国产精品免码视频二三区,亚洲精品私拍国产福利87在线

基于NuSMV的LD和ST語言形式化驗證研究與實現(xiàn)[其他][工業(yè)自動化]

依據(jù)工控系統(tǒng)的特點，在分析現(xiàn)有工控系統(tǒng)編程標準IEC61131-3規(guī)定的工業(yè)語言基礎上，研究基于工業(yè)語言的形式化驗證方法，通過對ST和LD語言進行分析得到有限狀態(tài)機組態(tài)模型，實現(xiàn)對控制目標進行準確描述；通過NuSMV驗證有限狀態(tài)機模型，獲得形式化驗證的結(jié)果，從而實現(xiàn)對IEC61131-3編程語言實現(xiàn)的PLC邏輯代碼進行分析，建立形式化驗證模型，發(fā)現(xiàn)用戶編寫的PLC邏輯代碼可能存在的邏輯缺陷，并提供對這些缺陷分析驗證的報告。

發(fā)表于：12/20/2022 4:37:00 PM

FDI攻擊下孤島交流微電網(wǎng)滑?？刂撇呗?>
</a>
</div>
<div id=

FDI攻擊下孤島交流微電網(wǎng)滑?？刂撇呗訹測試測量][智能電網(wǎng)]

針對孤島交流微電網(wǎng)控制系統(tǒng)中不可避免的虛假數(shù)據(jù)注入攻擊問題，當存在外部干擾時，設計了主動容侵控制策略。首先針對孤島交流微電網(wǎng)逆變系統(tǒng)，構建系統(tǒng)狀態(tài)空間模型。將控制系統(tǒng)傳感器側(cè)可能受到的虛假數(shù)據(jù)注入攻擊信息當作一個輔助狀態(tài)向量，設計滑模攻擊觀測器對系統(tǒng)中的狀態(tài)變量和虛假數(shù)據(jù)注入攻擊信息同時進行估計。在獲得攻擊的估計信息后，利用積分滑模容侵控制器對虛假數(shù)據(jù)注入攻擊和外部有限能量干擾進行主動容侵控制，以確保微電網(wǎng)系統(tǒng)的穩(wěn)定運行。最后，通過仿真驗證了所提方法的可行性和有效性。

發(fā)表于：12/20/2022 4:33:00 PM

5G+MEC在家電業(yè)機器視覺檢測系統(tǒng)中的應用[顯示光電][5G]

為了解決家電業(yè)依賴人工進行外觀質(zhì)量檢測的長期痛點，將5G+MEC的機器視覺關鍵技術進行創(chuàng)新應用，構建了智能化產(chǎn)品表面質(zhì)量檢測系統(tǒng)。檢測系統(tǒng)以云邊協(xié)同模式運營，支持圖片和視頻的邊緣端推理，云端算法終端下載部署，支持異構計算，實時性高。系統(tǒng)基于決策分析工具、人工智能、大數(shù)據(jù)分析等技術對采集的數(shù)據(jù)進行綜合管理及應用。同時，關聯(lián)企業(yè)MES、SCADA、WMS等系統(tǒng)，集成生產(chǎn)端數(shù)據(jù)、物料數(shù)據(jù)、市場追蹤反饋數(shù)據(jù)，實現(xiàn)產(chǎn)品全生命周期的數(shù)據(jù)互聯(lián)及質(zhì)量追溯。

發(fā)表于：12/20/2022 4:30:00 PM

基于ST-TCN的太陽能光伏組件故障診斷方法[其他][其他]

實地調(diào)研并收集電站光伏組件常見的故障類型，并對光伏組件在不同工作狀況下的電流特征曲線進行分析，發(fā)現(xiàn)光伏組件的電流數(shù)據(jù)疊加了復雜的表現(xiàn)特征和高噪聲。為能精準診斷光伏組件的故障類型，提出一種軟閾值化的時序卷積神經(jīng)網(wǎng)絡(Soft Thresholding Temporal Convolutional Network，ST-TCN)光伏組件故障診斷模型。ST-TCN網(wǎng)絡使用多個殘差模塊的膨脹卷積層、ReLU層、Dropout層提取電流數(shù)值特征和時序特征，再使用殘差模塊的軟閾值化對所提取的特征降噪，最終使用全連接層對殘差模塊提取的特征進行故障診斷分類。實驗結(jié)果表明，ST-TCN網(wǎng)絡不僅結(jié)構簡單，收斂速度快，而且故障診斷準確率高，達到92.99%。

發(fā)表于：12/20/2022 4:25:00 PM

一種可適應復雜網(wǎng)壓條件的快速鎖相環(huán)[電源技術][其他]

