一级做a爰片久久,亚洲线无码2020

一種基于模板的CFD仿真報(bào)告自動(dòng)生成方法[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

CFD仿真分析報(bào)告是CFD軟件后處理部分的重要組成部分。CFD仿真分析報(bào)告生成主要采用人工編輯、手工提取和固定參數(shù)模板等方法。這些方法存在效率低、生成速度慢以及應(yīng)用工程受限等問題。為此提出了一種基于模板的CFD仿真報(bào)告生成方法。該方法基于Jinja2模板引擎設(shè)計(jì)了一個(gè)CFD仿真分析報(bào)告模板，在模板中引入動(dòng)態(tài)內(nèi)容生成腳本，實(shí)現(xiàn)了不同工程下動(dòng)態(tài)內(nèi)容生成；在動(dòng)態(tài)內(nèi)容生成過程中，通過采用基于消息中間件的數(shù)據(jù)異步通信方式，實(shí)現(xiàn)了高效并行的動(dòng)態(tài)內(nèi)容生成?；谠摲椒ㄔO(shè)計(jì)了一個(gè)CFD仿真分析報(bào)告自動(dòng)生成原型系統(tǒng)，驗(yàn)證了該方法的有效性。

發(fā)表于：2024/7/26

關(guān)于相機(jī)自標(biāo)定算法的研究[MEMS|傳感技術(shù)][汽車電子]

針對傳統(tǒng)相機(jī)自標(biāo)定方法需要利用三個(gè)正交方向的消失點(diǎn)，在實(shí)際場景中不容易滿足并且無法求得畸變系數(shù)的問題，提出了一種改進(jìn)的相機(jī)標(biāo)定的方法，該方法基于二消失點(diǎn)和低秩紋理對車載相機(jī)進(jìn)行標(biāo)定和畸變矯正。首先引用RANSAC算法進(jìn)行消失點(diǎn)查找，利用相機(jī)成像的投影模型和消失點(diǎn)之間的幾何特性求解相機(jī)的焦距和外參；再利用圖像的低秩性進(jìn)行建模，通過增廣拉格朗日算法對模型進(jìn)行迭代求出相機(jī)的畸變系數(shù)。實(shí)驗(yàn)結(jié)果表明該方法具備較好的精度和實(shí)用性。

發(fā)表于：2024/7/26

支持多任務(wù)的綜合電子系統(tǒng)動(dòng)態(tài)重構(gòu)設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][航空航天]

為了滿足無人機(jī)多任務(wù)模式的要求，有效實(shí)現(xiàn)任務(wù)重構(gòu)，對多任務(wù)模式下綜合電子系統(tǒng)的重構(gòu)問題進(jìn)行研究，提出一種基于改進(jìn)飛蛾撲火優(yōu)化算法的重構(gòu)算法。根據(jù)綜合電子系統(tǒng)重構(gòu)模型和重構(gòu)算法，設(shè)計(jì)了多任務(wù)可重構(gòu)綜合電子系統(tǒng)。針對改進(jìn)的飛蛾撲火優(yōu)化算法進(jìn)行了仿真實(shí)驗(yàn)，并對實(shí)驗(yàn)結(jié)果進(jìn)行分析驗(yàn)證，與差分進(jìn)化算法和標(biāo)準(zhǔn)飛蛾撲火優(yōu)化算法進(jìn)行對比實(shí)驗(yàn)。實(shí)驗(yàn)證明重構(gòu)算法通過對多目標(biāo)進(jìn)行優(yōu)化，能夠快速迭代生成高質(zhì)量的重構(gòu)藍(lán)圖，滿足了綜合電子系統(tǒng)的多任務(wù)模式需求。

發(fā)表于：2024/7/26

基于擾動(dòng)觀測的小型反作用飛輪高精度控制[測試測量][工業(yè)自動(dòng)化]

