黄色网址www,欧美成人vr在线高清精品

基于觸發(fā)模式的Buck電路輸出電容ESR在線監(jiān)測方法[電源技術(shù)][其他]

電解電容作為濾波電容，廣泛應(yīng)用于開關(guān)電源模塊中，但其性能衰退一直是開關(guān)電源模塊失效的主要原因。針對Buck型開關(guān)電源模塊輸出電解電容的性能變化，選取等效串聯(lián)電阻(ESR)與電容量作為監(jiān)測目標(biāo)，提出了基于觸發(fā)模式的輸出電容ESR與電容量在線監(jiān)測方法。該方法采用開關(guān)信號的上升與下降沿作為觸發(fā)信號，利用輸出電壓采樣，實(shí)現(xiàn)了串聯(lián)電阻的計算，并通過試驗(yàn)系統(tǒng)驗(yàn)證了方法的有效性。提出的方法避免了對電感電流的測量，簡化了觸發(fā)電路結(jié)構(gòu)，且不改變開關(guān)電源模塊拓?fù)洌岣吡嗽摲桨笐?yīng)用的便捷性。

發(fā)表于：3/6/2019 5:07:00 AM

不平衡工況下三相四橋臂逆變器的控制策略[電源技術(shù)][其他]

針對無差拍控制跟蹤精度低、抗擾動性差等問題，提出將重復(fù)控制與無差拍控制結(jié)合，形成嵌入式復(fù)合控制結(jié)構(gòu)，改善控制器的穩(wěn)態(tài)精度和對電感參數(shù)變化的魯棒性。根據(jù)四橋臂逆變器的數(shù)學(xué)模型，推導(dǎo)用于電流控制的無差拍算法，并引入重復(fù)控制算法。最后，通過仿真和實(shí)驗(yàn)驗(yàn)證了策略的有效性。

發(fā)表于：3/5/2019 1:44:00 PM

一種用于光伏最大功率點(diǎn)跟蹤的Boost電路[電源技術(shù)][其他]

光伏發(fā)電系統(tǒng)中利用Boost電路進(jìn)行最大功率跟蹤的過程存在電路升壓能力不足、輸入紋波較大等問題，利用開關(guān)電感結(jié)構(gòu)替代并聯(lián)交錯Boost電路中電感，構(gòu)成一種高升壓比且低紋波的改進(jìn)型Boost電路。該電路在同一開關(guān)周期中擁有四種開關(guān)模式，存在三種不同工作狀態(tài)，利用平均周期建模法討論其不同占空比情況下輸出電壓增益及輸入電流紋波情況。MATLAB仿真結(jié)果表明，改進(jìn)型Boost相比于傳統(tǒng)Boost電路具有更高的升壓能力；且在動態(tài)輸入條件下，具有較快的跟蹤速度，輸入電流紋波小，輸出功率控制效果穩(wěn)定，適用于光伏發(fā)電最大功率點(diǎn)跟蹤。

發(fā)表于：3/5/2019 1:20:00 PM

基于單周期控制的無橋Cuk PFC變換器的設(shè)計[電源技術(shù)][智能電網(wǎng)]

針對功率因數(shù)校正變換器的電路結(jié)構(gòu)含有低頻整流橋?qū)е滦屎艿偷膯栴}，Boost PFC變換器只能升壓不能降壓的特點(diǎn)，提出一種無橋Cuk PFC變換器，可以將高電壓轉(zhuǎn)換為低電壓，并提高變換器的功率因數(shù)。針對變換器在輸入電壓的擾動抑制能力差、動態(tài)響應(yīng)速度慢等問題，提出單周期控制方法提高變換器抑制輸入擾動和動態(tài)響應(yīng)速度。介紹了單周期控制的無橋Cuk PFC變換器控制方程推導(dǎo)和控制電路的設(shè)計，使用MATLAB/Simulink對變換器運(yùn)行過程進(jìn)行仿真，從結(jié)果可以看出單周期控制方法的無橋 Cuk PFC變換器能夠?qū)崿F(xiàn)良好的功率因數(shù)校正，減少變換器的損耗，實(shí)現(xiàn)良好的電源干擾抑制。

