国产精品无码av无码,理论片在线播放日本高清

基于LabVIEW的3D車輪繪制及其在超聲探傷中的應(yīng)用[測試測量][汽車電子]

目前車輪檢測結(jié)果大多以平面圖的方式呈現(xiàn)，對此在國內(nèi)某企業(yè)隨動式探傷軟件平臺基礎(chǔ)上設(shè)計(jì)了三維車輪模型。該3D車輪模型基于LabVIEW平臺，可以實(shí)現(xiàn)車輪任意角度的旋轉(zhuǎn)、適度縮放、透視等功能。模型采用分離與繼承的方式，保證了探測到的缺陷可以動態(tài)顯示，同時(shí)能準(zhǔn)確反映輪子傷損的具體位置。

發(fā)表于：9/21/2016 6:30:00 PM

基于Android的手機(jī)分貝儀設(shè)計(jì)與實(shí)現(xiàn)[嵌入式技術(shù)][消費(fèi)電子]

為了提高室內(nèi)外環(huán)境中噪聲監(jiān)測的便捷性，針對Android平臺，設(shè)計(jì)手機(jī)分貝儀軟件。研究Android系統(tǒng)音頻架構(gòu)和錄音原理，實(shí)時(shí)處理麥克風(fēng)采集到的PCM編碼的音頻流，使用聲壓級公式計(jì)算分貝值大小。按照軟件開發(fā)流程，對手機(jī)分貝儀進(jìn)行需求分析、界面設(shè)計(jì)、模塊設(shè)計(jì)、數(shù)據(jù)庫設(shè)計(jì)，最終編碼實(shí)現(xiàn)。詳細(xì)介紹了Android平臺上音頻采集、儀表盤、噪聲值曲線的實(shí)現(xiàn)方法。測試結(jié)果表明，手機(jī)分貝儀軟件基本達(dá)到普通聲級計(jì)精度要求，有效降低了噪聲監(jiān)測工作的成本。

發(fā)表于：9/21/2016 6:19:00 PM

基于ZigBee的微功率無線抄表系統(tǒng)設(shè)計(jì)[嵌入式技術(shù)][工業(yè)自動化]

針對目前抄表系統(tǒng)中存在的成本高、功耗大、網(wǎng)絡(luò)規(guī)模小、抗干擾能力差等問題，提出了一種基于ZigBee協(xié)議的微功率無線抄表系統(tǒng)。該系統(tǒng)以STM32F103微控制器和CC1100E無線射頻芯片為核心，對網(wǎng)絡(luò)中的終端電表節(jié)點(diǎn)無線通信模塊、集中器節(jié)點(diǎn)無線通信模塊的硬件和軟件進(jìn)行了模塊化設(shè)計(jì)。試驗(yàn)表明該無線抄表系統(tǒng)具有功耗低、成本低、可靠性高、靈活性強(qiáng)和可擴(kuò)展性等特點(diǎn)。

發(fā)表于：9/21/2016 6:08:00 PM

基于Activiti5柔性工作流的售后信息平臺[嵌入式技術(shù)][數(shù)據(jù)中心]

隨著當(dāng)前信息技術(shù)突飛猛進(jìn)的發(fā)展，各行各業(yè)對于辦公效率都有了更高的要求，尤其是在一些財(cái)政審批、貸款辦理等這些流程較多的行業(yè)，工作流技術(shù)成了其業(yè)務(wù)辦理不可或缺的一部分。傳統(tǒng)的工作流框架只支持事先設(shè)定的、循環(huán)的業(yè)務(wù)流程，對于一些動態(tài)變化和復(fù)雜的業(yè)務(wù)顯得捉襟見肘。該設(shè)計(jì)采用Activiti5和Struts2+Spring3+Hibernate4 3種輕量級框的整合，添加柔性表單，并且引入角色的權(quán)限機(jī)制來提高訪問的安全性。該設(shè)計(jì)不僅能方便不同部門的協(xié)同工作，而且能滿足動態(tài)流程的變化，提高辦公效率。

發(fā)表于：9/21/2016 4:24:00 PM

基于Web圖像監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為了加快圖像的傳輸速度，提出了一種基于Web的圖像監(jiān)控系統(tǒng)。該系統(tǒng)使用了基于Lighttpd的Web服務(wù)器與Web客戶端建立連接并傳輸數(shù)據(jù)來加快圖像數(shù)據(jù)的傳輸，另外對圖像進(jìn)行選擇性存儲，即只采集像素發(fā)生了變化的圖像，減少存儲的數(shù)鋸，從而加快數(shù)據(jù)的傳輸。系統(tǒng)通過USB圖像采集模塊采集圖像,由動態(tài)圖像檢測算法對圖像進(jìn)行處理并存儲，客戶端通過Web服務(wù)器獲取存儲的圖像。

發(fā)表于：9/21/2016 4:13:00 PM

一種帶姿態(tài)檢測的水域水質(zhì)檢測自組織節(jié)點(diǎn)設(shè)計(jì)[測試測量][通信網(wǎng)絡(luò)]

