中文字幕丰满乱子伦无码专区,牛和人交vide欧美xx,中文天堂最新版在线网

多軸機(jī)器人和機(jī)床應(yīng)用中的時(shí)序挑戰(zhàn)[通信與網(wǎng)絡(luò)][工業(yè)自動(dòng)化]

在工業(yè)機(jī)器人和機(jī)床應(yīng)用中，可能涉及在特定空間內(nèi)精準(zhǔn)協(xié)調(diào)多個(gè)軸的移動(dòng)，以完成手頭的工作。機(jī)器人一般有6個(gè)軸，這些軸必須協(xié)調(diào)有序，如果有時(shí)候機(jī)器人沿軌道移動(dòng)，則會有7個(gè)軸。在CNC加工中，5軸協(xié)調(diào)很常見，但是有些應(yīng)用會用到多達(dá)12個(gè)軸，其中工具和工件在特定空間內(nèi)相對移動(dòng)。每個(gè)軸都包含一個(gè)伺服驅(qū)動(dòng)器、一個(gè)電機(jī)，有時(shí)候，在電機(jī)和軸接頭，或者末端執(zhí)行器之間會加裝一個(gè)變速箱。然后，系統(tǒng)通過工業(yè)以太網(wǎng)互聯(lián)，一般采用LINE型拓?fù)?，具體如圖1所示。電機(jī)控制器將所需的空間軌跡轉(zhuǎn)換為每個(gè)伺服軸所需的單個(gè)位置基準(zhǔn)，然后在網(wǎng)絡(luò)上循環(huán)傳輸。

發(fā)表于：12/19/2020

塊LBP-TOP稀疏表示表情與車輛檢測技術(shù)研究[測試測量][汽車電子]

提出基于分塊LBP-TOP(Local Binary Patterns from Three Orthogonal Planes)特征和改進(jìn)的加權(quán)稀疏表示分類解決微表情識別與專用線車輛狀態(tài)檢測問題。首先利用LBP-TOP特征描述符對從分塊圖像中選擇出的有效塊進(jìn)行提取特征，將提取的特征作為字典，采取加權(quán)稀疏表示(Weighted Sparse Representation，WSRC)和對偶增廣拉格朗日乘子法(Dual Augmented Lagrange Multiplier，DALM)相結(jié)合的算法(WSRC_DALM)進(jìn)行稀疏表示分類；然后利用不同尺寸的塊劃分圖像，選擇有效塊提取特征，特征融合后參與分類。在CASME Ⅱ與SAMM表情數(shù)據(jù)庫上采用“留一人交叉驗(yàn)證”(Leave One Subject Out, LOSO)的分類方法進(jìn)行5分類，得到的識別率分別達(dá)到了77.30%與58.82%，在車輛狀態(tài)檢測檢測數(shù)據(jù)庫上的實(shí)驗(yàn)達(dá)到了84.60%的檢測率。實(shí)驗(yàn)結(jié)果表明了所提出算法的有效性。

發(fā)表于：12/18/2020

基于深度密集連接控制網(wǎng)絡(luò)的單幅圖像去雨[其他][其他]

雨線造成的圖像質(zhì)量退化嚴(yán)重影響圖像有效應(yīng)用及計(jì)算機(jī)視覺算法，因此圖像去雨十分必要。目前主流的深度學(xué)習(xí)去雨方法僅對單一尺寸的雨線有效，并且存在雨線去除不完全、模糊背景等問題。針對以上難點(diǎn)，提出了基于深度密集連接控制網(wǎng)絡(luò)的單幅圖像去雨算法。通過引入多尺度特征網(wǎng)絡(luò)加強(qiáng)對不同尺寸雨線的提取能力，引入注意力機(jī)制模塊提升對有雨區(qū)域的關(guān)注度，引入密集連接控制網(wǎng)絡(luò)以完整表示雨線特征。實(shí)驗(yàn)表明，該方法在合成數(shù)據(jù)集以及真實(shí)數(shù)據(jù)集對比主流去雨方法效果均有提升。

發(fā)表于：12/18/2020

城市軌道交通ACLC系統(tǒng)信息安全研究[其他][信息安全]

主要研究了城市軌道交通領(lǐng)域中ACLC系統(tǒng)的信息安全。通過分析防護(hù)現(xiàn)狀以及存在的安全隱患，結(jié)合信息安全相關(guān)政策，提出了一種基于安全管理中心的ACLC系統(tǒng)信息安全防護(hù)方案，并首次應(yīng)用于軌道交通ACLC專業(yè)。該方案能夠有效保護(hù)ACLC系統(tǒng)不受外部或內(nèi)部的入侵和攻擊，確保城市軌道交通的安全穩(wěn)定運(yùn)行。