發(fā)表于：3/4/2019 2:07:00 PM

施工升降機(jī)防墜安全器嵌入式檢測系統(tǒng)設(shè)計[嵌入式技術(shù)][工業(yè)自動化]

作為施工升降機(jī)最重要的安全部件，防墜安全器的定期檢測尤為重要?；贏ndroid平臺設(shè)計了SAJ30/40型齒輪漸進(jìn)式防墜安全器嵌入式檢測系統(tǒng)，分別采用角度傳感器和速度傳感器測量防墜安全器錐轂旋轉(zhuǎn)角度和升降機(jī)實(shí)時運(yùn)行速度，通過上位機(jī)分析軟件進(jìn)行數(shù)據(jù)處理，輸出防墜安全器的制動距離和動作速度?，F(xiàn)場試驗(yàn)架法檢測實(shí)驗(yàn)結(jié)果表明，檢測系統(tǒng)能夠準(zhǔn)確測量防墜安全器制動距離等檢測參數(shù)，制動距離的測量精度為±1 mm。

發(fā)表于：3/4/2019 5:40:00 AM

基于SoC FPGA和CNN模型的動作識別系統(tǒng)設(shè)計[可編程邏輯][工業(yè)自動化]

動作識別是重要的機(jī)器視覺研究領(lǐng)域之一。設(shè)計實(shí)現(xiàn)基于SoC FPGA和CNN模型的動作識別系統(tǒng)。設(shè)計實(shí)現(xiàn)流水線型LK光流計算、基于HOG與SVM的行人檢測模塊；設(shè)計實(shí)現(xiàn)動態(tài)行人檢測與靜態(tài)行人檢測結(jié)果的融合算法，計算出目標(biāo)人物所在區(qū)域；利用該區(qū)域的視頻圖像和光流場數(shù)據(jù)，輸入CNN模型計算得到目標(biāo)人物的動作識別結(jié)果; 設(shè)計指令集架構(gòu)的NPU單元用于實(shí)現(xiàn)CNN模型計算。整個系統(tǒng)基于DE10-Nano開發(fā)板進(jìn)行軟硬件協(xié)同開發(fā)，能夠識別“站立”、“行走”、“揮手”和“下蹲”等動作。該系統(tǒng)具有較高的識別率和較強(qiáng)的設(shè)計靈活性，方便CNN模型的擴(kuò)展與修改。

發(fā)表于：3/1/2019 2:42:00 PM

高速運(yùn)動平臺彈速補(bǔ)償?shù)腇PGA實(shí)現(xiàn)方法[可編程邏輯][工業(yè)自動化]

針對高速運(yùn)動平臺彈速補(bǔ)償?shù)膶?shí)時性要求，在基于距離徙動校正(Range Cell Migration Compensation，RCMC) 的思想上提出了一種彈速補(bǔ)償?shù)腇PGA實(shí)現(xiàn)方法。將距離徙動校正的思想用于彈速補(bǔ)償，提高了相參積累后的信噪比，并在FPGA中完成硬件實(shí)現(xiàn)，仿真實(shí)驗(yàn)表明使用FPGA實(shí)現(xiàn)彈速補(bǔ)償方法具有實(shí)時性高、處理速度快、精度高等有優(yōu)點(diǎn)。

發(fā)表于：3/1/2019 2:22:00 PM

基于改進(jìn)SFM的三維重建算法研究[嵌入式技術(shù)][工業(yè)自動化]

