亚洲天堂偷拍最新综艺节目,GOGOGO免费高清日本TV

基于JTAG的高效調(diào)試系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

為了給自研處理器芯片提供一種高效方便的調(diào)試方法，提出了一種基于JTAG的片內(nèi)調(diào)試系統(tǒng)設(shè)計(jì)方法。該調(diào)試系統(tǒng)在遵循JTAG標(biāo)準(zhǔn)協(xié)議的基礎(chǔ)上，簡(jiǎn)化片內(nèi)調(diào)試硬件模式設(shè)計(jì)，以較少的硬件開(kāi)銷(xiāo)和精簡(jiǎn)高效的專(zhuān)用調(diào)試指令設(shè)計(jì)，不僅實(shí)現(xiàn)了調(diào)試中斷、指令/數(shù)據(jù)斷點(diǎn)設(shè)置、單步執(zhí)行及寄存器/存儲(chǔ)器數(shù)據(jù)讀寫(xiě)等基本調(diào)試功能，還支持現(xiàn)場(chǎng)保護(hù)與恢復(fù)、Trace Buffer、指令插入執(zhí)行等高級(jí)調(diào)試功能。經(jīng)實(shí)際芯片測(cè)試證明，該調(diào)試系統(tǒng)具有兼容JTAG協(xié)議、功能全面、靈活高效、結(jié)構(gòu)簡(jiǎn)單、便于操作等特點(diǎn)。

發(fā)表于：2023/5/8 15:31:07

基于CNN的智慧農(nóng)場(chǎng)圖像分類(lèi)方法[人工智能][工業(yè)自動(dòng)化]

為解決新疆兵團(tuán)農(nóng)業(yè)現(xiàn)代化建設(shè)中有感知無(wú)決策的問(wèn)題，提出一種基于注意力機(jī)制模塊（SENet）與卷積神經(jīng)網(wǎng)絡(luò)混合模型遷移學(xué)習(xí)的圖像分類(lèi)方法（TL-DA-SE-CNN）。該方法選擇4種不同的CNN模型進(jìn)行權(quán)重采集，包括VGGNet、ResNet、InceptionNet和MobileNet。模型使用SENet分類(lèi)器代替卷積神經(jīng)網(wǎng)絡(luò)的全連接層，提取圖像的結(jié)構(gòu)性高階統(tǒng)計(jì)特征進(jìn)行主題分類(lèi)，并使用BP算法進(jìn)行參數(shù)調(diào)整，分類(lèi)準(zhǔn)確度達(dá)98.20%。實(shí)驗(yàn)結(jié)果表明，將CNN與遷移學(xué)習(xí)、數(shù)據(jù)增強(qiáng)和SENet相結(jié)合的技術(shù)提高了牲畜圖像分類(lèi)的性能，是卷積神經(jīng)網(wǎng)絡(luò)在農(nóng)場(chǎng)自動(dòng)化分群中的有效應(yīng)用。

發(fā)表于：2023/5/8 15:07:10

基于改進(jìn)TOPSIS模型的出租車(chē)運(yùn)營(yíng)決策優(yōu)化方法[人工智能][汽車(chē)電子]

以降低出租車(chē)運(yùn)營(yíng)損失為目標(biāo)，分別利用排隊(duì)論對(duì)司機(jī)等待的平均時(shí)間成本進(jìn)行量化，以及通過(guò)熵值法改進(jìn)的TOPSIS模型對(duì)不同時(shí)段載客可能性進(jìn)行量化，進(jìn)而完成空載潛在損失參數(shù)的量化，通過(guò)量化指標(biāo)構(gòu)建出出租車(chē)運(yùn)營(yíng)損失模型，并基于此模型給出了降低損失的運(yùn)營(yíng)決策方法。引用洛陽(yáng)北郊機(jī)場(chǎng)航班及出租車(chē)數(shù)據(jù)的驗(yàn)證，證明了該決策方法能夠有效降低出租車(chē)的運(yùn)營(yíng)損失。

發(fā)表于：2023/5/8 15:00:11

國(guó)產(chǎn)PLC發(fā)展現(xiàn)狀及展望[模擬設(shè)計(jì)][信創(chuàng)產(chǎn)業(yè)]