反作用飛輪是衛(wèi)星姿態(tài)控制系統(tǒng)的關(guān)鍵部件，其性能指標(biāo)直接關(guān)系到光學(xué)遙感衛(wèi)星的控制精度。為了實(shí)現(xiàn)高精度的反作用飛輪轉(zhuǎn)速控制，提出了一種基于擾動(dòng)觀測器的非線性控制方法。首先，建立了基于無刷直流電機(jī)的反作用飛輪數(shù)學(xué)模型，分析了影響轉(zhuǎn)速控制精度的因素，并構(gòu)建了用于控制器設(shè)計(jì)的非線性模型。然后，結(jié)合擾動(dòng)觀測器和非線性控制理論設(shè)計(jì)了基于擾動(dòng)觀測的非線性控制器，并利用李雅普諾夫理論證明了控制方法的穩(wěn)定性。最后，通過數(shù)值仿真證明飛輪轉(zhuǎn)速可以平穩(wěn)達(dá)到控制目標(biāo)值，精度優(yōu)于傳統(tǒng)的PI控制方法，并在飛輪實(shí)體上驗(yàn)證了本文方法的有效性。

發(fā)表于：2024/7/25

基于機(jī)器視覺的微小沖壓零件尺寸測量[測試測量][工業(yè)自動(dòng)化]

針對一種微小沖壓零件人工測量效率低、準(zhǔn)確度低問題，提出了基于機(jī)器視覺的微小沖壓零件尺寸測量方法。首先對系統(tǒng)的測量系統(tǒng)設(shè)計(jì)進(jìn)行了介紹，然后介紹了測量方法，采用圖像處理軟件先對提取的圖像進(jìn)行灰度化、去噪點(diǎn)等預(yù)處理，再用Canny邊緣檢測算法進(jìn)行閾值分割，以提取零件的輪廓。在這些零件的輪廓處理算法上，提出了一種基于RDP算法的輪廓分割方法進(jìn)行輪廓分割。在邊緣定位上，提出了一種基于卡尺工具的邊緣點(diǎn)檢測方法來提高各類輪廓的邊緣定位準(zhǔn)確度，然后采用基于Tukey權(quán)重函數(shù)的擬合算法對直線和圓弧進(jìn)行測量得到像素尺寸，最后將像素尺寸通過標(biāo)定轉(zhuǎn)換為物理尺寸。實(shí)驗(yàn)結(jié)果表明，該設(shè)計(jì)對微小沖壓零件的測量一致性及準(zhǔn)確度較高，且具備較高效率。

發(fā)表于：2024/7/25

基于晶圓級技術(shù)的PBGA電路設(shè)計(jì)與驗(yàn)證[EDA與制造][工業(yè)自動(dòng)化]

晶圓級封裝技術(shù)可實(shí)現(xiàn)多芯片互連，但在封裝尺寸、疊層數(shù)和封裝良率等方面的問題限制了其在電路小型化進(jìn)程中的發(fā)展。以一款扇出型晶圓級封裝電路為例，基于先進(jìn)封裝技術(shù)，采用軟件設(shè)計(jì)和仿真優(yōu)化方式，結(jié)合封裝經(jīng)驗(yàn)和實(shí)際應(yīng)用場景，通過重布線和芯片倒裝的方式互連，完成了有機(jī)基板封裝設(shè)計(jì)與制造，實(shí)現(xiàn)了該電路低成本和批量化生產(chǎn)的目標(biāo)。本產(chǎn)品的設(shè)計(jì)思路和制造流程可為其他硬件電路微型化開發(fā)提供參考。

發(fā)表于：2024/7/25

基于ATE的千級數(shù)量管腳FPGA多芯片同測技術(shù)[可編程邏輯][工業(yè)自動(dòng)化]

隨著超大規(guī)模FPGA芯片技術(shù)發(fā)展，芯片管腳數(shù)量提升到1 000以上，如何實(shí)現(xiàn)超大規(guī)模多引腳FPGA芯片高效測試成為ATE在線測試難點(diǎn)。針對一款千級數(shù)量管腳超大規(guī)模的FPGA芯片，基于FPGA的可編程特性，采用多芯片有效pin功能并行測試和單芯片全pin電性能參數(shù)測試相結(jié)合的方法進(jìn)行ATE測試，實(shí)現(xiàn)了千級數(shù)量管腳FPGA芯片的4芯片同測，測試效率提升3倍多。

發(fā)表于：2024/7/25

5G通信基站光儲配置及充放電方法的研究[通信與網(wǎng)絡(luò)][5G]

