亚洲福利在线一区二区三区,国产97人人超碰caoprom,久久久久久国产精品高清

多源極軌衛(wèi)星微波溫度計資料實時區(qū)域同化系統(tǒng)[模擬設(shè)計][航空航天]

基于中尺度數(shù)值預(yù)報模式WRF和WRFDA同化系統(tǒng)，實現(xiàn)多源極軌衛(wèi)星微波溫度計資料實時區(qū)域同化，并對同化產(chǎn)品進(jìn)行評估和應(yīng)用。2018年同化試驗結(jié)果表明：通過質(zhì)量控制和偏差訂正，AMSU-A資料第5~9通道亮溫觀測增量O-B（觀測值O和背景場的正演輻射模擬值B的差值）的標(biāo)準(zhǔn)差有效降低，同化后各通道亮溫分析殘差O-A（觀測值O和分析場的正演輻射模擬值A(chǔ)的差值）的標(biāo)準(zhǔn)差有效降低。同化預(yù)報產(chǎn)品被應(yīng)用在暴雨強對流個例和臺風(fēng)個例中，取得良好效果。

發(fā)表于：2024/3/20 13:02:34

基于改進(jìn)YOLOv5的路面裂縫檢測方法[模擬設(shè)計][智能交通]

針對現(xiàn)有裂縫檢測模型體積較大且檢測精度不高的問題，提出一種基于輕量化網(wǎng)絡(luò)的無人機航拍圖像裂縫檢測方法。首先，使用MobileNetv3網(wǎng)絡(luò)替代YOLOv5的主干網(wǎng)絡(luò)，降低模型大??；其次，引入C3TR和CBAM模塊提高網(wǎng)絡(luò)表征能力，將損失函數(shù)替換為EIOU以提高模型的魯棒性。實驗結(jié)果表明，該方法在自制數(shù)據(jù)集上獲得98.9%的精度，相較于原始YOLOv5提高1.2%，模型大小減小51.5%，檢測速度提高37%。改進(jìn)后的模型在精度、大小和速度上均優(yōu)于Faster-RCNN等4種常見裂縫檢測模型，滿足了裂縫檢測的實時性、輕量化和精度需求。

發(fā)表于：2024/3/20 13:02:31

分布式“源荷儲”資源協(xié)同互動異構(gòu)組網(wǎng)方法與仿真實現(xiàn)[通信與網(wǎng)絡(luò)][智能電網(wǎng)]

為提升新型電力系統(tǒng)海量分布式“源荷儲”資源協(xié)同互動能力，提出了分布式“源荷儲”資源協(xié)同互動異構(gòu)組網(wǎng)方法與仿真實現(xiàn)。構(gòu)建“三層兩網(wǎng)” 分布式源荷儲資源協(xié)同互動異構(gòu)組網(wǎng)方法，在調(diào)峰、調(diào)頻、需求響應(yīng)等典型互動業(yè)務(wù)建模需求分析基礎(chǔ)上，通過OMNeT++平臺建立分布式資源協(xié)同互動通信網(wǎng)絡(luò)模型，根據(jù)網(wǎng)絡(luò)實際運行特征構(gòu)建通信仿真平臺，實現(xiàn)分布式“源荷儲”資源協(xié)同互動網(wǎng)絡(luò)性能多場景仿真。為分布式資源協(xié)同互動業(yè)務(wù)開展提供定量分析工具，對新型電力系統(tǒng)建設(shè)與新能源消納能力提升具有重要支撐作用。

發(fā)表于：2024/3/20 13:02:29

空間眾包中一種支持高效任務(wù)分配的隱私保護(hù)方案[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

空間眾包中的位置隱私泄露問題近些年來已經(jīng)引起了學(xué)術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注。面對這一挑戰(zhàn)，不少研究者提出了相應(yīng)的隱私保護(hù)方案來保護(hù)任務(wù)分配過程中參與者的位置信息安全。然而，這些方案在分配效率方面有所限制，不具備高效性。針對這一問題，提出了一種高效的隱私保護(hù)方案，使用網(wǎng)格索引四叉樹結(jié)構(gòu)來實現(xiàn)高效且穩(wěn)定的任務(wù)分配服務(wù)，并使用一種對稱隱藏向量加密算法來保護(hù)參與者的隱私安全。大量基于真實數(shù)據(jù)集的仿真實驗表明該方案能夠支持高效的任務(wù)分配服務(wù)。

發(fā)表于：2024/3/20 13:02:27

基于EEMD奇異值熵的局部放電模式識別[測試測量][智能電網(wǎng)]

針對氣體絕緣組合電器（GIS）局部放電故障信號非平穩(wěn)性和放電類型識別準(zhǔn)確率低的問題，提出了一種基于集合經(jīng)驗?zāi)B(tài)分解（EEMD）奇異值熵的局部放電模式識別算法。首先對局部放電原始信號進(jìn)行EEMD分解，得到多個固有模態(tài)分量（IMF），根據(jù)均方差、峭度和歐氏距離評價指標(biāo)選取隱含放電信息居多的最優(yōu)模態(tài)分量進(jìn)行信號重構(gòu)；然后對重構(gòu)信號進(jìn)行奇異值分解，結(jié)合信息熵算法計算出奇異值熵；最后，根據(jù)奇異值熵大小區(qū)分出GIS局部放電的類型。實驗結(jié)果表明，通過與傳統(tǒng)的EMD奇異值熵和VMD奇異值熵算法對比，該方法可以有效地通過各自不同區(qū)間的奇異熵值進(jìn)行識別放電類型。

發(fā)表于：2024/3/20 13:02:25

基于邊緣計算的智能電能表校時方法研究[測試測量][智能電網(wǎng)]

