欧美牲交a欧美牲交aⅴ免费下载 ,欧美老熟妇乱xxxxx,日韩亚洲欧美中文高清在线

基于邊緣計(jì)算的變電站風(fēng)險(xiǎn)預(yù)警管控系統(tǒng)設(shè)計(jì)[模擬設(shè)計(jì)][智能電網(wǎng)]

為實(shí)現(xiàn)變電站風(fēng)險(xiǎn)預(yù)警的實(shí)多維度管控，設(shè)計(jì)基于邊緣計(jì)算的變電站風(fēng)險(xiǎn)預(yù)警管控系統(tǒng)。感知層通過(guò)物聯(lián)網(wǎng)設(shè)備采集變電站設(shè)備的運(yùn)行相關(guān)數(shù)據(jù)，利用邊緣設(shè)備和外部設(shè)備之間的通信傳送數(shù)據(jù)至邊緣層；邊緣層接收數(shù)據(jù)后，通過(guò)通信協(xié)議解析該數(shù)據(jù)，完成數(shù)據(jù)的一致性，包裝云服務(wù)下行數(shù)據(jù)傳送至云計(jì)算層；云計(jì)算層利用云計(jì)算計(jì)算和分析變電站設(shè)備數(shù)據(jù)并傳送至應(yīng)用層；應(yīng)用層采用支持向量機(jī)算法建立風(fēng)險(xiǎn)預(yù)警機(jī)制劃分風(fēng)險(xiǎn)數(shù)據(jù)的屬性、獲取預(yù)警值，在此基礎(chǔ)上，通過(guò)Logistic回歸風(fēng)險(xiǎn)預(yù)測(cè)模型預(yù)測(cè)預(yù)警值對(duì)應(yīng)的風(fēng)險(xiǎn)情況，得出故障發(fā)生概率完成變電站風(fēng)險(xiǎn)預(yù)警，同時(shí)將預(yù)警結(jié)果呈現(xiàn)在可視化界面，并由控制通道管控相應(yīng)的風(fēng)險(xiǎn)預(yù)警。測(cè)試結(jié)果顯示：系統(tǒng)的通信抖動(dòng)結(jié)果均在15 ms以下，能夠?qū)崿F(xiàn)風(fēng)險(xiǎn)概率的計(jì)算，獲取變電站各類風(fēng)險(xiǎn)預(yù)警數(shù)量，具備良好的工作能效，能多維度實(shí)現(xiàn)變電站風(fēng)險(xiǎn)預(yù)警管控。

發(fā)表于：5/8/2023

基于levy飛行優(yōu)化BOA-BP網(wǎng)絡(luò)的電池SOC估計(jì)[電源技術(shù)][汽車電子]

目前電動(dòng)汽車動(dòng)力輸出的來(lái)源主要是動(dòng)力電池，其荷電狀態(tài)（State of Charge，SOC）表示電池的剩余電量情況，精確估算SOC對(duì)于電池的使用安全有重要意義。將蝴蝶優(yōu)化算法（ Butterfly Optimization Algorithm，BOA）進(jìn)行改進(jìn)并用于優(yōu)化BP神經(jīng)網(wǎng)絡(luò)估算動(dòng)力電池SOC，解決了普通BP網(wǎng)絡(luò)估計(jì)SOC時(shí)遇到的訓(xùn)練時(shí)間長(zhǎng)、收斂慢、精度較低、易陷入局部最優(yōu)解的問(wèn)題；同時(shí)提升了全局搜索速度，選取電壓和電流為輸入變量、SOC為輸出變量，根據(jù)誤差的大小調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值。仿真結(jié)果表明，優(yōu)化后得到的SOC估計(jì)結(jié)果誤差率控制在1.1%以內(nèi)，該方法尋優(yōu)速度快，具有更好的魯棒性。

發(fā)表于：5/8/2023

基于卷積神經(jīng)網(wǎng)絡(luò)的紅外監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[模擬設(shè)計(jì)][信息安全]

