思思热在线视频精品,野花社区www高清在线观看

電弧爐電極調(diào)節(jié)系統(tǒng)GFLC算法的研究[可編程邏輯][其他]

電弧爐電極調(diào)節(jié)器是一種復(fù)雜的非線性模型，控制不好會消耗大量的電能和時間。為了更加準(zhǔn)確快速地控制電極調(diào)節(jié)系統(tǒng)，提出了一種遺傳模糊邏輯控制器(GFLC)算法，采用一種新型的編碼方式來調(diào)整隸屬函數(shù)及邏輯規(guī)則，從而克服了非線性系統(tǒng)不好控的太多問題，減少了復(fù)雜系統(tǒng)之間引起的誤差影響。通過訓(xùn)練和驗證，遺傳模糊邏輯控制器能夠?qū)崟r調(diào)節(jié)控制參數(shù)，與傳統(tǒng)PID控制方法比較，GFLC控制電極調(diào)節(jié)更加快速準(zhǔn)確。

發(fā)表于：1/21/2021 9:24:00 AM

工業(yè)控制系統(tǒng)安全防護(hù)體系研究[通信與網(wǎng)絡(luò)][信息安全]

工業(yè)控制系統(tǒng)(簡稱工控系統(tǒng))廣泛應(yīng)用于水力、電力、石油、交通、軍工等各個行業(yè)，其安全性和穩(wěn)定性關(guān)系著國家關(guān)鍵基礎(chǔ)設(shè)置的正常運(yùn)行。隨著工控行業(yè)數(shù)字化生產(chǎn)、智能制造的推進(jìn)，工控系統(tǒng)面臨著嚴(yán)重的安全威脅。通過分析典型的攻擊方式和現(xiàn)有防護(hù)措施的弱點，提出和設(shè)計一套縱深的工控系統(tǒng)安全防護(hù)體系，并從物理安全、數(shù)據(jù)安全、網(wǎng)絡(luò)安全、主機(jī)與應(yīng)用安全、控制安全五個方面分別闡述其技術(shù)重點，在可信平臺的基礎(chǔ)之上構(gòu)建安全綜合防護(hù)平臺，形成了一套自適應(yīng)的、閉環(huán)的、可進(jìn)行自我防御與恢復(fù)的安全模型與機(jī)制，立體地維護(hù)了工控系統(tǒng)的安全，有利于工控系統(tǒng)的安全穩(wěn)定運(yùn)行。

發(fā)表于：1/21/2021 9:18:00 AM

基于BP神經(jīng)網(wǎng)絡(luò)的智能認(rèn)知頻譜預(yù)測技術(shù)研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為了使通信用戶頻譜接入更為有效，增強(qiáng)在時域和空間域的頻譜利用靈活性，首先介紹采用最速下降法進(jìn)行學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)過程，并對BP神經(jīng)網(wǎng)絡(luò)的頻譜預(yù)測算法進(jìn)行數(shù)學(xué)建模。通過對一段時期內(nèi)的電磁頻譜狀態(tài)的學(xué)習(xí)訓(xùn)練，調(diào)節(jié)參數(shù)使算法模型建立輸入數(shù)據(jù)與輸出結(jié)果之間的認(rèn)知關(guān)系，進(jìn)而改變BP神經(jīng)網(wǎng)絡(luò)算法自身的結(jié)構(gòu)，優(yōu)化權(quán)值與閾值，最終使得頻譜預(yù)測數(shù)據(jù)準(zhǔn)確性更接近于實際值，預(yù)測誤差變小。

發(fā)表于：1/20/2021 9:24:00 AM

一種智能RFID電子車牌的天線設(shè)計方案[其他][汽車電子]

在目前的RFID汽車管理的應(yīng)用中，其管理方案基本都是在前擋風(fēng)玻璃上粘貼一個RFID標(biāo)簽。然而隨著現(xiàn)在帶有加熱絲擋風(fēng)玻璃的普及，這種安裝方式已經(jīng)不能覆蓋所有車型，標(biāo)簽安裝在部分汽車上之后根本讀不到?；谶@種現(xiàn)狀，給出了一種新型的天線設(shè)計方案，依靠汽車車牌這一交管部門必管控的部件，研發(fā)一種不拆卸車牌即可安裝的新型RFID標(biāo)簽，可以解決標(biāo)簽因汽車差異化而導(dǎo)致的標(biāo)簽讀不到、讀距參差不齊的問題，極大地方便交管部門管理和監(jiān)督社會車輛。

發(fā)表于：1/20/2021 9:16:00 AM

基于UDS協(xié)議的整車VCU固件升級方案[其他][其他]

針對傳統(tǒng)VCU（Vehicle Control Unit）固件升級方法繁雜、協(xié)議不規(guī)范并且升級過程中硬件拆卸易損等問題，提出一種基于UDS（Unified Diagnostic Service）協(xié)議的整車VCU固件升級方案。結(jié)合測試樣車現(xiàn)有電子電氣架構(gòu)，參照ISO14229和ISO15765協(xié)議中的固件升級服務(wù)規(guī)范，實現(xiàn)了整車VCU固件升級功能。測試結(jié)果表明，該升級方案能夠準(zhǔn)確、穩(wěn)定地實現(xiàn)VCU的固件程序更新，極大方便了后期開發(fā)、測試和維護(hù)工作。

發(fā)表于：1/19/2021 7:55:00 PM

基于運(yùn)動想象的腦電信號特征提取研究[其他][其他]