針對現(xiàn)有運(yùn)動恢復(fù)結(jié)構(gòu)算法重建模型存在點(diǎn)云稀疏等問題，提出一種利用不同匹配數(shù)據(jù)進(jìn)行模型重建的算法。首先通過對比上下文直方圖(CCH)生成匹配數(shù)據(jù)，利用M估計抽樣一致(MSAC)估算圖像基礎(chǔ)矩陣，進(jìn)而分解得到平移和旋轉(zhuǎn)矩陣，并根據(jù)相機(jī)內(nèi)參計算投影矩陣，然后利用KLT匹配算法更新匹配數(shù)據(jù)，最后三角化生成三維點(diǎn)云。該算法匹配精度高，圖像基礎(chǔ)矩陣易于收斂，通過位移實(shí)現(xiàn)特征點(diǎn)匹配，彌補(bǔ)了圖像低頻區(qū)域匹配數(shù)據(jù)不足的缺陷。實(shí)驗(yàn)結(jié)果表明，與現(xiàn)有算法相比，該算法生成的點(diǎn)云更致密；在真實(shí)環(huán)境下，該算法可用于物體三維重建。

發(fā)表于：2/28/2019 1:13:00 PM

基于AdaBoost-PSO-ELM算法的滑坡位移預(yù)測研究[嵌入式技術(shù)][工業(yè)自動化]

礦山排土場滑坡的過程是一個動態(tài)、大延遲、高度非線性的特性問題，影響礦山排土場滑坡的因素眾多，各個特性指標(biāo)間相互影響，關(guān)于排土場滑坡預(yù)警并沒有嚴(yán)格的劃分標(biāo)準(zhǔn)。對此，提出一種自適應(yīng)提升算法(Adaptive Boosting，AdaBoost)、改進(jìn)的粒子群算法(Particle Swarm Optimization，PSO)和極限學(xué)習(xí)機(jī)(Extreme Learning Machine，ELM)相結(jié)合的礦山排土場滑坡短期預(yù)測方法。該方法首先利用粒子群優(yōu)化算法得出ELM模型的最佳輸入?yún)?shù)，再通過自適應(yīng)提升算法將得到的多個極限學(xué)習(xí)機(jī)弱預(yù)測器組成新的強(qiáng)預(yù)測器并進(jìn)行預(yù)測，最后以某礦山排土場采集的數(shù)據(jù)為算例，結(jié)果表明改進(jìn)的組合方法的預(yù)測精度明顯優(yōu)于由粒子群優(yōu)化算法優(yōu)化參數(shù)的極限學(xué)習(xí)機(jī)模型和單獨(dú)的極限學(xué)習(xí)機(jī)模型的預(yù)測精度，其預(yù)測結(jié)果接近于真實(shí)值，為實(shí)現(xiàn)礦山排土場滑坡預(yù)警提供了可能。

發(fā)表于：2/28/2019 11:50:00 AM

? 基于Cuckoo平臺的HDBSCAN惡意代碼聚類算法*[通信與網(wǎng)絡(luò)][信息安全]

? 泛在網(wǎng)絡(luò)日益受到各種各樣的惡意代碼攻擊，已經(jīng)嚴(yán)重威脅到各個領(lǐng)域的信息安全和網(wǎng)絡(luò)安全。為了分析不同種類惡意代碼之間的異同性，通過搭建Cuckoo沙箱平臺模擬惡意代碼運(yùn)行環(huán)境研究其聚類情況，以此來獲得惡意樣本模擬運(yùn)行的行為分析報告；在特征提取上為了全面覆蓋惡意代碼的主要行為，結(jié)合了動態(tài)行為特征和內(nèi)存特征；之后利用t-SNE機(jī)器學(xué)習(xí)算法來對特征屬性實(shí)現(xiàn)非線性降維；最后對傳統(tǒng)的DBSCAN算法進(jìn)行改進(jìn)，將改進(jìn)后的算法HDBSCAN結(jié)合惡意代碼的行為特征來完成惡意代碼的聚類。實(shí)驗(yàn)結(jié)果表明，相比于經(jīng)典聚類算法，改進(jìn)后的聚類算法提高了聚類質(zhì)量，獲得了更好的聚類效果，因此具有較高的可行性。

發(fā)表于：2/28/2019 1:29:00 AM