為了部隊(duì)后勤物資有效、方便、統(tǒng)一管理，研究設(shè)計(jì)了一種用于監(jiān)測(cè)物品在位狀態(tài)的告警監(jiān)測(cè)系統(tǒng)。該系統(tǒng)利用樹(shù)莓派主板采集紅外傳感器檢測(cè)物品在位狀態(tài)的電平信號(hào)以及攝像頭拍攝物品的圖像數(shù)據(jù)，并將其轉(zhuǎn)化為通用數(shù)據(jù)幀，通過(guò)指定源組播的方式發(fā)送至數(shù)據(jù)處理模塊，最后使用基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法判斷物品的正確性，并在監(jiān)測(cè)模塊界面上實(shí)時(shí)顯示其狀態(tài)。經(jīng)驗(yàn)證，該系統(tǒng)可以保證數(shù)據(jù)采集的實(shí)時(shí)性以及識(shí)別物品的準(zhǔn)確性，實(shí)用性強(qiáng)。

發(fā)表于：5/8/2023

基于區(qū)塊鏈的網(wǎng)絡(luò)安全系統(tǒng)關(guān)鍵數(shù)據(jù)存儲(chǔ)處理系統(tǒng)設(shè)計(jì)[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)網(wǎng)絡(luò)安全系統(tǒng)中一些關(guān)鍵數(shù)據(jù)存儲(chǔ)的安全性，設(shè)計(jì)了基于區(qū)塊鏈技術(shù)的數(shù)據(jù)安全存儲(chǔ)處理系統(tǒng)。首先，以火電廠為例，分析了其控制系統(tǒng)和網(wǎng)絡(luò)安全系統(tǒng)的架構(gòu)；然后，基于火電廠的架構(gòu)特點(diǎn)，設(shè)計(jì)了具體的安全數(shù)據(jù)存儲(chǔ)處理系統(tǒng)，給出了應(yīng)用部署的架構(gòu)，分析了數(shù)據(jù)安全存儲(chǔ)處理過(guò)程；最后，對(duì)所設(shè)計(jì)的系統(tǒng)進(jìn)行了實(shí)際的測(cè)試驗(yàn)證。驗(yàn)證結(jié)果表明了系統(tǒng)對(duì)數(shù)據(jù)異常檢測(cè)的正確性和有效性，具有較強(qiáng)的實(shí)際應(yīng)用推廣價(jià)值。

發(fā)表于：5/8/2023

面向云原生全鏈路灰度發(fā)布技術(shù)研究與實(shí)踐[其他][其他]

為了解決云原生架構(gòu)下多版本多服務(wù)快速迭代相互影響問(wèn)題，設(shè)計(jì)了面向云原生的全鏈路灰度發(fā)布技術(shù)方案。使用流量染色技術(shù)，構(gòu)建從網(wǎng)關(guān)到全體后端業(yè)務(wù)服務(wù)的隔離環(huán)境，實(shí)現(xiàn)支持多版本多服務(wù)的灰度發(fā)布。設(shè)計(jì)靈活、豐富的灰度策略實(shí)現(xiàn)灰度發(fā)布的精細(xì)化控制。通過(guò)網(wǎng)關(guān)和被全體后端業(yè)務(wù)服務(wù)依賴的sidecar模塊實(shí)現(xiàn)全鏈路灰度能力。工程實(shí)踐表明，該方案可以有效邏輯隔離環(huán)境，提供精細(xì)化控制和全鏈路能力，并且有效降低需求發(fā)布影響，提高線上發(fā)布效率。

發(fā)表于：5/8/2023

基于混沌遺傳算法的二維平面陣研究[其他][其他]

