九一麻豆制片厂,亚洲精品国产麻豆精品91

高分辨率全球非結(jié)構(gòu)網(wǎng)格生成實(shí)踐[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

球面質(zhì)心Voronoi網(wǎng)格(SCVT)是一種高質(zhì)量的非結(jié)構(gòu)網(wǎng)格，被國(guó)內(nèi)外知名地球系統(tǒng)模式所采用。國(guó)際上，已有開(kāi)源項(xiàng)目Message Passing Interface SCVT(MPI-SCVT)實(shí)現(xiàn)了并行的SCVT生成。然而,，盡管MPI-SCVT可以很好地適用于一般分辨率網(wǎng)格的生成，當(dāng)所需網(wǎng)格的分辨率非常高時(shí),，MPI-SCVT的使用會(huì)出現(xiàn)多個(gè)問(wèn)題,，包括初始網(wǎng)格點(diǎn)質(zhì)量差,、大數(shù)據(jù)MPI通信、外部庫(kù)調(diào)用以及I/O問(wèn)題,。對(duì)于這些問(wèn)題,，提出了一整套解決方案。實(shí)踐表明,，應(yīng)用此方案可以順利完成全球1.9 km分辨率網(wǎng)格的生成,，且到達(dá)相同精度時(shí)所需迭代步數(shù)顯著減少，節(jié)約了計(jì)算時(shí)間,。

發(fā)表于：6/9/2022 11:18:00 AM

基于龍芯2K1000的Loongnix系統(tǒng)實(shí)時(shí)性優(yōu)化方法研究[可編程邏輯][消費(fèi)電子]

在高可靠性要求的工業(yè)自動(dòng)化應(yīng)用中,，Loongnix系統(tǒng)作為一種分時(shí)操作系統(tǒng)，其實(shí)時(shí)性不能滿足可靠性要求,，需要使用實(shí)時(shí)操作系統(tǒng),。在分析研究Loongnix的Linux內(nèi)核實(shí)時(shí)性缺陷和RT-Preempt實(shí)時(shí)性優(yōu)化方法的基礎(chǔ)上，提出一種基于RT-Preempt-Linux實(shí)時(shí)內(nèi)核替換Loongnix系統(tǒng)原生Linux內(nèi)核的方法,，實(shí)現(xiàn)Loongnix實(shí)時(shí)性優(yōu)化和實(shí)時(shí)化改造,，用自設(shè)計(jì)測(cè)試軟件和專用實(shí)時(shí)性工具Cyclictest對(duì)改造后的Loongnix系統(tǒng)進(jìn)行驗(yàn)證測(cè)試。測(cè)試結(jié)果表明改造后的Loongnix系統(tǒng)的實(shí)時(shí)性能獲得大幅提升,，進(jìn)程切換時(shí)間,、線程切換時(shí)間以及任務(wù)延時(shí)都能達(dá)到微秒級(jí)，滿足工業(yè)自動(dòng)化應(yīng)用的可靠性要求,。

發(fā)表于：6/9/2022 11:12:00 AM

可穿戴上肢功能性電刺激儀的設(shè)計(jì)與實(shí)驗(yàn)[其他][醫(yī)療電子]

功能性電刺激已經(jīng)成為醫(yī)院腦卒中運(yùn)動(dòng)康復(fù)治療的常用有效手段,，但治療儀機(jī)器體積龐大，訓(xùn)練地點(diǎn)固定且電刺激模式單一,。針對(duì)以上問(wèn)題,，設(shè)計(jì)一款基于STM32芯片可穿戴四通道功能性電刺激儀。它需要能夠?qū)崟r(shí)調(diào)控電刺激模式與參數(shù),，還能夠滿足患者自主居家的上肢康復(fù)訓(xùn)練,。電刺激儀系統(tǒng)由STM32主控芯片、電源管理模塊,、boost升壓模塊,、電刺激驅(qū)動(dòng)電路以及串口屏人機(jī)交互模塊等組成。實(shí)驗(yàn)結(jié)果表明,，該儀器能有效引起肌肉的收縮,，正確地輸出電刺激波形，達(dá)到行康復(fù)治療的療效,。

發(fā)表于：6/9/2022 11:09:00 AM

基于HMM模型的煤炭開(kāi)采沖擊模型分析[其他][其他]