基于運(yùn)動想象腦電信號的腦-機(jī)接口系統(tǒng)在醫(yī)療領(lǐng)域具有廣闊的應(yīng)用前景，被應(yīng)用于運(yùn)動障礙人士的輔助控制以及腦卒的預(yù)后康復(fù)。由于運(yùn)動想象的腦電信號信噪比低、不平穩(wěn)以及差異性顯著，對腦電信號識別帶來負(fù)面影響。一個有效的特征提取算法能夠提高腦-機(jī)系統(tǒng)的腦電信號識別率。提出一種多通道的腦電信號特征提取方法，將數(shù)據(jù)矩陣分解為基矩陣與系數(shù)矩陣的乘積，以類間離散度做為性能判據(jù)對系數(shù)矩陣進(jìn)行特征提取，提取可分性更高、維數(shù)更少的特征。結(jié)合腦電信號識別領(lǐng)域常見的分類器在2008年BCI競賽數(shù)據(jù)集上進(jìn)行驗證，證明所提方法是有效的。

發(fā)表于：1/19/2021 7:39:00 PM

基于MEC的5G虛擬專網(wǎng)在家電企業(yè)應(yīng)用研究[通信與網(wǎng)絡(luò)][5G]

隨著國家提出新基建的要求，未來以數(shù)字基建為核心的“新基建”也為5G網(wǎng)絡(luò)及相關(guān)應(yīng)用的建設(shè)按下了“快進(jìn)鍵”，家電制造業(yè)具備工業(yè)制造80%的屬性，因此5G在家電制造領(lǐng)域有著廣泛的應(yīng)用。針對家電企業(yè)制造低時延生產(chǎn)場景要求，結(jié)合移動邊緣計算（Mobile Edge Computing，MEC）具備使計算/存儲等業(yè)務(wù)運(yùn)營靠近客戶能力的特點，組建5G虛擬專網(wǎng)，有效解決工業(yè)制造企業(yè)信息孤島，促進(jìn)運(yùn)營技術(shù)（OT）與信息技術(shù)（IT）相融合。利用5G結(jié)合移動邊緣計算，為某家電制造企業(yè)打造集終端、平臺、網(wǎng)絡(luò)、應(yīng)用一體化的端到端整體方案，解決高時延問題的同時，保證企業(yè)數(shù)據(jù)安全。

發(fā)表于：1/19/2021 7:33:00 PM

基于殘差結(jié)構(gòu)和幻象模塊的垃圾圖片分類算法[其他][其他]

垃圾圖片分類算法對于垃圾分揀的智能化和自動化具有重要的意義，針對我國垃圾分類現(xiàn)狀，收集制作了小型生活垃圾數(shù)據(jù)集，提出基于殘差結(jié)構(gòu)和幻象模塊的垃圾圖片分類算法。使用幻象模塊代替ResNet18的普通卷積，在不降低網(wǎng)絡(luò)性能的同時減少了網(wǎng)絡(luò)的參數(shù)量。采用數(shù)據(jù)增強(qiáng)方法擴(kuò)充訓(xùn)練數(shù)據(jù)，防止過擬合。實驗結(jié)果表明，改進(jìn)后網(wǎng)絡(luò)的參數(shù)量減少了46%，識別精度提高了1%。

發(fā)表于：1/19/2021 7:21:00 PM

基于注意力與Bi-LSTM混合算法的車企輿情情感分析[其他][其他]

隨著大數(shù)據(jù)時代的來臨，網(wǎng)絡(luò)輿情對消費(fèi)者情感分析和商家營銷策略產(chǎn)生重大影響。如何利用大數(shù)據(jù)技術(shù)提高車企輿情情感分析效能，受到文本挖掘研究者廣泛關(guān)注。針對傳統(tǒng)RNN在長文本分類中的長期依賴問題，提出了一種注意力機(jī)制與Bi-LSTM結(jié)合的混合分類算法（At-Bi-LSTM）。算法利用Bi-LSTM分析車企網(wǎng)絡(luò)評論的情感，引入注意力機(jī)制計算不同單詞對評論情感的貢獻(xiàn)權(quán)重，降低長文本中無關(guān)詞對分類結(jié)果的影響。實驗證明，At-Bi-LSTM算法在車企輿情情感分類上取得了比樸素貝葉斯、SVM、LSTM更好的分類效果。

發(fā)表于：1/19/2021 7:16:00 PM

基于K-Means算法的SSD-Mobilenet模型優(yōu)化研究[其他][其他]

SSD-Mobilenet目標(biāo)檢測模型是將SSD和Mobilenet進(jìn)行結(jié)合衍生出的一種輕量化模型，同時具備了兩模型各自的優(yōu)勢，即多尺度檢測和模型輕量化。在原模型中特征提取層使用了人為設(shè)置的先驗框，這樣的設(shè)置存在一定的主觀性，并不適用于對特定場景下單一類別目標(biāo)的識別與定位。為解決這一問題，本文提出了使用K-Means算法對目標(biāo)真實框的寬高比進(jìn)行聚類分析，提升模型在特定場景下對單一類別目標(biāo)的檢測能力，規(guī)避了人為設(shè)置的主觀先驗性。使用Pascal VOC 2007數(shù)據(jù)集對該模型進(jìn)行訓(xùn)練和評估，實驗結(jié)果顯示，模型的mAP值比Fast RCNN提高了4.5%，比Faster RCNN提高了1.5%，比SSD-300提高了3.4%，比YOLOv2提高了2.4%。

發(fā)表于：1/19/2021 7:10:00 PM