成人区人妻精品一区二区不卡,夜夜嗨av无码一区二区三区

四旋翼無人機虛擬控制系統(tǒng)的設(shè)計[模擬設(shè)計][其他]

針對四旋翼無人機控制系統(tǒng)的研究，設(shè)計采用LabVIEW軟件，搭建控制系統(tǒng)的數(shù)據(jù)采集面板和查詢回放面板?？刂葡到y(tǒng)實時采集四旋翼無人機的飛行姿態(tài)參數(shù)，將飛行高度、飛行速度、俯仰角和滾動角實時數(shù)據(jù)顯示在數(shù)據(jù)采集子面板，實現(xiàn)了數(shù)據(jù)的顯示、處理、存儲及回放等功能。經(jīng)過測試，系統(tǒng)實現(xiàn)了無人機的姿態(tài)監(jiān)測，滿足控制小型四旋翼無人機的實際需要。

發(fā)表于：12/22/2020 8:55:00 AM

一種新型的采用電流轉(zhuǎn)向電荷泵的快速鎖定小數(shù)分頻鎖相環(huán)[模擬設(shè)計][工業(yè)自動化]

基于SMIC 0.13 μm工藝設(shè)計了一款工作電壓為1.5 V的模擬整數(shù)分頻鎖相環(huán)(Phase Locked Loop，PLL)，提出了一種能有效解決電荷分流、提高開關(guān)速度的新型電流轉(zhuǎn)向電荷泵，同時基于環(huán)形差分反相器設(shè)計了具有低相位噪聲特點的壓控振蕩器。在整數(shù)分頻鎖相環(huán)基礎(chǔ)上，加入MASH3結(jié)構(gòu)的數(shù)字Σ-Δ調(diào)制器(Delta Sigma Modulation，DSM)實現(xiàn)了一種數(shù)?；旌系目焖冁i定小數(shù)分頻鎖相環(huán)，能在輸入?yún)⒖碱l率為26 MHz下輸出頻率范圍0.8 GHz~2.0 GHz，具有低噪聲、低頻率步進和快速鎖定等優(yōu)點。

發(fā)表于：12/21/2020 9:07:00 AM

一種CPT銫原子鐘控制系統(tǒng)的設(shè)計[模擬設(shè)計][工業(yè)自動化]

實現(xiàn)微型化、低功耗的相干布居囚禁(CPT)原子鐘對于其在通信、定位等精密測量領(lǐng)域的應(yīng)用具有重要意義。而外圍控制電路控制頻率和激光精準輸出是實現(xiàn)相干布居囚禁原子鐘的關(guān)鍵技術(shù)。設(shè)計了一種CPT銫原子鐘外圍控制電路系統(tǒng)。系統(tǒng)利用微調(diào)和粗調(diào)兩級電流調(diào)節(jié)共同驅(qū)動VCSEL激光器工作，相對于單一電流調(diào)節(jié)，輸出更加精準；采用鎖相環(huán)電路產(chǎn)生可調(diào)制的微波信號；為實現(xiàn)微波功率可以調(diào)節(jié)，采用PIN二極管調(diào)節(jié)微波功率衰減；同時采用軟件調(diào)制解調(diào)方法代替?zhèn)鹘y(tǒng)硬件調(diào)制解調(diào)電路，節(jié)約電路邏輯資源。實驗測試結(jié)果表明，微波調(diào)制激光器產(chǎn)生相干調(diào)頻多色光，微波頻率為4.596 267 GHz時，微波輸出功率達到-3.33 dBm。微波射頻電路在1 kHz頻率偏移量下，相位噪聲低于-80 dBc/Hz，具有較好的性能。

發(fā)表于：12/21/2020 9:00:00 AM

光耦繼電器在實際應(yīng)用中的作用[電子元件][信創(chuàng)產(chǎn)業(yè)]

光耦繼電器輸入輸出間互相隔離，電信號傳輸具有單向性等特點，因而具有良好的電絕緣能力和抗干擾能力。又由于光耦的輸入端屬于電流型工作的低阻元件，因而具有很強的共模抑制能力。

發(fā)表于：12/20/2020 1:30:00 PM

塊LBP-TOP稀疏表示表情與車輛檢測技術(shù)研究[測試測量][汽車電子]

提出基于分塊LBP-TOP(Local Binary Patterns from Three Orthogonal Planes)特征和改進的加權(quán)稀疏表示分類解決微表情識別與專用線車輛狀態(tài)檢測問題。首先利用LBP-TOP特征描述符對從分塊圖像中選擇出的有效塊進行提取特征，將提取的特征作為字典，采取加權(quán)稀疏表示(Weighted Sparse Representation，WSRC)和對偶增廣拉格朗日乘子法(Dual Augmented Lagrange Multiplier，DALM)相結(jié)合的算法(WSRC_DALM)進行稀疏表示分類；然后利用不同尺寸的塊劃分圖像，選擇有效塊提取特征，特征融合后參與分類。在CASME Ⅱ與SAMM表情數(shù)據(jù)庫上采用“留一人交叉驗證”(Leave One Subject Out, LOSO)的分類方法進行5分類，得到的識別率分別達到了77.30%與58.82%，在車輛狀態(tài)檢測檢測數(shù)據(jù)庫上的實驗達到了84.60%的檢測率。實驗結(jié)果表明了所提出算法的有效性。