針對(duì)一般均勻平面陣列方向圖旁瓣較高的問(wèn)題，利用傳統(tǒng)遺傳算法對(duì)均勻陣進(jìn)行二維稀布排列，有效降低了旁瓣電平，但遺傳算法收斂速度慢，容易陷入局部最優(yōu)解。因混沌優(yōu)化算法具有隨機(jī)性、遍歷性以及規(guī)律性的特性，把混沌優(yōu)化算法引入到遺傳算法中，利用混沌序列初始化種群，可提高遺傳算法的收斂速度和獲得全局最優(yōu)解的能力。因此，提出一種基于混沌優(yōu)化算法的遺傳算法，并把該算法應(yīng)用到二維平面陣天線設(shè)計(jì)中，該算法對(duì)天線陣的排布進(jìn)行了優(yōu)化設(shè)計(jì)。仿真結(jié)果顯示混沌遺傳算法的收斂速度有所提高，陣列天線的副瓣電平進(jìn)一步降低，說(shuō)明該方法具有一定的可行性。

發(fā)表于：5/8/2023

一種低波動(dòng)的可程控恒溫箱控制系統(tǒng)設(shè)計(jì)[測(cè)試測(cè)量][其他]

恒溫箱在人們的生產(chǎn)生活和科學(xué)研究中有重要作用，如溫補(bǔ)晶振參數(shù)的測(cè)量和補(bǔ)償?shù)取ＴO(shè)計(jì)并實(shí)現(xiàn)了一種低波動(dòng)的可程控輕便型恒溫箱控制系統(tǒng)。恒溫箱采用動(dòng)態(tài)調(diào)整工作電壓的方式來(lái)控制陶瓷加熱片或半導(dǎo)體制冷片的功率，從而實(shí)現(xiàn)溫度的恒定控制。該恒溫箱具有溫度波動(dòng)小、支持溫度曲線程控、小型輕便的優(yōu)點(diǎn)。經(jīng)測(cè)試，本設(shè)計(jì)實(shí)現(xiàn)的恒溫箱控溫范圍為-15 ℃~80 ℃，穩(wěn)定時(shí)溫度波動(dòng)度為±0.2 ℃。另外，相比于采用脈寬調(diào)制控制方法的恒溫箱，該恒溫箱有更低的系統(tǒng)電磁輻射和更高的制冷效率，在同樣電源輸入功率的條件下，可以使溫度進(jìn)一步降低12.9 ℃。

發(fā)表于：5/8/2023

基于AEKF的鋰離子電池SOC估算[測(cè)試測(cè)量][其他]

針對(duì)拓展卡爾曼濾波（Extended Kalman Filter， EKF）算法進(jìn)行鋰離子電池荷電狀態(tài)（State of Charge， SOC）估算時(shí)噪聲信息固定從而導(dǎo)致估算精度低的問(wèn)題，提出噪聲信息協(xié)方差能夠自動(dòng)匹配的自適應(yīng)拓展卡爾曼濾波（Adaptive Extended Kalman Filter， AEKF）算法。首先基于電池的雙極化（Dual Polarization， DP）等效電路模型進(jìn)行參數(shù)辨識(shí)，建立精確的等效模型；然后在動(dòng)態(tài)應(yīng)力測(cè)試（Dynamic Stress Test， DST）工況下對(duì)比了EKF濾波算法與AEKF濾波算法噪聲協(xié)方差矩陣變化情況以及對(duì)電池SOC的估算效果，結(jié)果表明AEKF濾波算法具有更高的估算精度；最后設(shè)置了幾組不同的SOC初始偏差，驗(yàn)證了AEKF濾波算法在估算電池SOC時(shí)具有魯棒性強(qiáng)的優(yōu)點(diǎn)。

發(fā)表于：5/8/2023

960~1400 MHz寬帶功率放大器設(shè)計(jì)[模擬設(shè)計(jì)][其他]

