123,123

基于Mini51的BLDCM無位置傳感器控制[其他][其他]

將新唐的Mini52(Mini51系列)單片機作為主控芯片，通過利用Mini51系列單片機自身可輸出的的6路PWM信號的性能，利用采樣電阻來采集端電壓從而得到直流母線的電流，利用反電動勢過零點法(EMF)來控制電機，實現(xiàn)直流無刷電機(BLDCM)無位置傳感器的雙閉環(huán)控制，利用串口通信來完成對無刷直流電機的伺服系統(tǒng)，進行了測試。測試結(jié)果表明，Mini51系列單片機可以對高速串口通信實時響應且此伺服系統(tǒng)具有良好的速度可控性，能夠滿足現(xiàn)代工業(yè)生產(chǎn)實時控制的需求。

發(fā)表于：9/27/2021

氣體鉆井微波傳輸隨鉆監(jiān)測系統(tǒng)軟件設計[其他][其他]

國內(nèi)氣體鉆井施工過程已開始采用微波中繼傳輸?shù)姆绞綐嫿S鉆監(jiān)控系統(tǒng)，但目前在該施工條件下應用的配套隨鉆監(jiān)控軟件不成熟，數(shù)據(jù)解析時間長，測傳速率低且無信道監(jiān)管功能，制約了氣體鉆井的發(fā)展。針對氣體現(xiàn)場實際需要，采用事件驅(qū)動軟件架構開發(fā)配套隨鉆監(jiān)測軟件，將氣體鉆井施工過程中各工程參數(shù)以曲線、數(shù)值、刻度等多種方式進行人機交互，并能對井筒內(nèi)微波信道進行監(jiān)管，為氣體鉆井隨鉆實時監(jiān)控及鉆后分析研究提供了軟件支撐。并且該軟件的應用大幅提升監(jiān)測系統(tǒng)測傳速率，其最大測傳速率達到1.194 kb/s，信道監(jiān)管功能的引入可增加入井微波中繼器的數(shù)量，使測傳深度突破3 000 m，基本滿足目前氣體鉆井隨鉆監(jiān)測的需要。

發(fā)表于：9/27/2021

基于電子鼻傳感器性能的互信息特征選擇算法[其他][其他]

當前的互信息特征選擇算法為提高泛化性能而未對專一應用領域進行優(yōu)化，電子鼻傳感器陣列優(yōu)化作為一類特殊的特征選擇問題，使用傳統(tǒng)算法難以搜索出最優(yōu)的特征子集。結(jié)合氣體傳感器陣列特殊的冗余性和特有的敏感性，提出了一種基于電子鼻傳感器性能的互信息特征選擇算法并對陣列進行優(yōu)化，通過兩種不同的電子鼻公開數(shù)據(jù)集驗證了傳感器特性對識別精度的影響，證明了所提出算法的有效性。

發(fā)表于：9/27/2021

基于優(yōu)化多視角圖像采集的點云分類[其他][其他]

基于二維多視角3D識別方法中，可使用多個2D投影圖表示三維模型特征信息，但不同視角投影圖像的特征不同，神經(jīng)網(wǎng)絡對其學習效率也有所差異。卷積神經(jīng)網(wǎng)絡能夠映射圖像的特征，可用此方法分析這個問題。混合視角數(shù)據(jù)集分析不同視角投影特征在卷積神經(jīng)網(wǎng)絡中的重要性，根據(jù)重要性的不同優(yōu)化混合視角數(shù)據(jù)集的采集密度。最終實驗結(jié)果表明，不同視角產(chǎn)生的二維圖像分類準確率不一樣，其中俯視角度投影的分類準確率最差，優(yōu)化后的數(shù)據(jù)集在相同神經(jīng)網(wǎng)絡模型下達到了最優(yōu)分類準確率。

發(fā)表于：9/27/2021

云數(shù)據(jù)中心基于皮爾遜相關系數(shù)的虛擬機選擇策略[其他][其他]

提出了云數(shù)據(jù)中心基于皮爾遜相關系數(shù)的虛擬機選擇策略(Pearson Correlation coefficient Virtual Machine Selection，PC-VMS)。PC-VMS把統(tǒng)計學中的皮爾遜相關系數(shù)應用于虛擬機CPU歷史利用率數(shù)據(jù)，建立了衡量每對虛擬機CPU利用率之間的相關性的數(shù)學模型；PC-VMS會獲取每對虛擬機最近n次的CPU利用率，根據(jù)輸入的兩組數(shù)據(jù)來計算皮爾遜相關系數(shù)，最后在一組相關性最高的虛擬機中選擇一個CPU利用率最高的進行遷移，隨后結(jié)合虛擬機放置策略分配到新的目標物理主機上。仿真結(jié)果表明，PC-VMS與CloudSim4.0內(nèi)置的虛擬機選擇策略相比，各類性能指標都有改善，PC-VMS可以為企業(yè)節(jié)能云數(shù)據(jù)中心的構造提供參考。

