欧美一级爱爱视频,精品国产欧美一区二区,欧美三级不卡在线播放

艾德克斯可編程多路負(fù)載高效測(cè)試PC電源[電源技術(shù)][汽車電子]

電源作為PC的心臟，關(guān)系著PC的可靠穩(wěn)定運(yùn)行，因此對(duì)于PC電源的測(cè)試至關(guān)重要。本文就PC電源測(cè)試中的時(shí)序特性測(cè)試以及動(dòng)態(tài)測(cè)試兩項(xiàng)內(nèi)容進(jìn)行分析，并闡述艾德克斯IT8700系列可編程電子負(fù)載在其中的關(guān)鍵作用。

發(fā)表于：9/8/2015

基于嵌入式計(jì)算機(jī)的大氣數(shù)據(jù)計(jì)算機(jī)檢查儀的設(shè)計(jì)[嵌入式技術(shù)][數(shù)據(jù)中心]

針對(duì)大氣數(shù)據(jù)計(jì)算機(jī)檢查儀普遍體積和重量較大、不具備便攜性的問(wèn)題，提出一種基于嵌入式計(jì)算機(jī)的大氣數(shù)據(jù)計(jì)算機(jī)檢查儀的設(shè)計(jì)方法。該方法以PC104總線嵌入式計(jì)算機(jī)為核心，配備PC104總線ARIC429卡、A/D卡、D/A卡和便攜式機(jī)箱構(gòu)成一臺(tái)便攜式大氣數(shù)據(jù)計(jì)算機(jī)檢查儀。其功能可完全涵蓋現(xiàn)有大氣數(shù)據(jù)計(jì)算機(jī)測(cè)試設(shè)備，此外還具有體積小、重量輕、可便攜等特點(diǎn)，可用于大氣機(jī)的原位檢測(cè)，提高了工作效率。

發(fā)表于：9/8/2015

艾德克斯功率表更高效完成家電產(chǎn)品測(cè)試[電源技術(shù)][消費(fèi)電子]

家電產(chǎn)品的諧波測(cè)量和功耗測(cè)量是家電產(chǎn)品研發(fā)和生產(chǎn)中的重要測(cè)量項(xiàng)目，本文重點(diǎn)分析艾德克斯IT9121功率表在這兩方面的測(cè)量中的作用，同時(shí)搭配IT-E185測(cè)量治具盒，能更高效完成測(cè)量工作。

發(fā)表于：9/8/2015

艾德克斯多路電子負(fù)載高效率完成多路輸出/大功率電源測(cè)試[電源技術(shù)][汽車電子]

電源是保障電子儀器正常工作的裝置，因此對(duì)于電源各項(xiàng)性能指標(biāo)都有嚴(yán)格要求。隨著電子設(shè)備對(duì)電源的要求不斷變化，電源對(duì)于測(cè)試儀器及技術(shù)的要求也越來(lái)越高。本文著重對(duì)多路輸出電源和大功率電源測(cè)試進(jìn)行闡述，分析多路電子負(fù)載在這兩種電源測(cè)試中的優(yōu)勢(shì)。

發(fā)表于：9/8/2015

基于模糊控制的水溫控制系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[嵌入式技術(shù)][物聯(lián)網(wǎng)]

針對(duì)水溫控制系統(tǒng)的控制對(duì)象具有熱存儲(chǔ)能力大、慣性大、時(shí)變的特點(diǎn)，使用常規(guī)的PID調(diào)節(jié)器難以實(shí)現(xiàn)水溫穩(wěn)定的自動(dòng)控制。設(shè)計(jì)一種以STC89C52單片機(jī)為核心、采用模糊控制算法的水溫控制系統(tǒng)，并闡述模糊控制理論的思想和系統(tǒng)的硬、軟件設(shè)計(jì)。實(shí)驗(yàn)表明，該系統(tǒng)具有良好的控制性能，能夠?qū)崿F(xiàn)溫度的準(zhǔn)確測(cè)量及穩(wěn)定自動(dòng)控制，能夠推廣應(yīng)用于工業(yè)控制系統(tǒng)以及熱帶魚養(yǎng)殖的恒溫環(huán)境中。

發(fā)表于：9/8/2015

IT6722(A)可編程電源-全新電路設(shè)計(jì)，優(yōu)勢(shì)盡顯[電源技術(shù)][汽車電子]

傳統(tǒng)的穩(wěn)壓電源在現(xiàn)在種類繁多的測(cè)試項(xiàng)目面前，暴露出了越來(lái)越多的缺陷，本文主要分析了傳統(tǒng)穩(wěn)壓直流電源存在的問(wèn)題。艾德克斯IT6722(A)可編程直流電源采用全新電路設(shè)計(jì)，優(yōu)化甚至解決了傳統(tǒng)電源存在的一些問(wèn)題。

