91婷婷久久国产,国产精品久久久久久久久粉嫩

高性能LDO在安防監(jiān)控系統(tǒng)中的應(yīng)用[電源技術(shù)][安防電子]

隨著智慧城市和智能終端的飛速發(fā)展,，安防監(jiān)控系統(tǒng)得到了廣泛應(yīng)用,，對(duì)電源管理芯片也提出了越來(lái)越高的要求。LDO(Low Dropout Linear Regulator)作為低壓差線性穩(wěn)壓器,，以低噪聲,、高PSRR(Power Supply Rejection Ratio),、外圍簡(jiǎn)單等優(yōu)點(diǎn)成為理想的電源管理方案，可以滿(mǎn)足安防監(jiān)控系統(tǒng)對(duì)與噪聲非常敏感的要求,。介紹了高性能LDO在安防監(jiān)控中的應(yīng)用,，LDO的關(guān)鍵技術(shù)指標(biāo)以及對(duì)安防監(jiān)控系統(tǒng)的影響,。

發(fā)表于：12/19/2019 11:12:00 AM

基于MLP算法的Glitch PUF機(jī)器學(xué)習(xí)攻擊[嵌入式技術(shù)][信息安全]

隨著攻擊技術(shù)的不斷進(jìn)步,，基于機(jī)器學(xué)習(xí)(Machine Learning，ML),、深度學(xué)習(xí)(Deep Learning,，DL)等技術(shù)的建模攻擊嚴(yán)重威脅了PUF的安全。針對(duì)Glitch PUF單元電路靜態(tài)輸出的缺陷，首次提出使用多層感知器(Multilayer Perceptron,，MLP)算法對(duì)Glitch PUF進(jìn)行機(jī)器學(xué)習(xí),，解決了Glitch PUF輸出為非線性可分?jǐn)?shù)據(jù)的問(wèn)題，能夠?qū)litch PUF攻擊并預(yù)測(cè)其輸出,。實(shí)驗(yàn)表明,，對(duì)比于邏輯回歸(Logistic Regression，LR)算法和隨機(jī)森林(Random Forest,，RF)二分類(lèi)算法,，提出的MLP算法顯著降低了預(yù)測(cè)錯(cuò)誤率。

發(fā)表于：12/19/2019 10:55:00 AM

輸電班組工分制績(jī)效管理[其他][智能電網(wǎng)]

目前,，班組管理中“大鍋飯”的現(xiàn)象比較明顯,，工作活力有待進(jìn)一步引導(dǎo)提升。遵從“公平,、公正,、公開(kāi)、按勞分配”原則,，從充分調(diào)動(dòng)班組內(nèi)員工的積極性的原點(diǎn)出發(fā),，探討輸電班組工分制績(jī)效管理的實(shí)施細(xì)節(jié)，結(jié)合班組的實(shí)際工作情況,，經(jīng)過(guò)班組成員的充分討論,，確定各類(lèi)工作標(biāo)準(zhǔn)分值，在班組中實(shí)行工分制,，激發(fā)人員的主觀能動(dòng)性,，達(dá)到按勞分配的績(jī)效結(jié)果。

發(fā)表于：12/19/2019 10:16:00 AM

考慮大檢修與狀態(tài)監(jiān)測(cè)的配置情況分析[電源技術(shù)][智能電網(wǎng)]

隨著各地方電網(wǎng)的發(fā)展成效異常顯著,，期間變電站的規(guī)模與數(shù)量隨之增加,，電網(wǎng)設(shè)備水平等問(wèn)題日漸凸現(xiàn)出來(lái)。大檢修是時(shí)代發(fā)展的產(chǎn)物,，它對(duì)規(guī)范變電站運(yùn)行管理,、提高生產(chǎn)效率及維護(hù)電網(wǎng)運(yùn)技術(shù)具有重要作用。電網(wǎng)的生產(chǎn)組織的專(zhuān)業(yè)化與集約化程度卻相對(duì)滯后,，那么資源配置效率行安全穩(wěn)定的意義就變得重大,。主要研究了大檢修與變電站狀態(tài)監(jiān)測(cè)之間的關(guān)系及具體配置方案。

發(fā)表于：12/18/2019 1:39:00 PM

深亞微米SOI工藝NMOS器件瞬時(shí)劑量率效應(yīng)數(shù)值模擬[模擬設(shè)計(jì)][其他]

為了研究深亞微米 SOI工藝NMOS器件的瞬時(shí)劑量率效應(yīng),，采用TCAD工具對(duì)0.13 μm SOI工藝 H型NMOS器件進(jìn)行三維建模仿真,。選取γ劑量率在1×108～1×1010 (Gy(Si)/s)的7個(gè)點(diǎn)，模擬了H型NMOS器件開(kāi)關(guān)兩種狀態(tài)下的漏電流及體接觸端電流與γ劑量率之間的數(shù)值關(guān)系,。從模擬結(jié)果可以看出,，γ劑量率在小于5×109 Gy(Si)/s的輻照時(shí)對(duì)器件影響很小,。表明了該結(jié)構(gòu)器件具有較強(qiáng)的抗瞬時(shí)劑量率輻射能力，為超大規(guī)模集成電路抗瞬時(shí)劑量率加固設(shè)計(jì)提供了依據(jù),。

發(fā)表于：12/18/2019 1:04:00 PM

一種新型高效寬帶整流電路[模擬設(shè)計(jì)][其他]