綜述了國(guó)內(nèi)PLC的發(fā)展歷史，介紹了國(guó)內(nèi)PLC市場(chǎng)現(xiàn)狀、主流國(guó)產(chǎn)PLC、PLC標(biāo)準(zhǔn)以及相關(guān)國(guó)家政策，分別從功能性能、邏輯編程軟件、網(wǎng)絡(luò)協(xié)議、產(chǎn)品譜系以及標(biāo)準(zhǔn)化等方面分析了國(guó)內(nèi)外PLC的差距。針對(duì)存在的差距，結(jié)合歐系、美系和日系PLC的特點(diǎn)，提出了一種中國(guó)系PLC的發(fā)展思路，瞄準(zhǔn)國(guó)防軍工、關(guān)鍵基礎(chǔ)設(shè)施等行業(yè)需求，通過(guò)重大項(xiàng)目和重點(diǎn)領(lǐng)域的帶動(dòng)，基于國(guó)產(chǎn)自主軟硬件生態(tài)開(kāi)展國(guó)產(chǎn)PLC研制和應(yīng)用推廣工作。

發(fā)表于：2023/5/8 14:53:02

孔縫尺寸參數(shù)對(duì)腔體的5G屏蔽效能影響規(guī)律研究[通信與網(wǎng)絡(luò)][5G]

為保證換流站5G設(shè)備屏蔽腔體的屏蔽性能，明確腔體孔縫數(shù)量及尺寸對(duì)其屏蔽效能的影響規(guī)律，在HFSS仿真環(huán)境下，構(gòu)建了屏蔽腔體的電磁屏蔽效能分析模型，分析了5G微帶貼片天線(xiàn)電磁輻射的空間分布特征；然后，分析了腔體孔縫高度對(duì)屏蔽效能的影響，發(fā)現(xiàn)不同孔縫直徑下屏蔽效能均隨孔縫高度的增加而呈增強(qiáng)趨勢(shì)，電磁輻射強(qiáng)度由0.5 mm高度下的24.81 dB降低為2.0 mm高度下的16.29 dB，同時(shí)分析發(fā)現(xiàn)屏蔽效能隨孔縫直徑的增加呈現(xiàn)下降趨勢(shì)，最大輻射強(qiáng)度由1.0 mm直徑的-15.13 dB增長(zhǎng)至7.0 mm直徑的49.87 dB；最后，在孔縫面積占比一定的情況下，發(fā)現(xiàn)隨著孔縫數(shù)量的增多和孔縫直徑的減小，屏蔽腔體的屏蔽效能是不斷提高的。

發(fā)表于：2023/5/8 14:45:00

基于5G小基站的室內(nèi)定位技術(shù)與應(yīng)用研究[通信與網(wǎng)絡(luò)][5G]

高精度室內(nèi)定位技術(shù)與小基站通信網(wǎng)絡(luò)結(jié)合能夠有效降低室內(nèi)定位的部署及運(yùn)維成本，為各類(lèi)定位應(yīng)用場(chǎng)景提供了重要解決方案。首先歸納對(duì)比了常用定位技術(shù)，進(jìn)一步分析了不同定位技術(shù)在小基站應(yīng)用的可行性；然后，提出了基于5G小基站的室內(nèi)定位方案，并對(duì)其架構(gòu)進(jìn)行了具體闡述，該方案具備傳輸網(wǎng)絡(luò)易擴(kuò)展、傳輸路徑靈活化、定位接口開(kāi)放化的優(yōu)勢(shì)；最后，給出了基于本方案選定的兩種定位技術(shù)的應(yīng)用場(chǎng)景及定位流程。結(jié)果表明，基于小基站的室內(nèi)定位方案能夠滿(mǎn)足消費(fèi)者領(lǐng)域及更加廣泛的垂直行業(yè)的定位需求，具有重大意義及應(yīng)用前景。

發(fā)表于：2023/5/8 14:33:52

基于AI算法的5G無(wú)線(xiàn)通信設(shè)備能耗建模方法研究[通信與網(wǎng)絡(luò)][5G]

基于5G網(wǎng)管系統(tǒng)中可采集到的大量能耗、性能指標(biāo)和基站配置數(shù)據(jù)，利用機(jī)器學(xué)習(xí)算法對(duì)現(xiàn)網(wǎng)主流AAU設(shè)備建立能耗測(cè)算模型，并對(duì)模型的準(zhǔn)確性進(jìn)行驗(yàn)證。測(cè)試結(jié)果表明，利用該方案對(duì)現(xiàn)網(wǎng)幾款主流AAU設(shè)備建立的能耗測(cè)算模型精度都達(dá)到97%以上，充分證明該能耗建模方法具有很高的實(shí)用性和推廣價(jià)值。