發(fā)表于：12/18/2020

面向超低功耗傳感器的Modbus協(xié)議研究與實(shí)現(xiàn)[MEMS|傳感技術(shù)][通信網(wǎng)絡(luò)]

當(dāng)前眾多傳感器、設(shè)備終端、儀器儀表需要具備超低功耗特性，同時(shí)又需要連入Modbus工業(yè)現(xiàn)場總線，而傳統(tǒng)的Modbus通信機(jī)制無法適應(yīng)低功耗模式，導(dǎo)致超低功耗特性器件在工業(yè)應(yīng)用中的局限性。為解決此問題，提出了一種可用于Modbus總線協(xié)議的超低功耗信息處理機(jī)制。通過對傳統(tǒng)Modbus協(xié)議和常用設(shè)備的低功耗處理機(jī)制分析，重新搭建了Modbus協(xié)議信息處理機(jī)制，在通信處理過程中對寄存器進(jìn)行顯式和隱式抽象，將寄存器操作與儀器功能動(dòng)作緊密聯(lián)系起來，提高任務(wù)執(zhí)行效率和儀器整體的實(shí)時(shí)性。搭建Modbus主機(jī)到低功耗傳感器的測試系統(tǒng)，結(jié)果表明，該Modbus協(xié)議處理機(jī)制可以在傳感器保持超低功耗特性運(yùn)行的同時(shí)，實(shí)現(xiàn)與主機(jī)穩(wěn)定可靠的通信。

發(fā)表于：12/18/2020

基于LSTM的濕法煙氣脫硫漿液pH值建模[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

針對燃煤電廠濕式石灰石-石膏濕法煙氣脫硫(WFGD)過程中漿液pH值測量時(shí)間長，不利于WFGD作業(yè)的問題，建立高精度的漿液pH值模型?；谏疃葘W(xué)習(xí)的框架，利用長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM）算法對時(shí)間序列處理上的優(yōu)越性進(jìn)行建模，該模型具有良好的精確度和泛化能力。將燃煤機(jī)組實(shí)際運(yùn)行數(shù)據(jù)中與漿液pH值變化相關(guān)的變量作為模型的輔助變量，建立基于LSTM神經(jīng)網(wǎng)絡(luò)的漿液pH值預(yù)測模型。對模型進(jìn)行仿真驗(yàn)證，并分別與BP神經(jīng)網(wǎng)絡(luò)模型和最小二乘支持向量機(jī)(LSSVM)模型比較，結(jié)果表明LSTM神經(jīng)網(wǎng)絡(luò)模型的預(yù)測精度最高，驗(yàn)證了LSTM神經(jīng)網(wǎng)絡(luò)在工業(yè)建模中的優(yōu)良性能。

發(fā)表于：12/17/2020

基于深度學(xué)習(xí)的魚類識別與檢測的算法研究[人工智能][信創(chuàng)產(chǎn)業(yè)]

魚類分類識別在漁業(yè)資源研究、魚類知識的科學(xué)推廣、水產(chǎn)養(yǎng)殖加工、稀有物種保護(hù)等領(lǐng)域具有廣泛的應(yīng)用前景。針對大菱鲆、黃鰭鯛、金錢魚、鯔魚這四種魚類，利用PyTorch框架為基礎(chǔ)，通過ResNet50網(wǎng)絡(luò)模型，用不同的算法對其進(jìn)行分類識別，不斷對模型進(jìn)行優(yōu)化，對四種魚類訓(xùn)練學(xué)習(xí)，通過測試其準(zhǔn)確率達(dá)到96%以上。同時(shí)用PyQt5開發(fā)了GUI可視化界面，通過界面圖片的選擇和預(yù)測功能按鈕的操作，測試結(jié)果實(shí)際類別與預(yù)測類別一致，用DSOD框架做了水下目標(biāo)實(shí)時(shí)跟蹤檢測，提高了對小目標(biāo)的檢測率，同時(shí)保持了模型的檢測速度，檢測結(jié)果達(dá)到期望。

發(fā)表于：12/17/2020

數(shù)字濾波器級聯(lián)設(shè)計(jì)及仿真[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