無線自組網(wǎng)系統(tǒng)有著較強(qiáng)的魯棒性，但對于一個(gè)節(jié)點(diǎn)來說，節(jié)點(diǎn)容易消亡。針對水域特定檢測環(huán)境，利用ZigBee、GPRS以及姿態(tài)檢測技術(shù)，設(shè)計(jì)了一種帶姿態(tài)檢測的水域水質(zhì)檢測的自組織節(jié)點(diǎn)，利用MEMS陀螺儀增強(qiáng)節(jié)點(diǎn)對自身的環(huán)境的感知能力，并通過差速電機(jī)驅(qū)動模塊微調(diào)能力增強(qiáng)節(jié)點(diǎn)的穩(wěn)定性，實(shí)現(xiàn)了帶姿態(tài)檢測的水域水質(zhì)檢測節(jié)點(diǎn)。

發(fā)表于：9/21/2016 3:46:00 PM

高超聲速飛行器考慮數(shù)據(jù)丟失的預(yù)測控制研究[嵌入式技術(shù)][航空航天]

以高超聲速飛行器縱向通道為研究對象，考慮飛行器控制系統(tǒng)中傳感器–控制器以及控制器–執(zhí)行器通道均存在數(shù)據(jù)丟失的問題，提出一種能有效處理丟包的預(yù)測控制方法。首先，對高超聲速飛行器縱向通道非線性模型進(jìn)行局部小擾動線性化，得到平衡點(diǎn)處線性化模型；接著，建立有數(shù)據(jù)丟失的系統(tǒng)動態(tài)模型，使用終端狀態(tài)約束集和終端代價(jià)函數(shù)方法設(shè)計(jì)預(yù)測控制器并設(shè)計(jì)相關(guān)補(bǔ)償策略，以實(shí)現(xiàn)高超聲速飛行器輸入指令的跟蹤；最后，基于MATLAB和Truetime平臺進(jìn)行數(shù)值仿真。結(jié)果表明,所設(shè)計(jì)的預(yù)測控制器能保證系統(tǒng)在出現(xiàn)數(shù)據(jù)丟失時(shí)具有良好的跟蹤性能和魯棒性。

發(fā)表于：9/20/2016 8:33:00 PM

基于敘詞分類的海洋科技信息的數(shù)據(jù)轉(zhuǎn)儲[嵌入式技術(shù)][數(shù)據(jù)中心]

在研究敘詞表分類的基礎(chǔ)上，調(diào)研了國家海洋局第一海洋研究所海洋科技信息數(shù)據(jù)。根據(jù)這些電子資源的存儲方式與存儲結(jié)構(gòu)，對其進(jìn)行數(shù)據(jù)的轉(zhuǎn)儲，設(shè)計(jì)了標(biāo)準(zhǔn)的XML文件，以便數(shù)據(jù)資源的二次使用與共享。

發(fā)表于：9/20/2016 8:24:00 PM

基于不規(guī)則圖像面積測量的窄體舌鰨個(gè)體重量估計(jì)[測試測量][數(shù)據(jù)中心]

對工廠化水產(chǎn)養(yǎng)殖來說，生產(chǎn)過程中的活魚分級、分塘環(huán)節(jié)十分關(guān)鍵，非接觸式、無傷害一直是追求的目標(biāo)。通過數(shù)字圖像處理技術(shù)，得到窄體舌鰨扁平面不規(guī)則圖像并測算了其面積。采用一元線性回歸模型，分析了魚的重量和扁平面面積的關(guān)系，實(shí)驗(yàn)結(jié)果表明，二者存在著一定的線性關(guān)系，相關(guān)系數(shù)為0.380 7。下一步的研究需要考慮到不同生長階段的舌鰨魚體厚度等因素影響，找出二者之間更準(zhǔn)確的模型關(guān)系，為非接觸式測量重量和分級提供支持。

發(fā)表于：9/20/2016 7:49:00 PM

基于SURF的壓縮跟蹤算法研究[嵌入式技術(shù)][通信網(wǎng)絡(luò)]

目標(biāo)跟蹤技術(shù)作為機(jī)器視覺領(lǐng)域中的基礎(chǔ)，有著廣泛的應(yīng)用，但其仍然存在許多問題。為了解決目標(biāo)在光照變化和快速移動場景下跟蹤漂移的問題,提出了基于SURF的壓縮跟蹤算法。首先選擇跟蹤目標(biāo)并提取SURF特征，其次采用壓縮感知理論對SURF高維特征降維，來減少特征描述的維數(shù)和計(jì)算時(shí)間，最后篩選壓縮后的樣本特征并訓(xùn)練分類器，來實(shí)現(xiàn)對多種復(fù)雜場景下目標(biāo)實(shí)時(shí)準(zhǔn)確跟蹤。通過實(shí)驗(yàn)與傳統(tǒng)的SURF算法和Compressive Tracking(CT)算法的對比，證明該算法不僅大大減少了目標(biāo)在跟蹤的過程中的計(jì)算量，其跟蹤的實(shí)時(shí)性和準(zhǔn)確性相較于CT算法和SURF算法都有所提高。

發(fā)表于：9/20/2016 7:29:00 PM