發(fā)表于：2023/5/8 14:26:41

基于風(fēng)險(xiǎn)均衡度的電力5G通信鏈路自動(dòng)選擇方法研究[通信與網(wǎng)絡(luò)][5G]

發(fā)表于：2023/5/8 14:05:19

基于數(shù)據(jù)中臺(tái)的園區(qū)經(jīng)營(yíng)監(jiān)管平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[其他][其他]

針對(duì)園區(qū)經(jīng)營(yíng)、管理和服務(wù)水平提升的需要，為解決園區(qū)經(jīng)營(yíng)相關(guān)系統(tǒng)集成性、一體化和智能化不高的問(wèn)題，提出一種基于數(shù)據(jù)中臺(tái)和地理信息系統(tǒng)的園區(qū)經(jīng)營(yíng)綜合監(jiān)管平臺(tái)，實(shí)現(xiàn)以園區(qū)房產(chǎn)為視角的園區(qū)經(jīng)營(yíng)全方位監(jiān)控。平臺(tái)通過(guò)數(shù)據(jù)同步程序獲取業(yè)務(wù)數(shù)據(jù)，用數(shù)據(jù)采集程序采集外部系統(tǒng)數(shù)據(jù)，經(jīng)數(shù)據(jù)清洗程序到達(dá)主題庫(kù)服務(wù)器，創(chuàng)建房產(chǎn)、客戶(hù)等主題庫(kù)，由數(shù)據(jù)呈現(xiàn)程序呈現(xiàn)至平臺(tái)服務(wù)器群組，實(shí)現(xiàn)一體化園區(qū)經(jīng)營(yíng)監(jiān)控。通過(guò)在上海自貿(mào)區(qū)的應(yīng)用，實(shí)現(xiàn)了園區(qū)房產(chǎn)資源多維度和多層級(jí)的圖層化呈現(xiàn)，對(duì)園區(qū)客戶(hù)進(jìn)行精準(zhǔn)畫(huà)像，通過(guò)房產(chǎn)租售、收入、成本等監(jiān)管指標(biāo)以及客戶(hù)欠租、合同到期等預(yù)警模塊，提升了園區(qū)經(jīng)營(yíng)管理和客戶(hù)服務(wù)水平。

發(fā)表于：2023/4/25 17:05:00

基于特征優(yōu)化和ISSA-LSTM的脫硝系統(tǒng)入口NOx濃度預(yù)測(cè)模型[其他][其他]

針對(duì)電廠(chǎng)脫硝系統(tǒng)入口NOx濃度受較多因素的影響波動(dòng)較大，且CEMS檢測(cè)儀表有很大遲延難以精準(zhǔn)測(cè)量的問(wèn)題，提出了一種基于隨機(jī)森林算法（RF）和改進(jìn)麻雀搜索算法(ISSA) 優(yōu)化長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)（LSTM）的脫硝系統(tǒng)入口NOx濃度預(yù)測(cè)模型。首先，通過(guò)機(jī)理和相關(guān)性分析確定與SCR入口NOx質(zhì)量濃度相關(guān)的初始輔助變量，并利用RF算法對(duì)輔助變量進(jìn)行特征優(yōu)化選擇，然后通過(guò)互信息（MI）對(duì)各輔助變量與輸出變量之間進(jìn)行遲延估計(jì)并提取時(shí)序特征，并通過(guò)小波濾波對(duì)輸入變量進(jìn)行降噪處理，建立LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。利用ISSA算法確定LSTM模型的最優(yōu)組合參數(shù)，最后與傳統(tǒng)的LSSVM、RBF、BP模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果證明，特征優(yōu)化后的ISSALSTM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的決定系數(shù)（R2）最大，均方根誤差（RMSE）和平均絕對(duì)百分比誤差(MAPE)最小，具備很強(qiáng)的擬合和泛化能力，可以精準(zhǔn)預(yù)測(cè)脫硝系統(tǒng)入口氮氧化物的質(zhì)量濃度。

發(fā)表于：2023/4/25 17:01:00