(shè)計(jì)[模擬設(shè)計(jì)][工業(yè)自動化]

克服這些設(shè)計(jì)難題的一種方法是建立基于復(fù)合環(huán)路的方案，使低頻和高頻信號鏈交錯，以獲得直流精度和較寬的大信號帶寬。

發(fā)表于：1/26/2022

SRII重磅推出兩款A(yù)LD新品，滿足泛半導(dǎo)體應(yīng)用多功能性和靈活性的需求[EDA與制造][工業(yè)自動化]

原子層沉積（ALD）工藝被認(rèn)為是邏輯和存儲半導(dǎo)體器件微縮化的重要推動力。過去20年，ALD工藝及設(shè)備已經(jīng)廣泛應(yīng)用于邏輯和存儲器件的大批量制造，不斷推動諸如動態(tài)隨機(jī)存取存儲器（DRAM）、先進(jìn)的鰭式場效應(yīng)晶體管（FinFET）以及柵極環(huán)繞晶體管等器件性能的改進(jìn)與創(chuàng)新。

發(fā)表于：1/26/2022

選擇正確的設(shè)備監(jiān)測電池溫度[電源技術(shù)][工業(yè)自動化]

電池包需要達(dá)到足夠的功率密度（W/kg），才能分配充分的電流來實(shí)現(xiàn)電動汽車的加速指標(biāo)。同時，高功率密度（Wh/kg），才能實(shí)現(xiàn)更長的續(xù)航時間或續(xù)航里程。

發(fā)表于：1/25/2022

智能刻蝕帶來突破性的生產(chǎn)力提升[EDA與制造][工業(yè)自動化]

芯片設(shè)計(jì)的要求是，在每一片晶圓上同時刻蝕超過一萬億個孔，且需要這些孔均勻并可預(yù)測。當(dāng)大批量生產(chǎn)要求晶圓廠每月生產(chǎn)140萬片NAND晶圓時，刻蝕挑戰(zhàn)變得更加復(fù)雜，并可能對位成本產(chǎn)生重大影響

發(fā)表于：1/25/2022

主控芯片CPU/FPGA存儲及單粒子翻轉(zhuǎn)科普[嵌入式技術(shù)][通信網(wǎng)絡(luò)]

每一次神舟載人飛船和SpaceX衛(wèi)星的發(fā)射升空，都能吸引眾多人關(guān)注。對于這些神秘的航天飛信器，你知道它們的信息都是怎么處理的嗎？航天飛行器信息的處理依靠CPU/FPGA，而指令的執(zhí)行則憑借存儲器。目前市場上大多數(shù)售賣主芯片的廠商都是靠存儲器起家的。Excelpoint世健公司的工程師Wolfe Yu在此對存儲的分類以及它們各自的優(yōu)劣進(jìn)行了科普介紹。

發(fā)表于：1/25/2022

艾尼克斯Adapt FT3000系列 - 強(qiáng)大的測試解決方案，規(guī)避不必要的時間損失 [測試測量][工業(yè)自動化]

艾尼克斯Adapt FT3000系列 - 強(qiáng)大的測試解決方案，規(guī)避不必要的時間損失 Enics Adapt FT3000系列是艾尼克斯自有產(chǎn)品測試平臺。該系列測試解決方案是電子產(chǎn)品生產(chǎn)中PCBA級和終端產(chǎn)品功能測試的綜合測試平臺。

發(fā)表于：1/21/2022

是德科技軟件測試自動化事業(yè)部總經(jīng)理探討軟件質(zhì)量對于數(shù)字世界的重要意義[測試測量][工業(yè)自動化]

為了進(jìn)一步了解軟件質(zhì)量的重要性，是德科技軟件測試自動化部門總經(jīng)理 Gareth Smith 博士進(jìn)行分享，探討為什么說軟件質(zhì)量決定了業(yè)務(wù)能否取得成功以及我們應(yīng)當(dāng)采取哪些措施來提升軟件質(zhì)量。

發(fā)表于：1/21/2022

為何毫米波需要采用不同的DPD方法？如何量化其值？[微波|射頻][5G]

在5G新無線電技術(shù)標(biāo)準(zhǔn)中，除了sub-6 GHz頻率外，還利用毫米波（mmWave）頻率來提高吞吐量。毫米波頻率的使用為大幅提高數(shù)據(jù)吞吐量帶來了獨(dú)特的機(jī)會，同時也帶來了新的實(shí)施挑戰(zhàn)。本文探討sub-6 GHz和毫米波基站無線電之間的架構(gòu)差異，著重講述在這些系統(tǒng)上實(shí)施DPD面臨的挑戰(zhàn)和帶來的好處。數(shù)字預(yù)失真（DPD）是一種成熟技術(shù)，通常用于sub-6 GHz無線通信系統(tǒng)，以提高功率效率，但大多數(shù)毫米波無線電并不使用DPD。采用ADI波束成型器和收發(fā)器構(gòu)建的包含256個元件的毫米波陣列原型，我們能夠證明采用DPD能夠?qū)⒂行Ц飨蛲暂椛涔β剩‥IRP）提高達(dá)3 dB。與不采用DPD，但具有相同目標(biāo)EIRP的陣列相比，這種陣列的元件數(shù)量可以減少30%。

