設(shè)計資源-AET-電子技術(shù)應(yīng)用

加速實(shí)現(xiàn)3D：泛林集團(tuán)推出開創(chuàng)性的選擇性刻蝕解決方案[EDA與制造][工業(yè)自動化]

在3D時代創(chuàng)造下一代芯片所面臨的復(fù)雜挑戰(zhàn)。

發(fā)表于：3/22/2022

工作場所中的協(xié)作：新一代協(xié)作機(jī)器人如何改善手動工作的性質(zhì)[模擬設(shè)計][工業(yè)自動化]

自動化技術(shù)可以讓工作變得不那么危險、繁重和乏味，但需要小心實(shí)施，且需要經(jīng)過再培訓(xùn)。本文將分享ADI公司全球機(jī)器人大使Nicola O’Byrne對此的看法和見解。

發(fā)表于：3/21/2022

如何最大限度減小電源設(shè)計中輸出電容的數(shù)量和尺寸[模擬設(shè)計][工業(yè)自動化]

電源輸出電容一般是100 nF至100 μF的陶瓷電容，它們耗費(fèi)資金，占用空間，而且，在遇到交付瓶頸的時候還會難以獲得。所以，如何最大限度減小輸出電容的數(shù)量和尺寸，這個問題反復(fù)被提及。

發(fā)表于：3/21/2022

采用恩智浦應(yīng)用軟件包快速啟動產(chǎn)品開發(fā)[EDA與制造][工業(yè)自動化]

處理邊緣連接的機(jī)器學(xué)習(xí)（ML）應(yīng)用的復(fù)雜性是一個艱巨而漫長的過程。將相關(guān)應(yīng)用功能與在經(jīng)濟(jì)高效的平臺上部署此ML模型的復(fù)雜性結(jié)合起來，需要花費(fèi)大量的精力和時間。恩智浦基于ML的系統(tǒng)狀態(tài)監(jiān)測應(yīng)用軟件包（App SW Pack）為快速開發(fā)此類復(fù)雜應(yīng)用提供了量產(chǎn)源代碼。

發(fā)表于：3/18/2022

macOS突然卡頓無法上網(wǎng)，郁悶兩天終于找到解決方案[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

這次電腦變卡而且上不了網(wǎng)對自己的影響挺大的，而解決方案非常簡單，操作僅需5秒。但是為了找到這個解決方案，我經(jīng)歷了2個晚上電腦無網(wǎng)可上的尷尬。于是想整理一篇文章分享給到大家，如果大家遇到類似的癥狀，按照解決方案操作就可以輕松恢復(fù)。

發(fā)表于：3/17/2022

計算隔離式精密高速DAQ的采樣時鐘抖動的簡單步驟[模擬設(shè)計][工業(yè)自動化]

本文將說明如何解讀ADI公司的LVDS數(shù)字隔離器的抖動規(guī)格參數(shù)，以及與精密高速產(chǎn)品（例如ADAQ23875DAQ µModule®解決方案）接口時，哪些規(guī)格參數(shù)比較重要。本文的這些指導(dǎo)說明也適用于其他帶有LVDS接口的精密高速ADC。在介紹與ADN4654千兆LVDS隔離器配合使用的ADAQ23875時，還將說明計算對SNR預(yù)期影響采用的方法。

發(fā)表于：3/17/2022

燃料電池測試設(shè)備怎么選？選擇IT-M3800[電源技術(shù)][汽車電子]

ITECH新品IT-M3800系列回饋式直流電子負(fù)載可為燃料電池測試提供新方案。 IT-M3800系列回饋式直流電子負(fù)載具有10V、32V至1500V7檔電壓等級，可適應(yīng)電芯至燃料電池電堆的測試需求。10V電壓下單機(jī)電流最大可達(dá)720A，最小操作電壓僅為0.6V。32V機(jī)型最小操作電壓為0.32V。同時單機(jī)功率為1.2kW-12kW貼合客戶功率需求，無需采購容量過大的設(shè)備。當(dāng)用戶產(chǎn)品升級有更大功率、電流需求時，專利的簡易主/從并機(jī)功能在擴(kuò)大功率的同時保持性能，可實(shí)現(xiàn)4000A負(fù)載拉載能力。IT-M3800系列還具有CC/CV/CP/CW/CC+CV/CV+CR/CR+CC/CC+CV+CW+CR 等8種操作模式模擬不同負(fù)載特性。

