欧美粉嫩小泬久久久久久久,欧美日韩在线精品一区二区三区激情综合,国产成+人+综合+亚洲欧美

基于高功率因數(shù)混合型變換器的爆閃式信號燈設(shè)計[其他][其他]

提出了基于高功率因數(shù)混合型變換器的交流爆閃燈，這種高功率因數(shù)混合型變換器可在交流80 V~250 V寬電壓范圍內(nèi)工作，單級變換器可實現(xiàn)升壓、降壓，且功率因數(shù)很高，開關(guān)管承受的反向電壓與輸入、輸出電壓中的較大者有關(guān)，當輸入電壓為較大者，此時開關(guān)管反向電壓近似為輸入電壓。當輸出電壓為較大者，此時開關(guān)管反向電壓近似為輸出電壓。因此開關(guān)管在較低的反向電壓下工作，特別適合于高壓輸出的場合，提高電路的穩(wěn)定性和可靠性。利用高功率因數(shù)混合型變換器設(shè)計的爆閃燈可實現(xiàn)110 V/220 V產(chǎn)品的單一化，因此產(chǎn)品便于維護管理，提高管理效率。

發(fā)表于：9/27/2021

Buck芯片緩沖電路設(shè)計的仿真分析與應(yīng)用[其他][其他]

Buck型變換器的開關(guān)點是外部調(diào)優(yōu)的主要對象，隨著開關(guān)頻率的提高和負載電流的增大，芯片內(nèi)的寄生電感對開關(guān)電壓波形的影響越來越大，外部緩沖電路作為調(diào)整開關(guān)波形的工具起到關(guān)鍵的作用，僅僅依靠經(jīng)驗來設(shè)計外部緩沖電路已經(jīng)無法滿足設(shè)計要求。通過對緩沖電路的工作原理進行分析，結(jié)合仿真結(jié)果和工程實踐，分析緩沖電路的穩(wěn)壓性能和效率損失，可以為外圍緩沖電路的設(shè)計提供一種量化分析方法。

發(fā)表于：9/27/2021

基于DAG-SVMS的非侵入式負荷識別方法[其他][其他]

在供電入口處嵌入非侵入式負荷識別技術(shù)，有利于推動建筑節(jié)能、實現(xiàn)電網(wǎng)負荷預(yù)測、開發(fā)智能樓宇、完善智能電網(wǎng)體系建設(shè)。據(jù)此，提出一種基于有向無環(huán)圖支持向量機(Directed Acyclic Graph Support Vector Machines，DAG-SVMS)的負荷辨識方法。首先，對總線電流信號進行事件檢測，檢測到暫態(tài)事件后，分離目標負荷暫態(tài)電流波形，提取特征，然后，將特征輸入預(yù)先訓練好的DAG-SVMS模型進行分類識別。為提升分類器性能，使用粒子群優(yōu)化PSO(Particle Swarm Optimization)算法優(yōu)化DAG-SVMS分類器的參數(shù)。為減小累積誤差，提出Gini指數(shù)優(yōu)化DAG-SVMS節(jié)點順序的策略。實驗結(jié)果表明，文中方法識別準確率高，識別速度快，具有可行性。

發(fā)表于：9/27/2021

兼容多種WiFi協(xié)議的數(shù)字射頻前端設(shè)計[通信與網(wǎng)絡(luò)][5G]

介紹了一種可用于集成電路實現(xiàn)的WiFi數(shù)字射頻前端架構(gòu)，兼容802.11a/b/g/n/ac/ax協(xié)議，可工作在2.4 GHz和5 GHz信道下。配合模擬接收電路和解調(diào)器，實現(xiàn)了不同WiFi信號類型的自動增益鎖定、報文類型區(qū)分、頻譜搬移和重采樣、鄰道干擾抑制等功能。

發(fā)表于：9/27/2021

基于Mini51的BLDCM無位置傳感器控制[其他][其他]

將新唐的Mini52(Mini51系列)單片機作為主控芯片，通過利用Mini51系列單片機自身可輸出的的6路PWM信號的性能，利用采樣電阻來采集端電壓從而得到直流母線的電流，利用反電動勢過零點法(EMF)來控制電機，實現(xiàn)直流無刷電機(BLDCM)無位置傳感器的雙閉環(huán)控制，利用串口通信來完成對無刷直流電機的伺服系統(tǒng)，進行了測試。測試結(jié)果表明，Mini51系列單片機可以對高速串口通信實時響應(yīng)且此伺服系統(tǒng)具有良好的速度可控性，能夠滿足現(xiàn)代工業(yè)生產(chǎn)實時控制的需求。

發(fā)表于：9/27/2021

氣體鉆井微波傳輸隨鉆監(jiān)測系統(tǒng)軟件設(shè)計[其他][其他]