5G通信基站作為信息通信領(lǐng)域的基礎(chǔ)設(shè)施，滿足了人們對日常通話和流量使用的基本需求。為響應(yīng)國家“3060”雙碳戰(zhàn)略，通信基站需要改變傳統(tǒng)的電網(wǎng)供電模式，引進(jìn)光伏系統(tǒng)和儲能電池等綠色能源，實(shí)現(xiàn)“綠色、節(jié)能、低碳”發(fā)展。在不同的電力條件下，如何規(guī)劃光伏和儲能配置已成為信息和通信領(lǐng)域的一個(gè)重要研究方向。創(chuàng)新模擬光伏函數(shù)模型，探索不同電力條件下光儲配置的最優(yōu)方法，創(chuàng)新光儲系統(tǒng)的充放電方法，實(shí)現(xiàn)綠色能源應(yīng)用的效益最大化。

發(fā)表于：2024/7/25

110 GHz頻段山地?zé)o人機(jī)視距通信概率及傳播損耗研究[通信與網(wǎng)絡(luò)][5G]

利用射線追蹤法建立了基于視距概率的無人機(jī)毫米波信道模型，并針對路徑損耗進(jìn)行了雙斜率模型分析，闡述了視距概率的建模過程并進(jìn)行了模型參數(shù)分析。由于地形遮擋等環(huán)境的影響，損耗較大的反射和繞射路徑致使信號的接收強(qiáng)度在突變點(diǎn)前后波動(dòng)較大，導(dǎo)致單斜率擬合模型不再適用。因此利用線性回歸分別在兩種地形下對仿真數(shù)據(jù)進(jìn)行了單斜率和雙斜率接收功率模型的擬合。結(jié)果表明雙斜率接收功率模型比單斜率模型的擬合效果更好，兩種模型在地形更平坦區(qū)域擬合的精確度更高。

發(fā)表于：2024/7/25

一種低軌衛(wèi)星網(wǎng)絡(luò)中編隊(duì)組網(wǎng)路由算法研究[通信與網(wǎng)絡(luò)][5G]

低軌道分布式衛(wèi)星網(wǎng)絡(luò)作為6G通信技術(shù)的重要組成部分，可以實(shí)現(xiàn)高速傳輸和低延時(shí)的通信，可以滿足6G通信技術(shù)的高速率和低延時(shí)的需求。針對低軌道分布式衛(wèi)星網(wǎng)絡(luò)的組網(wǎng)方法進(jìn)行了研究，對衛(wèi)星網(wǎng)絡(luò)的路由算法進(jìn)行了歸納總結(jié)，提出一種基于帶寬和延遲聯(lián)合的路由選擇算法，并實(shí)現(xiàn)了三種不同的路由選擇算法，發(fā)現(xiàn)各算法性能差異明顯。實(shí)驗(yàn)結(jié)果表明基于帶寬和延遲聯(lián)合算法在選擇最佳路徑的同時(shí)，能夠更好地平衡網(wǎng)絡(luò)的負(fù)載和減小時(shí)延，提高衛(wèi)星網(wǎng)絡(luò)的傳輸效率。

發(fā)表于：2024/7/25

面向船舶通信應(yīng)用場景的5G小基站覆蓋方案設(shè)計(jì)與驗(yàn)證[通信與網(wǎng)絡(luò)][5G]

隨著5G設(shè)備部署密度逐步增大，5G大時(shí)代來臨，單純從增加宏基站部署的角度來看，成本價(jià)格太高，另一方面，5G toB、toC個(gè)性化需求逐步增加。針對5G頻段上移、穿墻能力減弱、個(gè)性化要求的問題，5G一體化小基站應(yīng)運(yùn)而生，并在補(bǔ)盲、補(bǔ)熱范疇作用逐步提升。針對水上作業(yè)通信困難的問題，提出了一種新型基于CPE的組網(wǎng)方案，該方法安裝便捷、價(jià)格低廉，極大滿足用戶需求，可大范圍推廣。

發(fā)表于：2024/7/25

改進(jìn)自適應(yīng)加權(quán)的海面目標(biāo)距離測量和跟蹤[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