發(fā)表于：3/17/2022

嵌入式邊緣AI應(yīng)用開發(fā)簡化指南[人工智能][消費(fèi)電子]

如果在沒有嵌入式處理器供應(yīng)商提供的合適工具和軟件的支持下，既想設(shè)計高能效的邊緣人工智能（AI）系統(tǒng)，同時又要加快產(chǎn)品上市時間，這項(xiàng)工作難免會冗長乏味。面臨的一系列挑戰(zhàn)包括選擇恰當(dāng)?shù)纳疃葘W(xué)習(xí)模型、針對性能和精度目標(biāo)對模型進(jìn)行訓(xùn)練和優(yōu)化，以及學(xué)習(xí)使用在嵌入式邊緣處理器上部署模型的專用工具。

發(fā)表于：3/16/2022

基于差量特征與AdaBoost的家用負(fù)荷識別方法研究[其他][其他]

針對家用負(fù)荷提出了一種使用智能電表進(jìn)行數(shù)據(jù)采集的非侵入式負(fù)荷在線識別方法。該方法使用智能電表計算出負(fù)荷的差量特征向量預(yù)先建立特征庫，訓(xùn)練以決策樹作為弱分類器的AdaBoost分類器模型，利用負(fù)荷投切時電表的告警信息中包含的特征向量進(jìn)行分類以實(shí)現(xiàn)負(fù)荷在線識別，實(shí)時性好且提高了單一決策樹模型的識別效果。實(shí)驗(yàn)結(jié)果證明了該方法的可行性，實(shí)現(xiàn)了負(fù)荷使用信息的獲取，具有較好的實(shí)際應(yīng)用價值。

發(fā)表于：3/16/2022

基于C3D的化學(xué)實(shí)驗(yàn)室人員不安全行為模式識別[通信與網(wǎng)絡(luò)][信息安全]

針對因人的不安全行為導(dǎo)致化學(xué)實(shí)驗(yàn)室安全事故的預(yù)防問題，提出了基于三維卷積網(wǎng)絡(luò)(Convolutional 3D，C3D)的化學(xué)實(shí)驗(yàn)室人員不安全行為模式識別方法。定義了5種典型的人員不安全行為模式，以某高校化學(xué)實(shí)驗(yàn)室作為研究區(qū)域，構(gòu)建了人員不安全行為模式數(shù)據(jù)集，建立了基于C3D的人員不安全行為模式識別模型，并對模型在不同應(yīng)用場景下的性能進(jìn)行了評估。結(jié)果表明：在特定人員于特定實(shí)驗(yàn)場景中出現(xiàn)上述5種不安全行為時，該模型在測試集上得到的F1指數(shù)平均值均能達(dá)到97%以上；在非特定人員與非特定場景中出現(xiàn)不安全行為時，模型能夠有效識別部分不安全行為。該研究成果預(yù)期可以為化學(xué)實(shí)驗(yàn)室人員不安全行為的預(yù)測、預(yù)警、預(yù)防提供技術(shù)支持。

發(fā)表于：3/16/2022

PLC控制系統(tǒng)的上下位機(jī)安全通信方案[其他][其他]

隨著科技的發(fā)展和社會的進(jìn)步，工業(yè)控制網(wǎng)絡(luò)與互聯(lián)網(wǎng)日益融合，工控通信所面臨的安全隱患日益增多。針對工控通信安全事件頻發(fā)的問題，以PLC控制系統(tǒng)為例，對PLC控制系統(tǒng)的上下位機(jī)的系統(tǒng)結(jié)構(gòu)、通信安全隱患等方面進(jìn)行分析；從通信協(xié)議選擇、安全連接建立、傳輸數(shù)據(jù)加密方式、通信過程等方面進(jìn)行了方案設(shè)計，提出了一種基于SCTP協(xié)議的安全保密通信方案。

發(fā)表于：3/16/2022

基于雙向GRU與殘差擬合的車輛跟馳建模[其他][其他]

