2021国产精品自产拍在线,2020av在线,奇米影视四色7777久久精品

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

針對網(wǎng)絡(luò)安全系統(tǒng)中一些關(guān)鍵數(shù)據(jù)存儲的安全性，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)安全存儲處理過程；最后，對所設(shè)計(jì)的系統(tǒng)進(jìn)行了實(shí)際的測試驗(yàn)證。驗(yàn)證結(jié)果表明了系統(tǒng)對數(shù)據(jù)異常檢測的正確性和有效性，具有較強(qiáng)的實(shí)際應(yīng)用推廣價(jià)值。

發(fā)表于：5/8/2023 5:00:35 PM

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 4:49:55 PM

基于混沌遺傳算法的二維平面陣研究[其他][其他]

針對一般均勻平面陣列方向圖旁瓣較高的問題，利用傳統(tǒng)遺傳算法對均勻陣進(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，說明該方法具有一定的可行性。

發(fā)表于：5/8/2023 4:45:30 PM

一種低波動的可程控恒溫箱控制系統(tǒng)設(shè)計(jì)[測試測量][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)的測量和補(bǔ)償?shù)取ＴO(shè)計(jì)并實(shí)現(xiàn)了一種低波動的可程控輕便型恒溫箱控制系統(tǒng)。恒溫箱采用動態(tài)調(diào)整工作電壓的方式來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小、支持溫度曲線程控、小型輕便的優(yōu)點(diǎn)。經(jīng)測試，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 4:39:37 PM

基于AEKF的鋰離子電池SOC估算[測試測量][其他]

針對拓展卡爾曼濾波（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)致估算精度低的問題，提出噪聲信息協(xié)方差能夠自動匹配的自適應(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，建立精確的等效模型；然后在動態(tài)應(yīng)力測試（Dynamic Stress Test， DST）工況下對比了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 4:17:48 PM

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級放大級聯(lián)組成，為了實(shí)現(xiàn)寬帶以及良好的輸出駐波，末級功放采用平衡式拓?fù)潆娐方Y(jié)構(gòu)；級間匹配網(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)和無線通信發(fā)射機(jī)中。

發(fā)表于：5/8/2023 4:05:00 PM

高精度高擺幅多工位ADC測試系統(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增益儀器儀表運(yùn)算放大器，以解決大輸入擺幅高精度多工位ADC的量產(chǎn)測試需求的測試方案。理論分析和測試驗(yàn)證結(jié)果表明，該ADC測試系統(tǒng)可分別產(chǎn)生峰峰值超過29 V的Ramp波和正弦波測試信號，測試信號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)測試需求。

發(fā)表于：5/8/2023 3:38:26 PM

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，簡化片內(nèi)調(diào)試硬件模式設(shè)計(jì)，以較少的硬件開銷和精簡高效的專用調(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/存儲器數(shù)據(jù)讀寫等基本調(diào)試功能，還支持現(xiàn)場保護(hù)與恢復(fù)、Trace Buffer、指令插入執(zhí)行等高級調(diào)試功能。經(jīng)實(shí)際芯片測試證明，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)簡單、便于操作等特點(diǎn)。

發(fā)表于：5/8/2023 3:31:07 PM

基于CNN的智慧農(nóng)場圖像分類方法[人工智能][工業(yè)自動化]

為解決新疆兵團(tuán)農(nóng)業(yè)現(xiàn)代化建設(shè)中有感知無決策的問題，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)場自動化分群中的有效應(yīng)用。

發(fā)表于：5/8/2023 3:07:10 PM

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

以降低出租車運(yùn)營損失為目標(biāo)，分別利用排隊(duì)論對司機(jī)等待的平均時(shí)間成本進(jìn)行量化，以及通過熵值法改進(jìn)的TOPSIS模型對不同時(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，通過量化指標(biāo)構(gòu)建出出租車運(yùn)營損失模型，并基于此模型給出了降低損失的運(yùn)營決策方法。引用洛陽北郊機(jī)場航班及出租車數(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)營損失。

發(fā)表于：5/8/2023 3:00:11 PM