基于橫向擴(kuò)散金屬氧化物半導(dǎo)體（LDMOS）器件，研制了一款應(yīng)用于L波段的寬帶射頻功率放大器。該放大器共由2級(jí)放大級(jí)聯(lián)組成，為了實(shí)現(xiàn)寬帶以及良好的輸出駐波，末級(jí)功放采用平衡式拓?fù)潆娐方Y(jié)構(gòu)；級(jí)間匹配網(wǎng)絡(luò)使用微帶線及電容混合匹配方法實(shí)現(xiàn)寬帶匹配。最終實(shí)測(cè)數(shù)據(jù)如下：頻率覆蓋0.96 GHz~1.4 GHz，功放整體輸出功率達(dá)到50 dBm（100 W），功率增益大于30 dB，效率大于45%。功率回退8 dB，輸出功率42 dBm時(shí)，鄰信道功率比（ACPR）為-40 dBC。指標(biāo)表明功放模塊能夠很好地應(yīng)用于雷達(dá)和無(wú)線通信發(fā)射機(jī)中。

發(fā)表于：5/8/2023

高精度高擺幅多工位ADC測(cè)試系統(tǒng)設(shè)計(jì)[模擬設(shè)計(jì)][其他]

基于V93000 ATE設(shè)計(jì)了一種采用外加電源升壓變換模塊及可變?cè)鲆鎯x器儀表運(yùn)算放大器，以解決大輸入擺幅高精度多工位ADC的量產(chǎn)測(cè)試需求的測(cè)試方案。理論分析和測(cè)試驗(yàn)證結(jié)果表明，該ADC測(cè)試系統(tǒng)可分別產(chǎn)生峰峰值超過(guò)29 V的Ramp波和正弦波測(cè)試信號(hào)，測(cè)試信號(hào)SNR優(yōu)于105 dB、THD優(yōu)于-103 dB，可以滿足16 bit、±10 V甚至以上高輸入擺幅多工位ADC的大批量量產(chǎn)測(cè)試需求。

發(fā)表于：5/8/2023

基于JTAG的高效調(diào)試系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

為了給自研處理器芯片提供一種高效方便的調(diào)試方法，提出了一種基于JTAG的片內(nèi)調(diào)試系統(tǒng)設(shè)計(jì)方法。該調(diào)試系統(tǒng)在遵循JTAG標(biāo)準(zhǔn)協(xié)議的基礎(chǔ)上，簡(jiǎn)化片內(nèi)調(diào)試硬件模式設(shè)計(jì)，以較少的硬件開(kāi)銷和精簡(jiǎn)高效的專用調(diào)試指令設(shè)計(jì)，不僅實(shí)現(xiàn)了調(diào)試中斷、指令/數(shù)據(jù)斷點(diǎn)設(shè)置、單步執(zhí)行及寄存器/存儲(chǔ)器數(shù)據(jù)讀寫(xiě)等基本調(diào)試功能，還支持現(xiàn)場(chǎng)保護(hù)與恢復(fù)、Trace Buffer、指令插入執(zhí)行等高級(jí)調(diào)試功能。經(jīng)實(shí)際芯片測(cè)試證明，該調(diào)試系統(tǒng)具有兼容JTAG協(xié)議、功能全面、靈活高效、結(jié)構(gòu)簡(jiǎn)單、便于操作等特點(diǎn)。

發(fā)表于：5/8/2023

基于CNN的智慧農(nóng)場(chǎng)圖像分類方法[人工智能][工業(yè)自動(dòng)化]

為解決新疆兵團(tuán)農(nóng)業(yè)現(xiàn)代化建設(shè)中有感知無(wú)決策的問(wèn)題，提出一種基于注意力機(jī)制模塊（SENet）與卷積神經(jīng)網(wǎng)絡(luò)混合模型遷移學(xué)習(xí)的圖像分類方法（TL-DA-SE-CNN）。該方法選擇4種不同的CNN模型進(jìn)行權(quán)重采集，包括VGGNet、ResNet、InceptionNet和MobileNet。模型使用SENet分類器代替卷積神經(jīng)網(wǎng)絡(luò)的全連接層，提取圖像的結(jié)構(gòu)性高階統(tǒng)計(jì)特征進(jìn)行主題分類，并使用BP算法進(jìn)行參數(shù)調(diào)整，分類準(zhǔn)確度達(dá)98.20%。實(shí)驗(yàn)結(jié)果表明，將CNN與遷移學(xué)習(xí)、數(shù)據(jù)增強(qiáng)和SENet相結(jié)合的技術(shù)提高了牲畜圖像分類的性能，是卷積神經(jīng)網(wǎng)絡(luò)在農(nóng)場(chǎng)自動(dòng)化分群中的有效應(yīng)用。