針對(duì)煤炭生產(chǎn)開(kāi)采中沖擊地壓的安全問(wèn)題,，提出基于隱馬爾可夫(HMM)模型的煤炭開(kāi)采沖擊模型評(píng)估分析，通過(guò)選取煤炭開(kāi)采環(huán)境正常以及異常狀態(tài)下的采集數(shù)據(jù)樣本作為離線訓(xùn)練樣本，得到預(yù)開(kāi)采環(huán)境模型參數(shù),；再通過(guò)實(shí)時(shí)檢測(cè)煤炭開(kāi)采采集數(shù)據(jù)樣本作為在線訓(xùn)練樣本,，將實(shí)時(shí)數(shù)據(jù)送入預(yù)開(kāi)采環(huán)境模型進(jìn)行評(píng)估，在最大似然度下學(xué)習(xí)得出其最大概率,，通過(guò)匹配得到系統(tǒng)當(dāng)前運(yùn)行狀態(tài),。實(shí)驗(yàn)結(jié)果表明，該模型在煤炭開(kāi)采沖擊中有較高的可靠性,，煤炭安全監(jiān)測(cè)工作穩(wěn)定,。

發(fā)表于：6/9/2022 11:05:00 AM

基于Light-BotNet的激光點(diǎn)云分類研究[其他][其他]

三維點(diǎn)云在機(jī)器人與自動(dòng)駕駛中都有著普遍的應(yīng)用，深度學(xué)習(xí)在二維圖像上的研究成果顯著,，但是如何利用深度學(xué)習(xí)識(shí)別不規(guī)則的三維點(diǎn)云,，仍然是一個(gè)開(kāi)放性的問(wèn)題。目前大場(chǎng)景點(diǎn)云自身數(shù)據(jù)的復(fù)雜性,，點(diǎn)云掃描距離的變化造成點(diǎn)的分布不均勻,，噪聲和異常點(diǎn)引起的挑戰(zhàn)性依然存在。針對(duì)于現(xiàn)有的深度學(xué)習(xí)網(wǎng)絡(luò)框架對(duì)于激光點(diǎn)云數(shù)據(jù)的分類效率不高以及分類精度低的問(wèn)題,，提出一種基于激光點(diǎn)云特征圖像與Light-BotNet相結(jié)合的CNN-Transform框架,。該框架在于通過(guò)對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行特征提取，以相鄰的特征點(diǎn)構(gòu)造點(diǎn)云特征圖像作為網(wǎng)絡(luò)框架的輸入,，最后以Light-BotNet為網(wǎng)絡(luò)框架模型進(jìn)行點(diǎn)云分類訓(xùn)練,。實(shí)驗(yàn)結(jié)果表明，該方法與現(xiàn)有的多數(shù)點(diǎn)云分類方法相比,，能夠較好地提升激光點(diǎn)云的分類效率以及分類精度,。

發(fā)表于：6/9/2022 11:00:00 AM

一種引入濾波的PID控制算法在溫控系統(tǒng)的應(yīng)用[其他][其他]

為了使得溫控系統(tǒng)響應(yīng)更加穩(wěn)定，在PID控制算法中引入了三階離散濾波器對(duì)輸入信號(hào)進(jìn)行濾波,，去除了抖動(dòng)噪聲,，輸出更為平穩(wěn)的響應(yīng)結(jié)果；此外,，設(shè)計(jì)了一種基于STM32微控制器為控制核心的溫度調(diào)控系統(tǒng),，由鉑電阻Pt1000和MAX31865構(gòu)成溫度采集模塊，由半導(dǎo)體制冷器TEC和H橋邏輯器構(gòu)成溫度調(diào)節(jié)模塊,，上位機(jī)軟件與下位機(jī)系統(tǒng)使用USB串口通信,，將接收的實(shí)時(shí)的溫度數(shù)據(jù)進(jìn)行引入濾波的PID調(diào)節(jié)，將調(diào)節(jié)輸出值發(fā)送給下位機(jī)軟件實(shí)現(xiàn)一次閉環(huán)的溫度調(diào)節(jié)控制,。實(shí)驗(yàn)結(jié)果表明,，引入濾波器的PID控溫度制方法要優(yōu)于結(jié)合Bang-Bang的PID、引入微分先行PID,、步進(jìn)式PID,、變積分PID,，提高了抗干擾的能力，在工程溫度控制方面具有一定的實(shí)用價(jià)值和應(yīng)用價(jià)值,。

發(fā)表于：6/9/2022 10:56:00 AM

基于改進(jìn)Clifford混沌系統(tǒng)的圖像加密算法[其他][其他]