測振儀中使用的數(shù)字加速度傳感器信號存在自身噪聲和環(huán)境噪聲,采用MATLAB仿真工具對加速度傳感器信號進(jìn)行頻譜分析，識別干擾信號。干擾信號影響加速度傳感器輸出的準(zhǔn)確性和穩(wěn)定性，針對噪聲干擾分別采用IIR低通數(shù)字濾波器設(shè)計(jì)和MATLAB工具箱Fdatool進(jìn)行陷波數(shù)字濾波器設(shè)計(jì)得到濾波器數(shù)字模型。在對單個(gè)濾波器效果進(jìn)行仿真驗(yàn)證之后，再對它們實(shí)施級聯(lián)設(shè)計(jì)，從而獲得雙重的濾波效果。對經(jīng)級聯(lián)濾波處理后的加速度傳感器數(shù)據(jù)進(jìn)行仿真分析，結(jié)果表明所設(shè)計(jì)的級聯(lián)濾波器實(shí)現(xiàn)了低通濾波和陷波濾波的雙重目的，且不會對有用信號造成影響，有效提高了系統(tǒng)的抗干擾能力。

發(fā)表于：12/17/2020

融合改進(jìn)ViBe與自適應(yīng)陰影消除的目標(biāo)檢測算法[其他][信創(chuàng)產(chǎn)業(yè)]

動(dòng)態(tài)目標(biāo)檢測是獲取視頻中信息的關(guān)鍵步驟。ViBe算法廣泛運(yùn)用于視頻序列中動(dòng)態(tài)目標(biāo)檢測，但傳統(tǒng)ViBe算法存在鬼影和陰影現(xiàn)象，均會對目標(biāo)檢測的準(zhǔn)確性產(chǎn)生影響。融合均值背景建模算法對傳統(tǒng)ViBe算法做出改進(jìn)，并在此基礎(chǔ)上融合閾值自適應(yīng)混合色度空間陰影消除算法，提出了一種更有效的動(dòng)態(tài)目標(biāo)檢測算法。實(shí)驗(yàn)結(jié)果表明，該算法不僅可以準(zhǔn)確地提取出運(yùn)動(dòng)目標(biāo)，而且可以有效地消除陰影。

發(fā)表于：12/17/2020

基于幾何變換的草圖重疊筆畫的判斷和擬合方法[其他][信創(chuàng)產(chǎn)業(yè)]

在創(chuàng)建草圖時(shí)，設(shè)計(jì)師經(jīng)常使用多個(gè)過度繪制的筆畫來描述預(yù)期的曲線。對于這樣的草圖，觀察者們很容易將這些筆畫判別為是同一個(gè)筆畫類型。為了將過度繪制的筆畫修整為單一筆畫，提出了一種基于幾何變換的草圖重疊筆畫的判定和擬合方法。該方法首先找到輸入的筆畫中最長的一條，并將該筆畫經(jīng)過折點(diǎn)化處理后得到一個(gè)逼近該筆畫的折點(diǎn)序列。將折點(diǎn)化的線段經(jīng)過變換后得到一個(gè)變換矩陣，通過這個(gè)矩陣來判斷哪些屬于過度繪制筆畫，再將聚類后筆畫進(jìn)行擬合從而修整為單一筆畫，這樣既能提高運(yùn)算速度又達(dá)到了設(shè)計(jì)師的意圖草圖。

發(fā)表于：12/17/2020

語音偽裝方法及其防御對策綜述[其他][信息安全]

語音偽裝是指以隱藏說話人身份為目的對說話人的個(gè)性特征進(jìn)行的改變。近年來，隨著智能語音交互技術(shù)和聲紋認(rèn)證產(chǎn)品的快速發(fā)展，語音偽裝被應(yīng)用到語音產(chǎn)品隱私保護(hù)中，但是也被不法分子用以實(shí)施違法犯罪行為。因此，語音偽裝成為目前語音處理和信息安全領(lǐng)域非常有實(shí)用意義的研究問題。在簡要介紹語音偽裝的典型模型和方法的基礎(chǔ)上，梳理了語音偽裝威脅量化評估方案，總結(jié)了近幾年偽裝語音的防御對策，分析了目前防御對策中存在的問題及技術(shù)難點(diǎn)，并對語音偽裝的未來研究發(fā)展方向進(jìn)行了展望。

發(fā)表于：12/17/2020

大數(shù)據(jù)驅(qū)動(dòng)下的滿語搶救式數(shù)據(jù)平臺的安全防范研究[其他][信息安全]