發(fā)表于：5/8/2023

基于改進(jìn)TOPSIS模型的出租車運(yùn)營(yíng)決策優(yōu)化方法[人工智能][汽車電子]

以降低出租車運(yùn)營(yíng)損失為目標(biāo)，分別利用排隊(duì)論對(duì)司機(jī)等待的平均時(shí)間成本進(jìn)行量化，以及通過(guò)熵值法改進(jìn)的TOPSIS模型對(duì)不同時(shí)段載客可能性進(jìn)行量化，進(jìn)而完成空載潛在損失參數(shù)的量化，通過(guò)量化指標(biāo)構(gòu)建出出租車運(yùn)營(yíng)損失模型，并基于此模型給出了降低損失的運(yùn)營(yíng)決策方法。引用洛陽(yáng)北郊機(jī)場(chǎng)航班及出租車數(shù)據(jù)的驗(yàn)證，證明了該決策方法能夠有效降低出租車的運(yùn)營(yíng)損失。

發(fā)表于：5/8/2023

國(guó)產(chǎn)PLC發(fā)展現(xiàn)狀及展望[模擬設(shè)計(jì)][信創(chuàng)產(chǎn)業(yè)]

綜述了國(guó)內(nèi)PLC的發(fā)展歷史，介紹了國(guó)內(nèi)PLC市場(chǎng)現(xiàn)狀、主流國(guó)產(chǎn)PLC、PLC標(biāo)準(zhǔn)以及相關(guān)國(guó)家政策，分別從功能性能、邏輯編程軟件、網(wǎng)絡(luò)協(xié)議、產(chǎn)品譜系以及標(biāo)準(zhǔn)化等方面分析了國(guó)內(nèi)外PLC的差距。針對(duì)存在的差距，結(jié)合歐系、美系和日系PLC的特點(diǎn)，提出了一種中國(guó)系PLC的發(fā)展思路，瞄準(zhǔn)國(guó)防軍工、關(guān)鍵基礎(chǔ)設(shè)施等行業(yè)需求，通過(guò)重大項(xiàng)目和重點(diǎn)領(lǐng)域的帶動(dòng)，基于國(guó)產(chǎn)自主軟硬件生態(tài)開(kāi)展國(guó)產(chǎn)PLC研制和應(yīng)用推廣工作。

發(fā)表于：5/8/2023

孔縫尺寸參數(shù)對(duì)腔體的5G屏蔽效能影響規(guī)律研究[通信與網(wǎng)絡(luò)][5G]

為保證換流站5G設(shè)備屏蔽腔體的屏蔽性能，明確腔體孔縫數(shù)量及尺寸對(duì)其屏蔽效能的影響規(guī)律，在HFSS仿真環(huán)境下，構(gòu)建了屏蔽腔體的電磁屏蔽效能分析模型，分析了5G微帶貼片天線電磁輻射的空間分布特征；然后，分析了腔體孔縫高度對(duì)屏蔽效能的影響，發(fā)現(xiàn)不同孔縫直徑下屏蔽效能均隨孔縫高度的增加而呈增強(qiáng)趨勢(shì)，電磁輻射強(qiáng)度由0.5 mm高度下的24.81 dB降低為2.0 mm高度下的16.29 dB，同時(shí)分析發(fā)現(xiàn)屏蔽效能隨孔縫直徑的增加呈現(xiàn)下降趨勢(shì)，最大輻射強(qiáng)度由1.0 mm直徑的-15.13 dB增長(zhǎng)至7.0 mm直徑的49.87 dB；最后，在孔縫面積占比一定的情況下，發(fā)現(xiàn)隨著孔縫數(shù)量的增多和孔縫直徑的減小，屏蔽腔體的屏蔽效能是不斷提高的。

發(fā)表于：5/8/2023