國內(nèi)氣體鉆井施工過程已開始采用微波中繼傳輸?shù)姆绞綐?gòu)建隨鉆監(jiān)控系統(tǒng)，但目前在該施工條件下應(yīng)用的配套隨鉆監(jiān)控軟件不成熟，數(shù)據(jù)解析時間長，測傳速率低且無信道監(jiān)管功能，制約了氣體鉆井的發(fā)展。針對氣體現(xiàn)場實際需要，采用事件驅(qū)動軟件架構(gòu)開發(fā)配套隨鉆監(jiān)測軟件，將氣體鉆井施工過程中各工程參數(shù)以曲線、數(shù)值、刻度等多種方式進行人機交互，并能對井筒內(nèi)微波信道進行監(jiān)管，為氣體鉆井隨鉆實時監(jiān)控及鉆后分析研究提供了軟件支撐。并且該軟件的應(yīng)用大幅提升監(jiān)測系統(tǒng)測傳速率，其最大測傳速率達到1.194 kb/s，信道監(jiān)管功能的引入可增加入井微波中繼器的數(shù)量，使測傳深度突破3 000 m，基本滿足目前氣體鉆井隨鉆監(jiān)測的需要。

發(fā)表于：9/27/2021

基于電子鼻傳感器性能的互信息特征選擇算法[其他][其他]

當前的互信息特征選擇算法為提高泛化性能而未對專一應(yīng)用領(lǐng)域進行優(yōu)化，電子鼻傳感器陣列優(yōu)化作為一類特殊的特征選擇問題，使用傳統(tǒng)算法難以搜索出最優(yōu)的特征子集。結(jié)合氣體傳感器陣列特殊的冗余性和特有的敏感性，提出了一種基于電子鼻傳感器性能的互信息特征選擇算法并對陣列進行優(yōu)化，通過兩種不同的電子鼻公開數(shù)據(jù)集驗證了傳感器特性對識別精度的影響，證明了所提出算法的有效性。

發(fā)表于：9/27/2021

基于優(yōu)化多視角圖像采集的點云分類[其他][其他]

基于二維多視角3D識別方法中，可使用多個2D投影圖表示三維模型特征信息，但不同視角投影圖像的特征不同，神經(jīng)網(wǎng)絡(luò)對其學習效率也有所差異。卷積神經(jīng)網(wǎng)絡(luò)能夠映射圖像的特征，可用此方法分析這個問題。混合視角數(shù)據(jù)集分析不同視角投影特征在卷積神經(jīng)網(wǎng)絡(luò)中的重要性，根據(jù)重要性的不同優(yōu)化混合視角數(shù)據(jù)集的采集密度。最終實驗結(jié)果表明，不同視角產(chǎn)生的二維圖像分類準確率不一樣，其中俯視角度投影的分類準確率最差，優(yōu)化后的數(shù)據(jù)集在相同神經(jīng)網(wǎng)絡(luò)模型下達到了最優(yōu)分類準確率。

發(fā)表于：9/27/2021

云數(shù)據(jù)中心基于皮爾遜相關(guān)系數(shù)的虛擬機選擇策略[其他][其他]

提出了云數(shù)據(jù)中心基于皮爾遜相關(guān)系數(shù)的虛擬機選擇策略(Pearson Correlation coefficient Virtual Machine Selection，PC-VMS)。PC-VMS把統(tǒng)計學中的皮爾遜相關(guān)系數(shù)應(yīng)用于虛擬機CPU歷史利用率數(shù)據(jù)，建立了衡量每對虛擬機CPU利用率之間的相關(guān)性的數(shù)學模型；PC-VMS會獲取每對虛擬機最近n次的CPU利用率，根據(jù)輸入的兩組數(shù)據(jù)來計算皮爾遜相關(guān)系數(shù)，最后在一組相關(guān)性最高的虛擬機中選擇一個CPU利用率最高的進行遷移，隨后結(jié)合虛擬機放置策略分配到新的目標物理主機上。仿真結(jié)果表明，PC-VMS與CloudSim4.0內(nèi)置的虛擬機選擇策略相比，各類性能指標都有改善，PC-VMS可以為企業(yè)節(jié)能云數(shù)據(jù)中心的構(gòu)造提供參考。

發(fā)表于：9/27/2021

基于非正交波形的超奈奎斯特采樣[其他][其他]

針對超奈奎斯特(Faster-than-Nyquist，F(xiàn)TN)系統(tǒng)，提出了基于非正交波形編碼的超奈奎斯特采樣，并與傳統(tǒng)的正交波形FTN和傳統(tǒng)的正交Nyquist系統(tǒng)進行了對比分析。在99.99%的功率帶寬和5次迭代檢測譯碼的條件下，仿真結(jié)果表明：相比于升余弦的正交波形FTN系統(tǒng)，基于高斯和擴展高斯(Extended Gaussian Functions，EGF)脈沖成形的非正交波形FTN系統(tǒng)可以獲得4.4 dB的成形增益，同時由于良好的時頻聚焦特性，其均衡復(fù)雜度只是升余弦的1/16。