海上目標(biāo)距離探測和跟蹤是海洋安全和軍事應(yīng)用中的關(guān)鍵任務(wù)之一，針對復(fù)雜海面環(huán)境在海雜波等影響因素下目標(biāo)距離測量精度低的問題，提出了一種改進(jìn)的多傳感器數(shù)據(jù)融合算法。該算法利用海面艦船雷達(dá)及陸地雷達(dá)聯(lián)合探測結(jié)果，先對多個(gè)數(shù)據(jù)源數(shù)據(jù)進(jìn)行坐標(biāo)系轉(zhuǎn)換，利用Robust Z-score方法進(jìn)行縱向數(shù)據(jù)預(yù)處理剔除異常數(shù)據(jù)，再通過重新定義置信距離度量，將置信度較高的傳感器結(jié)果代替被踢除數(shù)據(jù)后，對結(jié)果進(jìn)行自適應(yīng)加權(quán)融合。同時(shí)，為了進(jìn)一步提高數(shù)據(jù)精度，引入了一種分段融合機(jī)制，將改進(jìn)的傳感器數(shù)據(jù)融合算法與階梯式自適應(yīng)加權(quán)融合算法進(jìn)行級聯(lián)，通過度量各分段融合結(jié)果的相似度，設(shè)定一個(gè)置信閾值，通過該置信閾值確定最終的融合結(jié)果。仿真實(shí)驗(yàn)結(jié)果證實(shí)了算法的有效性和準(zhǔn)確性。

發(fā)表于：2024/7/25

改進(jìn)轉(zhuǎn)移概率矩陣的三維交互式跟蹤模型算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

由于現(xiàn)有的簡單的轉(zhuǎn)移概率矩陣會導(dǎo)致跟蹤精度不高，復(fù)雜的轉(zhuǎn)移概率矩陣會導(dǎo)致跟蹤時(shí)間過長，難以滿足三維空間中機(jī)動(dòng)目標(biāo)跟蹤要求。針對轉(zhuǎn)移概率矩陣的設(shè)計(jì)問題，從機(jī)理分析入手，提出了一種基于隸屬度函數(shù)的模型轉(zhuǎn)移概率矩陣設(shè)計(jì)方法，并對三維交互式多模型算法進(jìn)行了改進(jìn)完善。仿真結(jié)果表明，依據(jù)隸屬度函數(shù)修正轉(zhuǎn)移概率矩陣的方法有效提高了三維機(jī)動(dòng)目標(biāo)的跟蹤精度。

發(fā)表于：2024/7/25

有偏量測下基于最大相關(guān)熵卡爾曼濾波的目標(biāo)跟蹤方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對傳感器存在系統(tǒng)偏差且噪聲非高斯條件下目標(biāo)狀態(tài)估計(jì)精度較差的問題，提出一種有偏量測下基于最大相關(guān)熵卡爾曼濾波（Maximum Correntropy Kalman Filter， MCKF）的目標(biāo)跟蹤方法。該方法通過引入差分機(jī)制，利用目標(biāo)相鄰時(shí)刻的有偏量測之差構(gòu)建差分量測方程，有效克服了系統(tǒng)偏差的影響。隨后基于最大相關(guān)熵準(zhǔn)則（Maximum Correntropy Criterion， MCC）量化估計(jì)誤差的高階矩信息，并以差分量測為先驗(yàn)條件推導(dǎo)出有偏量測下算法的濾波迭代方程。仿真結(jié)果表明，當(dāng)系統(tǒng)觀測值受傳感器系統(tǒng)偏差和非高斯噪聲干擾時(shí)，與現(xiàn)有方法相比，所提方法具有更好的跟蹤性能。

發(fā)表于：2024/7/25

機(jī)動(dòng)目標(biāo)跟蹤時(shí)滯問題分析[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

機(jī)動(dòng)目標(biāo)跟蹤結(jié)果在時(shí)間軸上的滯后問題是當(dāng)前機(jī)動(dòng)目標(biāo)跟蹤領(lǐng)域的一大難點(diǎn)。產(chǎn)生時(shí)滯的情況很多，一般在跟蹤初期和發(fā)生較大機(jī)動(dòng)的時(shí)間段內(nèi)尤為明顯，常常會因此出現(xiàn)誤差高峰。如果能有方法抑制或者消除時(shí)滯現(xiàn)象，將能顯著提高跟蹤效果。從仿真實(shí)驗(yàn)的結(jié)果和現(xiàn)象入手，結(jié)合卡爾曼濾波理論、交互式多模型算法和現(xiàn)代神經(jīng)網(wǎng)絡(luò)模型對時(shí)滯問題進(jìn)行剖析，根據(jù)跟蹤各個(gè)階段情況的變化，分析時(shí)滯產(chǎn)生的不同原因，并提出可能的解決方法，以期為提高機(jī)動(dòng)目標(biāo)跟蹤效果提供參考。

發(fā)表于：2024/7/25