信息安全是人們?nèi)找骊P(guān)注的問(wèn)題,，在大數(shù)據(jù)時(shí)代，很多信息的傳輸都是通過(guò)數(shù)字圖像進(jìn)行的,。為了減少數(shù)字圖像在信息傳遞過(guò)程中存在的安全隱患,，改進(jìn)了Clifford系統(tǒng)，通過(guò)混沌吸引子圖和Lyapunov指數(shù)分析改進(jìn)的Clifford系統(tǒng)的混沌特性,，并且基于改進(jìn)的Clifford系統(tǒng)設(shè)計(jì)了一種圖像加密新算法。該算法先將明文圖像像素矩陣轉(zhuǎn)化為二進(jìn)制矩陣,，對(duì)二進(jìn)制矩陣的行和列分別進(jìn)行循環(huán)位移,；然后再將明文圖像分成9個(gè)大小不同的矩陣塊，對(duì)每個(gè)矩陣塊進(jìn)行置亂操作,，在塊置亂時(shí),，塊間結(jié)合混沌序列進(jìn)行置亂，塊內(nèi)進(jìn)行循環(huán)位移,，保證了每個(gè)像素點(diǎn)的位置都發(fā)生了變化,；最后用混沌序列和置亂后的圖像進(jìn)行異或運(yùn)算，得到最終的密文圖像,。仿真實(shí)驗(yàn)以及安全性分析說(shuō)明該算法具有良好的加密效果,。

發(fā)表于：6/9/2022 10:52:00 AM

基于高空VR交互場(chǎng)景的恐懼情緒誘發(fā)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[其他][醫(yī)療電子]

基于高空VR交互場(chǎng)景設(shè)計(jì)并實(shí)現(xiàn)了一種可提供下肢體感交互的恐懼情緒誘發(fā)系統(tǒng)，通過(guò)定制的碳素結(jié)構(gòu)鋼踏板及其底部的雙筒式彈簧單元,，可使得人體行走踩踏后產(chǎn)生多角度的應(yīng)力晃動(dòng),，利用匹配的VR跟蹤器可實(shí)現(xiàn)虛擬高空?qǐng)鼍爸械幕蝿?dòng)交互。該系統(tǒng)具有交互顯示,、踏板匹配,、虛擬場(chǎng)景和實(shí)驗(yàn)管理等功能模塊，可自動(dòng)將誘發(fā)過(guò)程中人體的各項(xiàng)生理數(shù)據(jù),、空間位置,、時(shí)間信息、任務(wù)績(jī)效等數(shù)據(jù)進(jìn)行存儲(chǔ),。

發(fā)表于：6/9/2022 10:46:00 AM

基于Cloud Native的質(zhì)檢信息管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[其他][其他]

隨著質(zhì)檢信息管理業(yè)務(wù)的復(fù)雜化,，現(xiàn)有的質(zhì)量檢驗(yàn)信息管理系統(tǒng)呈現(xiàn)出對(duì)大數(shù)據(jù)的處理能力不夠、人工操作出錯(cuò)率高,、擴(kuò)展性差等問(wèn)題,。提出了一種基于Cloud Native(云原生)的質(zhì)量檢驗(yàn)信息管理系統(tǒng)，并對(duì)Cloud Native技術(shù)進(jìn)行分析研究,，明確了Cloud Native技術(shù)的原理和特性,。接著結(jié)合質(zhì)量檢驗(yàn)信息管理業(yè)務(wù)的實(shí)際使用情況,，對(duì)基于Cloud Native的質(zhì)量檢驗(yàn)信息管理系統(tǒng)進(jìn)行了詳細(xì)設(shè)計(jì)并實(shí)現(xiàn)。最后對(duì)該系統(tǒng)進(jìn)行了功能和性能測(cè)試,，驗(yàn)證了整體設(shè)計(jì)方案的有效性,。

發(fā)表于：6/9/2022 10:42:00 AM

帶殘余頻偏的LSC-DS-CDMA信號(hào)偽碼估計(jì)[其他][其他]

針對(duì)帶殘余頻偏的長(zhǎng)短碼直擴(kuò)碼分多址信號(hào)偽碼估計(jì)問(wèn)題，首先利用短碼和長(zhǎng)碼的周期性分段接收信號(hào)構(gòu)建信號(hào)矩陣,；其次采用特征值分解法得到帶殘余載波的用戶特征向量子空間,，并采用全數(shù)字鎖相環(huán)跟蹤、消除殘余頻偏,；然后利用Givens矩陣對(duì)特征向量組成的荷載矩陣進(jìn)行旋轉(zhuǎn),，提出結(jié)合隨機(jī)差分和模擬退火思想的鯨魚(yú)優(yōu)化算法，尋求方差最小化的最佳旋轉(zhuǎn)角,，從而估計(jì)各用戶的復(fù)合碼片段并依次拼接,；最后利用梅西算法和相關(guān)運(yùn)算估計(jì)各用戶的長(zhǎng)碼和短碼。仿真結(jié)果驗(yàn)證了該算法對(duì)帶殘余頻偏的LSC-DS-CDMA信號(hào)偽碼估計(jì)的有效性,。

發(fā)表于：6/9/2022 10:37:00 AM