發(fā)表于：9/27/2021

5G公網(wǎng)與專網(wǎng)融合場景的關(guān)鍵技術(shù)研究[通信與網(wǎng)絡(luò)][5G]

介紹了3GPP R16標準中提出的非公共網(wǎng)絡(luò)技術(shù)(Non -Public Network，NPN)的兩種組網(wǎng)方式和應(yīng)用現(xiàn)狀，分析了企業(yè)對5G專網(wǎng)的需求以及公專融合的趨勢。結(jié)合NPN與公共陸地移動網(wǎng)(Public Land Mobile Network，PLMN)部署的關(guān)系，提出了兩種典型的5G公網(wǎng)和專網(wǎng)融合部署模式：連續(xù)模式、重疊模式。并針對兩種模式下需要重點解決的業(yè)務(wù)連續(xù)性和并發(fā)連接問題，介紹了3GPP R17標準中提出的兩種技術(shù)方案。

發(fā)表于：9/27/2021

基于改進型極限學習機的電子鼻氣體濃度檢測[其他][其他]

針對目前電子鼻應(yīng)用于氣體污染物濃度檢測時難以達到理想精度的問題，提出基于粒子群算法與人工蜂群算法的極限學習機(Particle Swarm Optimization and Artificial Bee Colony algorithm based Extreme Learning Machine，PSOABC-ELM)算法，通過改進極限學習機輸入層與隱含層權(quán)值和隱含層閾值隨機的缺陷，提高電子鼻濃度檢測的精度。將PSOABC-ELM算法與其他算法進行比較，并在公開數(shù)據(jù)集上進行驗證。實驗結(jié)果表明，PSOABC-ELM算法用于電子鼻氣體濃度檢測時比其他算法精準度更高，檢測結(jié)果誤差更小，模型穩(wěn)定性更強，為電子鼻氣體濃度檢測提供了一種新的方法。

發(fā)表于：9/27/2021

基于LabVIEW和FPGA的半實物仿真平臺的設(shè)計與實現(xiàn)[其他][其他]

針對電力電子本科或研究生教學實驗，基于LabVIEW和簡易FPGA板卡，設(shè)計了一種高性價比的電力電子半實物實時仿真教學實驗平臺。仿真平臺系統(tǒng)由上位機和模型運算單元FPGA板卡組成，人機界面及實驗波形數(shù)據(jù)顯示基于LabVIEW軟件平臺編制，通過以太網(wǎng)實現(xiàn)與FPGA板卡數(shù)據(jù)交換，平臺系統(tǒng)可以進行多種電路拓撲模型的下載安裝和HIL實時仿真實驗。

發(fā)表于：9/27/2021

一種用于電池管理系統(tǒng)的高壓多路選擇器[電源技術(shù)][其他]

高壓多路選擇器是電池管理系統(tǒng)的重要組成部分，目前研究的高壓多路選擇器會給電池引入漏電流，影響電池電壓檢測精度。為了降低高壓多路選擇器開關(guān)控制信號對電池的漏電流影響，提高電壓檢測精度，設(shè)計了一種新型柵極驅(qū)動型高壓開關(guān)。該高壓開關(guān)采用了柵極自舉結(jié)構(gòu)，可以直接級聯(lián)，并且開關(guān)控制信號不對信號源引入漏電流。最后采用0.5 μm 40 V BCD工藝，搭建一個7路高壓多路選擇器進行了仿真驗證。后仿真結(jié)果表明，高壓開關(guān)相鄰信道的隔離度為-47 dB@1 MHz，最大輸入電壓35 V，電路版圖面積1.2 mm×1.5 mm，滿足應(yīng)用場合。

發(fā)表于：9/27/2021

一種超低輸入共模電壓的動態(tài)比較器電路設(shè)計[其他][其他]

為了適應(yīng)物聯(lián)網(wǎng)低功耗的應(yīng)用場景，并滿足低電源電壓和低輸入共模電壓的工作要求，提出了一種適用于超低輸入共模電壓的雙正反饋回路動態(tài)比較器。該比較器采用時序開關(guān)控制輸入輸出，解決了傳統(tǒng)動態(tài)比較器在輸入電壓低于閾值電壓時無法正常工作的問題，增大了輸入動態(tài)范圍；電源到地之間僅堆疊兩級MOS管，降低了最小電源電壓；引入兩個正反饋回路，提高了分辨率。采用TSMC 180 nm CMOS工藝設(shè)計和驗證，仿真結(jié)果表明，在電源電壓為900 mV，差模電壓為1 mV情況下，提出的比較器最低共模電壓為51 mV，與傳統(tǒng)StrongARM動態(tài)比較器和DoubleTail動態(tài)比較器相比，分別降低了374 mV和264 mV；當輸入共模電壓低于閾值電壓時，在中等的功耗下實現(xiàn)了最低的延時。

發(fā)表于：9/27/2021