隨著電力物聯(lián)網(wǎng)的發(fā)展和智能電能表的不斷普及，解決電能表時鐘異常問題、對時鐘超差電能表進(jìn)行校時已經(jīng)成為電力公司一項越來越重要的工作。對于時鐘偏差超過5分鐘的費控電能表，目前主流做法是通過點對點密文校時的方法來進(jìn)行矯正，但這種超差電表數(shù)量增多之后，會給主站系統(tǒng)校時工作帶來較大負(fù)荷。針對這一問題，借鑒邊緣計算思想，即將整體工作拆分后部分分配至邊緣節(jié)點，分布式完成整體工作，提出了一種基于邊緣計算的批量電能表校時方法，通過主站批量任務(wù)下發(fā)、邊緣節(jié)點轉(zhuǎn)加密等技術(shù)，實現(xiàn)對時鐘超差電能表的批量校時，減輕主站系統(tǒng)的業(yè)務(wù)壓力，提高主站系統(tǒng)的工作效率。

發(fā)表于：2024/3/20 13:02:24

基于SIP技術(shù)的固態(tài)硬盤電路設(shè)計[EDA與制造][工業(yè)自動化]

存儲系統(tǒng)小型化、高性能需求與日俱增，為此設(shè)計了一款基于SiP技術(shù)的固態(tài)硬盤電路，用于驗證存儲系統(tǒng)SiP電路的可行性。該SiP電路內(nèi)部以SSD控制模塊為核心處理單元，集成了用于數(shù)據(jù)存儲的NAND顆粒、用于固件存儲的SPI Flash以及電源管理等元器件。在搭建的軟硬件平臺上進(jìn)行底層ATA指令驗證以及與傳統(tǒng)分離式存儲系統(tǒng)的對比性能測試，證明了應(yīng)用SiP技術(shù)的存儲系統(tǒng)具備高性能、小型化、低功耗等諸多優(yōu)勢，為后續(xù)SiP存儲系統(tǒng)的設(shè)計和驗證奠定了一定的技術(shù)基礎(chǔ)。

發(fā)表于：2024/3/20 13:02:21

一種高效能可重構(gòu)1 024位大數(shù)乘法器的設(shè)計[嵌入式技術(shù)][工業(yè)自動化]

在SM9加密等算法中經(jīng)常使用大數(shù)乘法，為了解決大數(shù)乘法中關(guān)鍵電路延遲過高、能耗過大的問題，設(shè)計了一種基于流水線的可重構(gòu)1 024位乘法器。使用64位乘法單元和128位先行進(jìn)位加法單元，分20個周期流水產(chǎn)生最終結(jié)果，緩解了傳統(tǒng)乘法器中加法部分的延時，實現(xiàn)電路復(fù)用，有效減小能耗。在SMIC 0.18 μm工藝庫下，關(guān)鍵電路延遲2.5 ns，電路面積7.03 mm2 ，能耗576 mW。

發(fā)表于：2024/3/20 13:02:19

基于負(fù)載追蹤補償?shù)拇箅娏鱈DO設(shè)計[電源技術(shù)][工業(yè)自動化]

提出一種有效提升大電流輸出應(yīng)用的低壓差線性穩(wěn)壓器（LDO）環(huán)路穩(wěn)定性的技術(shù)，采用負(fù)載追蹤補償方式消除電路輸出端與負(fù)載相關(guān)的極點對環(huán)路穩(wěn)定性的影響，且在維持環(huán)路低頻增益不變的前提下降低高頻下環(huán)路中節(jié)點阻抗，從而達(dá)到同時提升輸出精度和優(yōu)化瞬態(tài)響應(yīng)性能的目的。采用TSMC 0.18 µm BCD工藝進(jìn)行仿真驗證，結(jié)果表明電路最大輸出電流6 A，在6 A/6 μs的負(fù)載突變情況下輸出電壓下沖為36.6 mV，過沖為35.3 mV，穩(wěn)定時間小于56.3 μs。全負(fù)載電流范圍內(nèi)，瞬態(tài)性能大幅提升。

發(fā)表于：2024/3/20 13:02:11

全局通道注意力增強的毫米波圖像目標(biāo)檢測[人工智能][安防電子]

針對主動毫米波圖像中目標(biāo)與背景紋理區(qū)分度較低導(dǎo)致隱匿目標(biāo)漏檢問題，并根據(jù)安檢實時性要求，提出一種基于全局通道注意力增強的主動毫米波圖像目標(biāo)檢測方法。該方法以YOLOv5s為載體，在坐標(biāo)注意力位置方向上引入全局通道注意模塊，增強對隱匿目標(biāo)全局通道信息的關(guān)注，從而提升在隱匿目標(biāo)與背景紋理區(qū)分度較低時的檢測能力；再利用K-means++聚類算法重新生成適合毫米波圖像目標(biāo)檢測的錨框。實驗結(jié)果表明，無論是陣列圖像數(shù)據(jù)集還是線掃圖像數(shù)據(jù)集，該方法增強了對隱匿目標(biāo)的特征注意，提高了召回率，在滿足安檢實時性的前提下，提升了檢測性能。通過增加少量參數(shù)，在陣列圖像數(shù)據(jù)集上，精度、召回率和mAP@.5達(dá)到了92.0%、90.93%和95.32%；在線掃圖像數(shù)據(jù)集上，精度、召回率和mAP@.5達(dá)到了94.65%、92.67%和97.73%。平均單張圖像推理時間在兩個數(shù)據(jù)集上均達(dá)到1 ms，滿足實時性要求。

發(fā)表于：2024/3/20 13:02:09