基于雙二階廣義積分器的鎖相環(huán)(DSOGI-PLL)被廣泛應用于逆變器實現(xiàn)同步并網(wǎng)。但是，當電網(wǎng)電壓三相不平衡或存在諧波分量和直流偏移，即網(wǎng)壓條件較為復雜時，濾波效果不理想，對輸入信號的檢測出現(xiàn)波動。因此，提出一種改進的二階廣義積分器結(jié)構，在分離正負序電壓的基礎上加入直流分量抑制模塊，濾除直流電壓，并在鎖相環(huán)加入低通濾波器，從而提高鎖相環(huán)抑制諧波電壓和直流電壓的能力，準確提取電網(wǎng)電壓同步信號。在MATLAB/Simulink進行仿真研究，實驗結(jié)果表明，該鎖相環(huán)在電網(wǎng)電壓存在多次諧波和直流電壓時能夠濾除諧波分量和直流分量，鎖頻鎖相效果較好。

發(fā)表于：12/20/2022 4:19:00 PM

石墨復合材料極板模壓成型自動化生產(chǎn)線設計[其他][工業(yè)自動化]

雙極板是質(zhì)子交換膜燃料電池(PEMFC)兩個重要組成部件之一，對燃料電池整體的重量、體積、功率等影響巨大，對燃料電池的整體生產(chǎn)成本和生產(chǎn)周期起到關鍵性的影響作用。采用模壓方式生產(chǎn)的石墨復合材料極板可以一次成型整板，省去二次加工時間，大大提高生產(chǎn)效率。石墨復合材料極板模壓成型自動化生產(chǎn)線設計包括上料段、模壓段、烘干段、后處理段、檢測段、包裝段六部分，能滿足工業(yè)化、大批量生產(chǎn)極板要求，滿足燃料電池行業(yè)對極板的需求量。

發(fā)表于：12/20/2022 4:11:00 PM

一種高線性度的2.4 GHz CMOS功率放大器設計[模擬設計][其他]

為了滿足目前物聯(lián)網(wǎng)低成本、低功耗與較高線性度的市場應用需求，提出了一種高線性度的2.4 GHz功率放大器(PA)。該功率放大器為兩級結(jié)構，為了提高增益的同時保持較低的靜態(tài)功耗其驅(qū)動級采用了電流復用兩級共源放大結(jié)構，并且使用了兩級失真抵消的方法減小了晶體管跨導非線性的影響，同時采用二極管線性化偏置來補償寄生電容非線性導致的增益壓縮現(xiàn)象。該功率放大器采用0.18 μm CMOS工藝，后仿真結(jié)果表明，在2.4 GHz工作頻率下，該PA小信號增益為30 dB，輸出1 dB壓縮點為22 dBm，靜態(tài)功耗為53 mW，功率附加效率峰值為31%。

發(fā)表于：12/20/2022 4:05:00 PM

一種LZ4無損壓縮電路設計[模擬設計][工業(yè)自動化]

為緩解存儲系統(tǒng)中軟件壓縮算法對計算資源的大量占用，使用LZ4算法設計了一種無損壓縮電路。提出了一種循環(huán)隊列結(jié)構的滑動字典，結(jié)合散列表模塊構建LZ4無損壓縮電路，最后使用Calgary和Canterbury語料庫，在Xilinx KC705 FPGA平臺對電路進行驗證并與軟件壓縮對比。結(jié)果表明所設計的LZ4無損壓縮電路保持了軟件壓縮相同的壓縮率的同時，在壓縮效率上遠超過軟件壓縮。

發(fā)表于：12/20/2022 3:59:00 PM

基于深度學習的詞語級中文唇語識別[其他][其他]

在無聲或噪聲干擾嚴重的環(huán)境下，或?qū)τ诖嬖诼犛X障礙的人群，唇語識別至關重要。針對詞語級中文唇語識別的問題，提出了SinoLipReadingNet模型，前端采用Conv3D+ResNet34結(jié)構用于時空特征提取，后端分別采用Conv1D結(jié)構和Bi-LSTM結(jié)構用于分類預測，并引入Self-Attention、CTCLoss對Bi-LSTM后端進行改進。最終在新網(wǎng)銀行唇語識別數(shù)據(jù)集上進行實驗，結(jié)果表明，SinoLipReadingNet模型在識別準確率上明顯優(yōu)于中科院D3D模型，多模型融合的預測準確率達到了77.64%，平均字錯率為21.68%。

發(fā)表于：12/20/2022 3:53:00 PM

融合輕量化與梯形結(jié)構的學生行為檢測算法[其他][其他]

為了解決常見目標檢測算法在課堂場景中難以有效應用的問題，提出了一種融合輕量化與梯形結(jié)構的學生行為檢測算法。該算法基于YOLOv4架構，針對目標分類和分布空間的特點，提出一種新的“梯”形特征融合結(jié)構，并結(jié)合MobileNetv2思想，優(yōu)化模型參數(shù)得到梯形-MobileDarknet19特征提取網(wǎng)絡，既減少了網(wǎng)絡的計算量，提高了工作效率，同時加強了目標特征的信息傳輸，提升了模型學習能力；在尺度檢測階段引入5層的DenseNet網(wǎng)絡，增強網(wǎng)絡對小目標的檢測能力。實驗結(jié)果表明，提出的YOLOv4-ST算法相比于原YOLOv4算法mAP提高了5.5%，相比于其他主流算法，在學生課堂行為檢測任務中具有較好的實用性。

發(fā)表于：12/20/2022 3:47:00 PM