發(fā)表于：9/8/2015

艾德克斯基于DIN40839和ISO16750-2的汽車電子測(cè)試方案[電源技術(shù)][汽車電子]

由于汽車供電系統(tǒng)輸出復(fù)雜，大電流馬達(dá)，電磁閥等各種元件導(dǎo)致供電電壓輸出經(jīng)常發(fā)生波動(dòng)，大電壓脈沖或跌落現(xiàn)象頻繁發(fā)生，這對(duì)車內(nèi)電子產(chǎn)品能否穩(wěn)定工作造成挑戰(zhàn)。尤其是與安全相關(guān)的電子產(chǎn)品，如安全氣囊控制電路，ABS控制電路等，非正常電壓波動(dòng)將造成這些設(shè)備的CPU或其它芯片進(jìn)入重啟，鎖死或者未知狀態(tài)，直接影響到安全問(wèn)題。如何在實(shí)驗(yàn)室里仿真出實(shí)際供電系統(tǒng)中出現(xiàn)的電壓瞬變現(xiàn)象，以便盡早發(fā)現(xiàn)車載電子產(chǎn)品在可靠性方面存在的隱患？這就要依賴于實(shí)驗(yàn)室測(cè)試。

發(fā)表于：9/8/2015

基于最大似然估計(jì)與樸素貝葉斯的WSN故障檢測(cè)[通信與網(wǎng)絡(luò)][信息安全]

WSN中的故障節(jié)點(diǎn)導(dǎo)致網(wǎng)絡(luò)的數(shù)據(jù)傳遞延遲與能耗增加，同時(shí)可引起網(wǎng)絡(luò)擁塞等問(wèn)題，對(duì)此提出一種基于最大似然估計(jì)與樸素貝葉斯分析器的WSN故障節(jié)點(diǎn)診斷與定位算法。首先，從數(shù)據(jù)包的協(xié)議部分提取大量特征作為訓(xùn)練數(shù)據(jù)集，從中估算邊際概率并建立樸素貝葉斯分類器，使用最大似然估計(jì)估算條件概率。檢測(cè)階段則通過(guò)判斷傳輸延遲是否滿足閾值條件來(lái)決定可疑節(jié)點(diǎn)，然后使用樸素貝葉斯分類器檢測(cè)故障節(jié)點(diǎn)，最終將節(jié)點(diǎn)成功進(jìn)行分類。

發(fā)表于：9/8/2015

工業(yè)控制防危系統(tǒng)專家規(guī)則的管理[嵌入式技術(shù)][信息安全]

工控系統(tǒng)的防危過(guò)程需要一系列的合法動(dòng)作來(lái)實(shí)現(xiàn)。選擇使用有限狀態(tài)機(jī)展示其防危過(guò)程，使用專家規(guī)則庫(kù)管理蘊(yùn)藏在有限狀態(tài)機(jī)中的規(guī)則。對(duì)專家規(guī)則的管理涉及規(guī)則的編輯、優(yōu)化、驗(yàn)證、保存等，編輯專家規(guī)則基于專家系統(tǒng)實(shí)現(xiàn)；專家規(guī)則的優(yōu)化基于卡諾圖實(shí)現(xiàn)；采用XML形式對(duì)專家規(guī)則進(jìn)行保存。專家規(guī)則實(shí)例表明，采用這些技術(shù)管理專家規(guī)則準(zhǔn)確而高效。

發(fā)表于：9/8/2015

低資源成本的云計(jì)算自適應(yīng)實(shí)時(shí)資源監(jiān)控研究[通信與網(wǎng)絡(luò)][信息安全]

分布式云計(jì)算的云端數(shù)據(jù)量巨大，而云端資源監(jiān)控則需對(duì)大數(shù)據(jù)采樣，因而產(chǎn)生大量的計(jì)算開銷與資源消耗，對(duì)此，提出了一種兩階段的自適應(yīng)監(jiān)控方案。首先，在訓(xùn)練階段，采集適量的資源樣本，計(jì)算其資源變化相關(guān)的閾值參數(shù)，并計(jì)算資源變化的質(zhì)量值；然后，在自適應(yīng)監(jiān)控階段，使用訓(xùn)練階段的算法，根據(jù)不同的資源變化劇烈程度更新采樣周期，從而實(shí)現(xiàn)動(dòng)態(tài)的采樣周期調(diào)節(jié)。試驗(yàn)結(jié)果證明，與靜態(tài)監(jiān)控算法相比，該算法具有較好的監(jiān)控性能，同時(shí)具有較低的資源開銷。

