123,123,123

数值预报中试系统设计与关键技术实现[其他][数据中心]

气象数值预报模式是数值天气预报业务的重要基础，模式的研发改进需要在高性能计算环境中不断地开展模拟试验来检验评估预报效果。针对气象科学家手工编排批处理脚本开展数值模拟试验方式中存在的不便捷、耗时长、不可见、底层细节复杂、试验分析比对困难等问题，采用C/S架构，基于Python和工作流技术，设计实现了可视化界面交互“建模-计算-监控-分析-管理-共享”全流程集成应用的数值预报中试系统。应用结果表明，系统提升了模式研发试验效率和高性能计算机系统的易用性，在数值天气预报模式研发中试中发挥重要支撑作用，扩展性良好。

發(fā)表于：2023/3/29 下午4:26:19

基于智能电网的频谱感知算法研究[通信与网络][智能电网]

宽带微功率（Broadband Micro-Power， BMP）无线通信系统是为满足智能配用电系统的通信需求，在非授权频谱资源上研究开发的电力无线专网系统。认知无线电（Cognitive Radio， CR）的频谱感知技术的引入，虽缓解了目前智能电网频谱资源紧张的问题，但系统在低信噪比下单用户的感知准确性仍需提高。针对上述问题，提出一种基于变步长的最小均方（Variable Step Size Least Mean Square， VSS-LMS）频谱感知算法。该算法在对原始发送信号幅度进行迭代估计时，增加两个参数作为调节器，可以灵活地调整步长，并对误差信号进行平滑处理，从而解决收敛速度与稳态误差的矛盾，实现高效的频谱感知。仿真实验表明，该算法不仅具有较好的收敛性，且在低信噪比下仍有较好的检测性能。与能量检测算法和LMS频谱感知算法相比，该算法使系统的频谱检测性能得到提升。

發(fā)表于：2023/3/29 下午3:56:00

基于NOMA的D2D用户和蜂窝用户通信方案[通信与网络][通信网络]

LTE网络采用非正交多址来增强网络容量，采用D2D来提高频谱效率；让D2D用户使用非正交多址技术共享蜂窝用户的频谱资源可以缓解当下频谱资源短缺的问题，但也会在D2D用户和蜂窝用户之间引入干扰。提出了一种基于非正交多址技术（Non-orthogonal Multiple Access，NOMA）的D2D用户和蜂窝用户的共享研究方案，对于蜂窝用户和D2D用户之间的干扰采用SIC技术消除。该方案不仅通过调整用户的传输功率来优化系统的吞吐量，而且提高了边缘用户的性能。仿真结果表明，基于NOMA的D2D用户和蜂窝用户之间的通信方案在性能上优于传统的蜂窝资源分配方案和干扰控制方案。

發(fā)表于：2023/3/29 下午3:29:00

风电场智能钥匙安全管控系统的研发与应用[通信与网络][信息安全]

风电场锁具与钥匙管理的信息化和智能化是进一步提升风电场运维管理水平的关键。设计出一种用于风电场的智能钥匙安全管控架构；再结合提出的近距离无线通信抗干扰技术、密钥加密、动态攻击检测技术，研发出了一套风电场智能钥匙安全管控系统。系统能实现开闭锁信息追溯、风险防控等功能，提升了风电场运维的网络化、数字化、智能化水平。

發(fā)表于：2023/3/29 下午3:23:00

基于改进EO-BP神经网络的高压线损预测[测试测量][智能电网]

针对高压线损预测精度不高的问题，提出一种基于均衡优化器（Equilibrium Optimizer，EO）和BP神经网络相结合的线损预测模型。首先，为了提高EO算法的寻优能力，利用多种混沌映射关系初始化种群，使种群多样性增加，全局搜索能力得到改善；同时，采用物竞天择概率跳脱策略改进EO算法，使模型依概率跳出局部最优而收敛于全局最优解。其次，采用改进的EO算法对BP神经网络的权值和偏置进行优化，进而改善BP神经网络的预测效果。最后，实验结果证明，所提线损预测模型相对于回归模型、BP神经网络模型、模拟退火算法优化BP神经网络模型和EO优化BP神经网络模型具有更高的预测精度。

發(fā)表于：2023/3/29 下午3:19:00

一种片外电容交叉充放电型振荡电路设计[模拟设计][工业自动化]