發(fā)表于：9/27/2021

基于非正交波形的超奈奎斯特采樣[其他][其他]

針對超奈奎斯特(Faster-than-Nyquist，F(xiàn)TN)系統(tǒng)，提出了基于非正交波形編碼的超奈奎斯特采樣，并與傳統(tǒng)的正交波形FTN和傳統(tǒng)的正交Nyquist系統(tǒng)進行了對比分析。在99.99%的功率帶寬和5次迭代檢測譯碼的條件下，仿真結(jié)果表明：相比于升余弦的正交波形FTN系統(tǒng)，基于高斯和擴展高斯(Extended Gaussian Functions，EGF)脈沖成形的非正交波形FTN系統(tǒng)可以獲得4.4 dB的成形增益，同時由于良好的時頻聚焦特性，其均衡復雜度只是升余弦的1/16。

發(fā)表于：9/27/2021

5G公網(wǎng)與專網(wǎng)融合場景的關鍵技術研究[通信與網(wǎng)絡][5G]

介紹了3GPP R16標準中提出的非公共網(wǎng)絡技術(Non -Public Network，NPN)的兩種組網(wǎng)方式和應用現(xiàn)狀，分析了企業(yè)對5G專網(wǎng)的需求以及公專融合的趨勢。結(jié)合NPN與公共陸地移動網(wǎng)(Public Land Mobile Network，PLMN)部署的關系，提出了兩種典型的5G公網(wǎng)和專網(wǎng)融合部署模式：連續(xù)模式、重疊模式。并針對兩種模式下需要重點解決的業(yè)務連續(xù)性和并發(fā)連接問題，介紹了3GPP R17標準中提出的兩種技術方案。

發(fā)表于：9/27/2021

基于改進型極限學習機的電子鼻氣體濃度檢測[其他][其他]

針對目前電子鼻應用于氣體污染物濃度檢測時難以達到理想精度的問題，提出基于粒子群算法與人工蜂群算法的極限學習機(Particle Swarm Optimization and Artificial Bee Colony algorithm based Extreme Learning Machine，PSOABC-ELM)算法，通過改進極限學習機輸入層與隱含層權值和隱含層閾值隨機的缺陷，提高電子鼻濃度檢測的精度。將PSOABC-ELM算法與其他算法進行比較，并在公開數(shù)據(jù)集上進行驗證。實驗結(jié)果表明，PSOABC-ELM算法用于電子鼻氣體濃度檢測時比其他算法精準度更高，檢測結(jié)果誤差更小，模型穩(wěn)定性更強，為電子鼻氣體濃度檢測提供了一種新的方法。

發(fā)表于：9/27/2021

基于LabVIEW和FPGA的半實物仿真平臺的設計與實現(xiàn)[其他][其他]

針對電力電子本科或研究生教學實驗，基于LabVIEW和簡易FPGA板卡，設計了一種高性價比的電力電子半實物實時仿真教學實驗平臺。仿真平臺系統(tǒng)由上位機和模型運算單元FPGA板卡組成，人機界面及實驗波形數(shù)據(jù)顯示基于LabVIEW軟件平臺編制，通過以太網(wǎng)實現(xiàn)與FPGA板卡數(shù)據(jù)交換，平臺系統(tǒng)可以進行多種電路拓撲模型的下載安裝和HIL實時仿真實驗。

發(fā)表于：9/27/2021

一種用于電池管理系統(tǒng)的高壓多路選擇器[電源技術][其他]

高壓多路選擇器是電池管理系統(tǒng)的重要組成部分，目前研究的高壓多路選擇器會給電池引入漏電流，影響電池電壓檢測精度。為了降低高壓多路選擇器開關控制信號對電池的漏電流影響，提高電壓檢測精度，設計了一種新型柵極驅(qū)動型高壓開關。該高壓開關采用了柵極自舉結(jié)構，可以直接級聯(lián)，并且開關控制信號不對信號源引入漏電流。最后采用0.5 μm 40 V BCD工藝，搭建一個7路高壓多路選擇器進行了仿真驗證。后仿真結(jié)果表明，高壓開關相鄰信道的隔離度為-47 dB@1 MHz，最大輸入電壓35 V，電路版圖面積1.2 mm×1.5 mm，滿足應用場合。