為了提高微觀交通仿真中車輛跟馳建模的準(zhǔn)確性與泛化能力，將物理類模型與深度學(xué)習(xí)相結(jié)合，提出一種基于雙向GRU(門控循環(huán)單元)與殘差擬合的跟馳模型框架。該框架使用雙向GRU網(wǎng)絡(luò)對物理類跟馳模型預(yù)測值與真實(shí)值的殘差進(jìn)行學(xué)習(xí)，并在NGSIM公開數(shù)據(jù)集上進(jìn)行測試。通過對比IDM、GIPPS、GM三種跟馳模型下的殘差擬合效果，表明雙向GRU網(wǎng)絡(luò)可以對原模型預(yù)測結(jié)果的偏差進(jìn)行有效的修正。選用IDM作為本框架的物理類模型，提出了Bi-GRU-IDM模型，與現(xiàn)有SVR模型、BPNN模型、GRU模型進(jìn)行對比，結(jié)果表明Bi-GRU-IDM在預(yù)測精度、泛化性能上明顯優(yōu)于其他三種模型。

發(fā)表于：3/16/2022

基于ResNet50對地震救援中人體姿態(tài)估計的研究[其他][其他]

調(diào)查發(fā)現(xiàn)，地震中死亡人數(shù)增加的原因主要是錯過救援的黃金時間，因此可通過救援無人機(jī)自動對受災(zāi)人員進(jìn)行行為識別與狀態(tài)分析。人體姿態(tài)估計是指對圖像中人體關(guān)節(jié)點(diǎn)和肢體進(jìn)行檢測的過程，在人機(jī)交互和行為識別應(yīng)用中起著重要的作用，然而由于背景復(fù)雜、肢體被遮擋等因素導(dǎo)致標(biāo)注人體關(guān)節(jié)點(diǎn)和肢體十分困難。因此提出一種結(jié)合ResNet50及CPM的模型，該模型通過獲取圖像特征和精調(diào)機(jī)制，計算出關(guān)節(jié)點(diǎn)依賴關(guān)系，最后劃分到對應(yīng)人體。實(shí)驗(yàn)表明，該模型與其他模型對比能夠提高復(fù)雜場景下人體姿態(tài)估計的效果。

發(fā)表于：3/16/2022

基于聚類的雙溫度優(yōu)化控制基站空調(diào)節(jié)能算法[其他][其他]

基站空調(diào)的節(jié)能是電信行業(yè)節(jié)能減排十分重要的一環(huán)，通過數(shù)據(jù)挖掘方法從空調(diào)系統(tǒng)運(yùn)行數(shù)據(jù)中找到提升運(yùn)行性能的規(guī)則和手段，具有重要的現(xiàn)實(shí)意義和研究價值。針對基站空調(diào)的節(jié)能減排問題，對基站實(shí)時采集到的數(shù)據(jù)流，首先建立空調(diào)節(jié)能模型找到目標(biāo)約束條件下最優(yōu)控制溫度；隨后針對空調(diào)啟停次數(shù)頻繁的問題繼續(xù)提出雙溫度控制模型，減少空調(diào)啟動次數(shù)的同時進(jìn)一步降低了空調(diào)能耗；最后為了應(yīng)對室外溫度、設(shè)備能耗等一些不確定因素的變化，提出了基于聚類的空調(diào)溫度分段控制算法并加以改進(jìn)，通過聚類結(jié)果分析得到對應(yīng)的用電模式，對不同用電模式分別設(shè)計相應(yīng)控制策略，最終實(shí)現(xiàn)了基站空調(diào)能耗降低25%的效果，為企業(yè)空調(diào)節(jié)能控制提供了可靠依據(jù)。

發(fā)表于：3/16/2022

利用LMedS算法與特征值法的點(diǎn)云平面擬合方法[其他][其他]

針對三維點(diǎn)云數(shù)據(jù)中存在的異常點(diǎn)會對平面擬合過程產(chǎn)生不利的影響，提出了一種將最小平方中值算法(Least Median of Squares，LMedS)與特征值法相結(jié)合的點(diǎn)云平面擬合新方法。首先，通過LMedS算法進(jìn)行多次迭代確定最佳閾值并剔除點(diǎn)云數(shù)據(jù)中的異常點(diǎn)。然后，采用特征值法對剔除完異常點(diǎn)后的點(diǎn)云數(shù)據(jù)進(jìn)行平面擬合，以獲得更加精確的擬合平面參數(shù)解。最后，分別采用最小二乘法、特征值法、RANSAC+主成分分析法與所提出方法對仿真和實(shí)測點(diǎn)云數(shù)據(jù)進(jìn)行平面擬合計算。實(shí)驗(yàn)結(jié)果表明，相比于其他方法，該方法的平面擬合精度更高，適用于對含有異常點(diǎn)的點(diǎn)云數(shù)據(jù)進(jìn)行平面擬合，具有較高的魯棒性。

發(fā)表于：3/16/2022