發(fā)表于：9/7/2015

基于人工免疫系統(tǒng)的僵尸短信入侵檢測(cè)[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)移動(dòng)僵尸網(wǎng)絡(luò)日益活躍的現(xiàn)狀，提出一種基于人工免疫的僵尸短信入侵檢測(cè)模型。該模型包含兩個(gè)核心模塊，短信過(guò)濾模塊提取短信號(hào)碼與黑名單信息相匹配初步過(guò)濾垃圾短信和廣告；短信識(shí)別免疫模塊量化短信的簽名信息生成抗原，采用實(shí)值否定選擇算法生成抗體，通過(guò)抗原與抗體的親密程度識(shí)別僵尸短信，最后根據(jù)用戶反饋結(jié)果更新抗體。實(shí)驗(yàn)結(jié)果表明：該模型具有較高的檢測(cè)率，證明了其可行性。

發(fā)表于：9/7/2015

PSO混合DE算法求解約束優(yōu)化問(wèn)題[嵌入式技術(shù)][數(shù)據(jù)中心]

出了一個(gè)全新的混合算法并命名為微粒群差分算法，該算法在標(biāo)準(zhǔn)微粒群算法的基礎(chǔ)上結(jié)合了差分進(jìn)化算法用于求解約束的數(shù)值和工程優(yōu)化問(wèn)題。傳統(tǒng)的標(biāo)準(zhǔn)微粒群算法由于其種群?jiǎn)我恍匀菀紫萑刖植孔顑?yōu)值，針對(duì)這一缺點(diǎn)利用差分進(jìn)化算法中的變異、交叉、選擇3個(gè)算子來(lái)更新每次迭代每個(gè)粒子新生產(chǎn)的位置以使粒子跳出局部?jī)?yōu)值。融合了標(biāo)準(zhǔn)微粒群算法和差分進(jìn)化算法優(yōu)點(diǎn)的混合算法加速了粒子的收斂速度。為了避免懲罰因子的選擇對(duì)實(shí)驗(yàn)結(jié)果的影響，采取了可行規(guī)則法來(lái)處理約束優(yōu)化問(wèn)題。最后將微粒群差分算法用于5個(gè)基準(zhǔn)函數(shù)和兩個(gè)工程問(wèn)題，并與其他算法作了比較，試驗(yàn)結(jié)果表明，微粒群差分算法算法具有很好的精準(zhǔn)性、魯棒性和有效性。

發(fā)表于：9/6/2015

基于均值近鄰的樣本選擇算法[嵌入式技術(shù)][數(shù)據(jù)中心]

提出了一個(gè)基于均值近鄰的樣本選擇算法，并且對(duì)CMU-PIE人臉數(shù)據(jù)庫(kù)數(shù)據(jù)進(jìn)行了樣本選擇，提取關(guān)鍵數(shù)據(jù)，結(jié)合神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了分類實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果證明，與傳統(tǒng)方法相比，該方法在保持了一定的準(zhǔn)確率的前提下，能夠有效地減少樣本集中的冗余信息，同時(shí)在時(shí)間復(fù)雜度方面也有了一定的提升。

發(fā)表于：9/6/2015

Authorware7中訪問(wèn)SQL數(shù)據(jù)庫(kù)數(shù)據(jù)的兩種方法研究[嵌入式技術(shù)][數(shù)據(jù)中心]

根據(jù)Microsoft ODBC接口、Authorware提供的ODBC.U32系統(tǒng)函數(shù)、Authorware中關(guān)于file的相關(guān)函數(shù)以及SQL Server理論，探討并研究了Authorware中靜態(tài)和動(dòng)態(tài)方式訪問(wèn)SQL Server數(shù)據(jù)庫(kù)的方法，給出了Authorware 7中靜態(tài)和動(dòng)態(tài)訪問(wèn)SQL數(shù)據(jù)庫(kù)的實(shí)現(xiàn)方法，并分別給出了較為詳細(xì)的實(shí)例操作過(guò)程。

發(fā)表于：9/6/2015

中文客戶評(píng)論對(duì)象特征的抽取與聚類方法[嵌入式技術(shù)][數(shù)據(jù)中心]

提出了一種評(píng)價(jià)對(duì)象特征抽取與聚類方法，其基本思想是：首先運(yùn)用Apriori算法和剪枝方法從客戶評(píng)論中抽取評(píng)論對(duì)象特征集；然后，以特征之間的基于Hownet的詞語(yǔ)相似度和特征與觀點(diǎn)共現(xiàn)的信息作為聚類依據(jù)，對(duì)特征進(jìn)行聚類。采用通過(guò)從互聯(lián)網(wǎng)獲得的客戶評(píng)論語(yǔ)料對(duì)該方法進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。

發(fā)表于：9/6/2015