發(fā)表于：9/27/2021

一種超低輸入共模電壓的動態(tài)比較器電路設計[其他][其他]

為了適應物聯(lián)網(wǎng)低功耗的應用場景，并滿足低電源電壓和低輸入共模電壓的工作要求，提出了一種適用于超低輸入共模電壓的雙正反饋回路動態(tài)比較器。該比較器采用時序開關控制輸入輸出，解決了傳統(tǒng)動態(tài)比較器在輸入電壓低于閾值電壓時無法正常工作的問題，增大了輸入動態(tài)范圍；電源到地之間僅堆疊兩級MOS管，降低了最小電源電壓；引入兩個正反饋回路，提高了分辨率。采用TSMC 180 nm CMOS工藝設計和驗證，仿真結(jié)果表明，在電源電壓為900 mV，差模電壓為1 mV情況下，提出的比較器最低共模電壓為51 mV，與傳統(tǒng)StrongARM動態(tài)比較器和DoubleTail動態(tài)比較器相比，分別降低了374 mV和264 mV；當輸入共模電壓低于閾值電壓時，在中等的功耗下實現(xiàn)了最低的延時。

發(fā)表于：9/27/2021

基于SiP封裝的DDR3時序仿真分析與優(yōu)化[其他][其他]

針對DDR3系統(tǒng)設計對時序要求的特殊性，對某一SiP(System in Package)中DDR3封裝和基板設計進行時序仿真和優(yōu)化，通過仿真指導設計，提高SiP產(chǎn)品DDR3的設計成功率，減少設計周期。通過ANSYS SIwave軟件提取信號S參數(shù)，再經(jīng)過Cadence SystemSI軟件搭建拓撲進行時序仿真分析，利用信號完整性相關理論，討論信號時序與波形的關系，結(jié)合版圖分析，給出實際的優(yōu)化方案，并經(jīng)過仿真迭代驗證，最終使所設計的DDR3滿足JEDEC協(xié)議中的時序要求。

發(fā)表于：9/27/2021

面向SoC的SRAM讀出電路加固設計[其他][其他]

SRAM存儲器在SoC芯片中的應用已經(jīng)越來越普遍，存儲單元的加固設計已成為抗輻射SoC芯片設計首要考慮的問題之一。提出了兩種SRAM讀出電路的加固結(jié)構，分別從讀出電路結(jié)構、數(shù)據(jù)讀出速度和抗單粒子翻轉(zhuǎn)能力等方面進行了對比。兩種讀出結(jié)構的SRAM均有較好的抗單粒子能力，但相比較單模雙互鎖結(jié)構的SRAM，雙模雙互鎖讀出結(jié)構的SRAM讀出時間更短。

發(fā)表于：9/27/2021

基于注意力特征金字塔的輕量級目標檢測算法[其他][其他]

基于深度學習的目標檢測算法因其模型復雜度和對計算能力的要求，難以部署在移動設備等低算力平臺上。為了降低模型的規(guī)模，提出一種輕量級目標檢測算法。該算法在自頂向下的特征融合的基礎之上，通過添加注意力機制構建特征金字塔網(wǎng)絡，以達到更細粒度的特征表達能力。該模型以分辨率為320×320的圖像作為輸入，浮點運算量只有0.72 B，并在VOC數(shù)據(jù)集上取得了74.2%的mAP，達到了與傳統(tǒng)單階段目標檢測算法相似的精度。實驗數(shù)據(jù)表明，該算法在保持了檢測精度的同時顯著降低了模型運算量，更適合低算力條件下的目標檢測。

發(fā)表于：9/27/2021

一種基于成詞率和譜聚類的電力文本領域詞發(fā)現(xiàn)方法[其他][其他]

考慮到當前電力行業(yè)仍缺少有效的領域詞發(fā)現(xiàn)方法，以電力行業(yè)科技項目文本為原始語料庫，將基于互信息與左右熵的統(tǒng)計特征與傳統(tǒng)語言構詞規(guī)則特征相融合，提出了電力文本成詞率的概念。所提方法首先利用成詞率對電力文本進行無監(jiān)督篩選得到初始候選詞集，然后對候選詞集進行文本切片算法和常用詞過濾操作，最后進行詞嵌入和譜聚類得到最終所需的電力文本領域詞。實驗結(jié)果表明，所提出的方法準確有效，為電力文本的領域詞發(fā)現(xiàn)提供了一種新方法。

發(fā)表于：9/27/2021