發(fā)表于：12/18/2020 10:49:00 AM

基于深度密集連接控制網(wǎng)絡(luò)的單幅圖像去雨[其他][其他]

雨線造成的圖像質(zhì)量退化嚴重影響圖像有效應(yīng)用及計算機視覺算法，因此圖像去雨十分必要。目前主流的深度學(xué)習(xí)去雨方法僅對單一尺寸的雨線有效，并且存在雨線去除不完全、模糊背景等問題。針對以上難點，提出了基于深度密集連接控制網(wǎng)絡(luò)的單幅圖像去雨算法。通過引入多尺度特征網(wǎng)絡(luò)加強對不同尺寸雨線的提取能力，引入注意力機制模塊提升對有雨區(qū)域的關(guān)注度，引入密集連接控制網(wǎng)絡(luò)以完整表示雨線特征。實驗表明，該方法在合成數(shù)據(jù)集以及真實數(shù)據(jù)集對比主流去雨方法效果均有提升。

發(fā)表于：12/18/2020 10:41:00 AM

城市軌道交通ACLC系統(tǒng)信息安全研究[其他][信息安全]

主要研究了城市軌道交通領(lǐng)域中ACLC系統(tǒng)的信息安全。通過分析防護現(xiàn)狀以及存在的安全隱患，結(jié)合信息安全相關(guān)政策，提出了一種基于安全管理中心的ACLC系統(tǒng)信息安全防護方案，并首次應(yīng)用于軌道交通ACLC專業(yè)。該方案能夠有效保護ACLC系統(tǒng)不受外部或內(nèi)部的入侵和攻擊，確保城市軌道交通的安全穩(wěn)定運行。

發(fā)表于：12/18/2020 10:03:51 AM

面向超低功耗傳感器的Modbus協(xié)議研究與實現(xiàn)[MEMS|傳感技術(shù)][通信網(wǎng)絡(luò)]

當(dāng)前眾多傳感器、設(shè)備終端、儀器儀表需要具備超低功耗特性，同時又需要連入Modbus工業(yè)現(xiàn)場總線，而傳統(tǒng)的Modbus通信機制無法適應(yīng)低功耗模式，導(dǎo)致超低功耗特性器件在工業(yè)應(yīng)用中的局限性。為解決此問題，提出了一種可用于Modbus總線協(xié)議的超低功耗信息處理機制。通過對傳統(tǒng)Modbus協(xié)議和常用設(shè)備的低功耗處理機制分析，重新搭建了Modbus協(xié)議信息處理機制，在通信處理過程中對寄存器進行顯式和隱式抽象，將寄存器操作與儀器功能動作緊密聯(lián)系起來，提高任務(wù)執(zhí)行效率和儀器整體的實時性。搭建Modbus主機到低功耗傳感器的測試系統(tǒng)，結(jié)果表明，該Modbus協(xié)議處理機制可以在傳感器保持超低功耗特性運行的同時，實現(xiàn)與主機穩(wěn)定可靠的通信。

發(fā)表于：12/18/2020 9:56:40 AM

基于LSTM的濕法煙氣脫硫漿液pH值建模[模擬設(shè)計][工業(yè)自動化]

針對燃煤電廠濕式石灰石-石膏濕法煙氣脫硫(WFGD)過程中漿液pH值測量時間長，不利于WFGD作業(yè)的問題，建立高精度的漿液pH值模型。基于深度學(xué)習(xí)的框架，利用長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM）算法對時間序列處理上的優(yōu)越性進行建模，該模型具有良好的精確度和泛化能力。將燃煤機組實際運行數(shù)據(jù)中與漿液pH值變化相關(guān)的變量作為模型的輔助變量，建立基于LSTM神經(jīng)網(wǎng)絡(luò)的漿液pH值預(yù)測模型。對模型進行仿真驗證，并分別與BP神經(jīng)網(wǎng)絡(luò)模型和最小二乘支持向量機(LSSVM)模型比較，結(jié)果表明LSTM神經(jīng)網(wǎng)絡(luò)模型的預(yù)測精度最高，驗證了LSTM神經(jīng)網(wǎng)絡(luò)在工業(yè)建模中的優(yōu)良性能。

發(fā)表于：12/17/2020 5:12:46 PM

基于深度學(xué)習(xí)的魚類識別與檢測的算法研究[人工智能][信創(chuàng)產(chǎn)業(yè)]

魚類分類識別在漁業(yè)資源研究、魚類知識的科學(xué)推廣、水產(chǎn)養(yǎng)殖加工、稀有物種保護等領(lǐng)域具有廣泛的應(yīng)用前景。針對大菱鲆、黃鰭鯛、金錢魚、鯔魚這四種魚類，利用PyTorch框架為基礎(chǔ)，通過ResNet50網(wǎng)絡(luò)模型，用不同的算法對其進行分類識別，不斷對模型進行優(yōu)化，對四種魚類訓(xùn)練學(xué)習(xí)，通過測試其準確率達到96%以上。同時用PyQt5開發(fā)了GUI可視化界面，通過界面圖片的選擇和預(yù)測功能按鈕的操作，測試結(jié)果實際類別與預(yù)測類別一致，用DSOD框架做了水下目標實時跟蹤檢測，提高了對小目標的檢測率，同時保持了模型的檢測速度，檢測結(jié)果達到期望。

發(fā)表于：12/17/2020 5:04:48 PM