為解決大數(shù)據(jù)驅(qū)動(dòng)下的滿語數(shù)據(jù)平臺的安全問題，利用現(xiàn)行的各種安全防范技術(shù)，針對滿語平臺本身的特征，為其搭建平臺安全防范模型。綜合分析平臺的搭建框架，從物理層、數(shù)據(jù)采集和匯聚層、數(shù)據(jù)平臺建設(shè)層、安全服務(wù)分析層以及終端層，為數(shù)據(jù)平臺的安全防護(hù)提供全面綜合的防范體系框架與技術(shù)指導(dǎo)。其中重點(diǎn)論述了安全服務(wù)分析層，內(nèi)容涵蓋日志分析、平臺管理和滲透測試。平臺安全防范技術(shù)方面則綜合了平臺防護(hù)、檢測和恢復(fù)三大類手段。實(shí)際應(yīng)用表明，該模型具有一定的安全防范作用，可有效為平臺安全的防范工作提供思路和幫助。

發(fā)表于：12/17/2020

基于蜜罐的工控蜜網(wǎng)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[其他][信息安全]

隨著我國信息化和工業(yè)化融合不斷深入，工業(yè)控制系統(tǒng)的網(wǎng)絡(luò)安全就顯得尤為重要。從主動(dòng)防御現(xiàn)狀、系統(tǒng)架構(gòu)、實(shí)現(xiàn)方法等角度出發(fā)，介紹了針對工業(yè)控制系統(tǒng)設(shè)計(jì)的蜜網(wǎng)系統(tǒng)，并對其網(wǎng)絡(luò)架構(gòu)和關(guān)鍵技術(shù)進(jìn)行了深入的分析，提出了適合在工控系統(tǒng)中使用的蜜網(wǎng)系統(tǒng)設(shè)計(jì)方案。通過設(shè)計(jì)符合工控行業(yè)實(shí)際情況的蜜網(wǎng)架構(gòu)，在蜜網(wǎng)中部署傳統(tǒng)蜜罐、PLC蜜罐、真實(shí)PLC設(shè)備以及通過高仿真等關(guān)鍵技術(shù)做到攻擊誘捕，改變網(wǎng)絡(luò)攻防博弈不對稱局面，使企業(yè)運(yùn)維人員面對威脅早發(fā)現(xiàn)早預(yù)防。

發(fā)表于：12/17/2020

基于區(qū)塊鏈的知識產(chǎn)權(quán)保護(hù)服務(wù)體系[其他][信創(chuàng)產(chǎn)業(yè)]

知識產(chǎn)權(quán)保護(hù)存在確權(quán)認(rèn)證周期長、證明權(quán)利歸屬難、維權(quán)保護(hù)舉證難、知識共享效率低、交易及賠償價(jià)值評估難、保護(hù)監(jiān)管手段少等問題。從知識產(chǎn)權(quán)保護(hù)問題出發(fā)，對現(xiàn)有區(qū)塊鏈技術(shù)進(jìn)行改造，依據(jù)特有的自組織區(qū)塊鏈技術(shù)、憑證攜數(shù)據(jù)技術(shù)、跨組織身份信任技術(shù)和端到端協(xié)同交換技術(shù)構(gòu)建知識產(chǎn)權(quán)保護(hù)服務(wù)體系，從根本上解決了產(chǎn)權(quán)全生命周期痕跡數(shù)據(jù)缺失，產(chǎn)權(quán)產(chǎn)生、交易和使用環(huán)節(jié)證據(jù)鏈條斷裂，產(chǎn)權(quán)管理系統(tǒng)和其他信息系統(tǒng)存在條塊分割，產(chǎn)權(quán)監(jiān)管的事前預(yù)防、事中監(jiān)控、事后追責(zé)缺乏技術(shù)支撐等技術(shù)難題。

發(fā)表于：12/17/2020

基于聯(lián)盟區(qū)塊鏈的中國福利彩票系統(tǒng)設(shè)計(jì)[模擬設(shè)計(jì)][信創(chuàng)產(chǎn)業(yè)]

針對目前中國福利彩票系統(tǒng)存在的數(shù)據(jù)安全程度有限、公開透明力度不足問題，結(jié)合實(shí)際情況，采用哈希函數(shù)和聯(lián)盟鏈技術(shù)，對傳統(tǒng)彩票系統(tǒng)中數(shù)據(jù)傳輸記錄、開獎(jiǎng)號碼產(chǎn)生方面進(jìn)行了改進(jìn)，設(shè)計(jì)了一種具有可實(shí)踐性的彩票系統(tǒng)。該系統(tǒng)具有的優(yōu)點(diǎn)：分布式存儲保障數(shù)據(jù)安全；節(jié)點(diǎn)權(quán)限的層次化降低了聯(lián)盟鏈中心化程度，維護(hù)購買者隱私；全體購買者均可參與數(shù)據(jù)監(jiān)督，對開獎(jiǎng)號碼隨機(jī)性進(jìn)行驗(yàn)證。

發(fā)表于：12/17/2020