發(fā)表于：1/19/2022

基于異構(gòu)信息網(wǎng)絡(luò)的學(xué)生成績預(yù)測與預(yù)警模型研究[其他][其他]

發(fā)表于：1/19/2022

重載混合動力車輛再生制動策略設(shè)計(jì)與優(yōu)化[其他][其他]

為進(jìn)一步提高混合動力應(yīng)急救援車輛的能源利用率，針對N3類重型車輛的特點(diǎn)設(shè)計(jì)了雙模糊邏輯控制策略，分別對前后軸之間的制動力及前軸再生制動與機(jī)械制動的制動力進(jìn)行了合理分配，同時兼顧了車輛的制動穩(wěn)定性及再生制動能量的回收效率。為了更好地發(fā)揮模糊邏輯控制器的性能，采用多目標(biāo)粒子群優(yōu)化算法，以車輛制動穩(wěn)定性指標(biāo)及再生制動能量回收量為優(yōu)化目標(biāo)，對雙模糊邏輯控制器的輸入/輸出隸屬度參數(shù)進(jìn)行了優(yōu)化。最后，通過Simulink離線仿真實(shí)驗(yàn)驗(yàn)證了所設(shè)計(jì)的雙模糊邏輯再生制動策略及多目標(biāo)粒子群優(yōu)化算法的正確性、有效性及實(shí)用性。

發(fā)表于：1/19/2022

基于光電檢測技術(shù)的電纜表面缺陷實(shí)時監(jiān)測系統(tǒng)研究[其他][其他]

基于光電檢測技術(shù)開發(fā)了電纜表面缺陷實(shí)時監(jiān)測系統(tǒng)。在硬件結(jié)構(gòu)方面，系統(tǒng)采用半環(huán)形LED白光源照射電纜，利用線陣CCD相機(jī)采集電纜表面圖像。在軟件算法方面，提出一種改進(jìn)的ROI(Region of Interest)算法精確定位電纜區(qū)域，利用一種基于改進(jìn)雙邊濾波的圖像差分算法建立背景模型，改進(jìn)一種基于CV-Kmeans區(qū)域分類自適應(yīng)濾波窗口算法來凸顯電纜表面缺陷特征。研究結(jié)果表明，基于光電檢測技術(shù)研發(fā)的電纜表面缺陷實(shí)時監(jiān)測系統(tǒng)的識別能力較高，整體監(jiān)測準(zhǔn)確率不低于97.0%。

發(fā)表于：1/19/2022

面向CNN的類激活映射算法研究[其他][其他]

類激活映射(CAM)是卷積神經(jīng)網(wǎng)絡(luò)(CNN)解釋中的一種直觀的方法，通常由CNN的最后一個卷積層生成，可以突出顯示輸入圖片中目標(biāo)類的不同區(qū)域。之前的CAM方法只依賴于最后的卷積層，生成的解釋圖只能顯示模糊的物體位置信息。提出了一種新的方法即分層加權(quán)類激活映射方案(SL-CAM)，通過加權(quán)合并CNN淺層到深層的信息來生成類激活圖。由淺層特征圖及其對應(yīng)的梯度生成的激活圖包含詳細(xì)、準(zhǔn)確但噪聲大的位置信息；而由深層特征圖生成的激活圖包含噪聲少但模糊的位置信息。在LSVRC2012 Val上的實(shí)驗(yàn)表明，SL-CAM多項(xiàng)指標(biāo)上均優(yōu)于Grad-CAM、Grad-CAM++和Score-CAM。

發(fā)表于：1/19/2022

基于生成對抗網(wǎng)絡(luò)的無監(jiān)督圖像超分辨率算法[其他][其他]

目前，大多數(shù)基于學(xué)習(xí)的圖像超分辨率研究通常采用預(yù)定的降質(zhì)類型(比如雙三次下采樣)處理高分辨率圖像，來產(chǎn)生成對的訓(xùn)練集。然而，真實(shí)圖像往往存在未知的模糊和噪聲，導(dǎo)致這些算法無法有效應(yīng)用到真實(shí)場景中。為了實(shí)現(xiàn)真實(shí)圖像的超分辨率重建，提出了一種基于生成對抗網(wǎng)絡(luò)的無監(jiān)督圖像超分辨率算法，所提出的算法分為域轉(zhuǎn)換子網(wǎng)絡(luò)和重建子網(wǎng)絡(luò)兩個部分。同時設(shè)計(jì)了深度特征提取模塊，通過融合不同感受野所提取的圖像特征來提升網(wǎng)絡(luò)的性能。實(shí)驗(yàn)結(jié)果證明，相比于目前多數(shù)的圖像超分辨率算法，本文算法能夠?qū)崿F(xiàn)真實(shí)降質(zhì)圖像(存在噪聲、模糊等)的圖像超分辨率，在主觀效果和客觀指標(biāo)上均能獲得更好的性能。

發(fā)表于：1/19/2022