CMOS环形振荡器具有版图面积小、调谐范围大、电路简单便于集成等优点，广泛应用于各类电源系统及电子通信应用中。在常规的环形振荡电路基础上，设计了独立的充放电控制通路，实现了一种交叉充放电型环形振荡电路，并通过外接片外电容的方式，得到更低频率的振荡周期。基于0.18 μm工艺，采用HSIM工具对电路进行功能仿真，经过后端物理实现后，版图面积为172 μm×76 μm，对电路进行提参后仿，结果表明：在3.3 V电压及25 ℃条件下，外接10 nF接地电容时，电路获得约1.2 ms的稳定振荡周期。在Vcc=2.7 V~5.5 V、T=-55 ℃~125 ℃条件下，时钟周期的最大偏移为5.83%。该电路已成功应用于某电源控制芯片中。

發(fā)表于：2023/3/29 下午3:04:00

基于PCIE转SATA多通道高速存储电路设计与原型验证[模拟设计][工业自动化]

针对传统SATA控制器接口单一且无法充分发挥固态盘性能的问题，设计了一款基于PCIE转SATA多通道高速存储电路。充分利用PCIE总线高带宽低延时特性，并遵循AHCI协议，大幅缩短硬盘无用的寻道次数和数据查找时间，提高固态盘的读写性能，同时本设计可支持4路SATA通道，具有良好的可拓展性。设计结合PCIE和SATA协议特点，介绍了PCIE转SATA高速存储电路的系统架构，详细阐述了基于AHCI协议的数据流传输过程。最后基于FPGA原型验证对电路进行测试，电路的单盘读写速率分别为562 MB/s和527 MB /s，相比传统SATA控制器的读写性能具有较大提升，测试结果表明设计的PCIE转SATA高速存储电路读写性能优异，且具备良好的稳定性和可拓展性。

發(fā)表于：2023/3/29 下午2:44:00

一种快速瞬态响应片上LDO电路[电子元件][工业自动化]

基于双有源反馈米勒补偿结构设计了一种单极点系统的无电容片上低压差线性稳压器，该线性稳压器中误差放大器采用全差分结构，两个并联的前馈通路可在提升电路瞬态响应性能的同时额外在功率管栅端构成推挽驱动级，最终电路在轻重载时具有对称的瞬态响应特性。基于TSMC 0.18µm BCD工艺仿真结果表明，在2 V~4 V电源电压下，输入输出最小压差为200 mV，最大负载电流为120 mA，瞬态响应恢复时间≤0.7 µs，相位裕度≥60°。

發(fā)表于：2023/3/28 下午5:08:00

基于YOLOX融合自注意力机制的FSA-FPN重构方法[人工智能][其他]

随着目前目标检测任务输入图像分辨率的不断增大，在特征提取网络的感受野不变的情况下，网络提取的特征信息会越来越局限，相邻特征点之间的信息重合度也会越来越高。提出一种FSA（Fusion Self-Attention）-FPN，设计SAU（Self-Attention Upsample）模块，SAU内部结构通过CNN与自注意力机制（Self-Attention）进行交叉计算以进一步进行特征融合，并通过重构FCU（Feature Coupling Unit）消除二者之间的特征错位，弥补语义差距。以YOLOX-Darknet53为主干网络，在Pascal VOC2007数据集上进行了对比实验。实验结果表明，对比原网络的FPN，替换FSA-FPN后的平均精度值mAP@［.5：.95］提升了1.5%，预测框的位置也更为精准，在需要更高精度的检测场景下有更为出色的使用价值。

發(fā)表于：2023/3/28 下午4:56:00

基于深度学习的变压器故障信号识别算法[人工智能][其他]

针对变压器结构复杂、维护成本高等特点，提出一种基于深度学习的变压器故障信号识别算法。首先分析变压器工作状态下的声纹信号并进行二维图像信号的转换，利用VGG16神经网络在图像中的优势，并在此基础上提出一种MCA注意力机制，该注意力机制能够同时保留背景信息和细节信息；其次对VGG16中的最大池化下采样进行优化，采用一种软池化的采样方法，减少图像中最大池化下采样带来的特征损失；最后为避免过拟合现象的发生，将VGG16顶层结构中的激活函数进行优化，引用可以自归一化的SELU激活函数。实验证明，广义S变换是将一维时域信号转换为二维图像信号的最佳选择，所提算法对于6类故障信号的平均识别率达到99.15%。

發(fā)表于：2023/3/28 下午4:50:00