提出一種新型高效寬帶整流電路,。通過(guò)在整流二極管前端串聯(lián)一段微帶線的方式，在其呈感性的范圍內(nèi)調(diào)節(jié)其長(zhǎng)度,，抵消二極管在基頻上產(chǎn)生的容抗,，使阻抗匹配時(shí)可以采用1/4波長(zhǎng)阻抗變換方式取代單枝節(jié)匹配的方式，因而該整流電路的整體結(jié)構(gòu)緊湊,，同時(shí)拓展了工作帶寬,。改進(jìn)直流濾波結(jié)構(gòu)中的扇形枝節(jié)，根據(jù)其影響直流電壓波形的現(xiàn)象調(diào)節(jié)其尺寸,，使得輸出直流電壓紋波平穩(wěn),，進(jìn)一步提高整流效率。設(shè)計(jì)了一只5.8 GHz整流電路,，測(cè)試表明,，輸入功率在0～16 dBm的范圍內(nèi)，該電路整流效率都在55%以上,，最高效率達(dá)到78.7%,；在13 dBm輸入功率時(shí)，達(dá)到70%以上整流效率的相對(duì)帶寬有16.6%,。

發(fā)表于：12/18/2019 11:48:00 AM

基于深度學(xué)習(xí)的圖像分類(lèi)搜索系統(tǒng)[嵌入式技術(shù)][工業(yè)自動(dòng)化]

圖像分類(lèi)是根據(jù)圖像的信息將不同類(lèi)別的圖像區(qū)分開(kāi)來(lái),，是計(jì)算機(jī)視覺(jué)中重要的基本問(wèn)題，也是圖像檢測(cè),、圖像分割,、物體跟蹤、行為分析等其他高層視覺(jué)任務(wù)的基礎(chǔ),。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域,，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò),，它模仿人腦的機(jī)制來(lái)解釋數(shù)據(jù),，例如圖像、聲音和文本,。該系統(tǒng)基于Caffe深度學(xué)習(xí)框架,，首先對(duì)數(shù)據(jù)集進(jìn)行訓(xùn)練分析構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)，提取數(shù)據(jù)集圖像特征信息,，得到數(shù)據(jù)對(duì)應(yīng)的分類(lèi)模型,，然后以bvlc-imagenet訓(xùn)練集模型為基礎(chǔ)，對(duì)目標(biāo)圖像進(jìn)行擴(kuò)展應(yīng)用,，實(shí)現(xiàn)“以圖搜圖”Web應(yīng)用,。

發(fā)表于：12/17/2019 2:26:00 PM

領(lǐng)域知識(shí)融合與共建研究[嵌入式技術(shù)][智能電網(wǎng)]

為建設(shè)國(guó)家電網(wǎng)客戶(hù)服務(wù)中心的智能對(duì)話系統(tǒng),，需要從大量文檔,、知識(shí)庫(kù),、對(duì)話等數(shù)據(jù)中提煉知識(shí)形成知識(shí)圖譜，提出一種融合事實(shí)圖譜和事理圖譜的新型知識(shí)圖譜框架,，能夠基于多源異構(gòu)數(shù)據(jù)共建新型知識(shí)圖譜,，在國(guó)網(wǎng)領(lǐng)域精準(zhǔn)問(wèn)答、客服系統(tǒng)知識(shí)支撐,、對(duì)話管理引導(dǎo),、知識(shí)推理等方面均有較好性能。融合后的圖譜及應(yīng)用系統(tǒng)在國(guó)網(wǎng)客服中心問(wèn)答平臺(tái)中投入使用,，大幅提升了客服人員工作效率和服務(wù)質(zhì)量,。

發(fā)表于：12/17/2019 2:05:00 PM

基于LoRa技術(shù)的四表合一系統(tǒng)設(shè)計(jì)與應(yīng)用[通信與網(wǎng)絡(luò)][智能電網(wǎng)]

目前，抄表系統(tǒng)采集方式各式各樣,，布線方式雜亂無(wú)章,，給小區(qū)及城市建設(shè)美化造成了很大的影響，并且重復(fù)的設(shè)備及通信線路的建設(shè),，增加了國(guó)家計(jì)量系統(tǒng)的投資及建設(shè)維護(hù)成本,。每戶(hù)基本部署了四類(lèi)表計(jì)，采集內(nèi)容及方式大致相同,，應(yīng)建設(shè)統(tǒng)一的計(jì)量采集系統(tǒng)前端,，通過(guò)融合通道將四表數(shù)據(jù)協(xié)同傳輸?shù)胶蠖烁髯灾髡荆鸵延械耐ㄐ偶夹g(shù)很難同時(shí)滿(mǎn)足覆蓋面,、傳輸帶寬,、時(shí)延、運(yùn)維等多方面問(wèn)題,?；谝陨闲枨螅岢龌谛碌耐ㄐ偶夹g(shù)LoRa來(lái)實(shí)現(xiàn)四表合一計(jì)量采集系統(tǒng)的傳輸,。通過(guò)對(duì)LoRa性能進(jìn)行分析來(lái)判斷其應(yīng)用于計(jì)量系統(tǒng)的可行性,，并設(shè)計(jì)傳輸架構(gòu)、軟硬件組成,，最終通過(guò)實(shí)測(cè)完成傳輸性能驗(yàn)證,。本方式開(kāi)啟了四表合一部署方式的新紀(jì)元，為實(shí)際部署提供了理論及實(shí)驗(yàn)依據(jù),。

發(fā)表于：12/17/2019 1:13:00 PM

PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)齒輪箱故障診斷[嵌入式技術(shù)][物聯(lián)網(wǎng)]

針對(duì)目前齒輪箱系統(tǒng)在利用神經(jīng)網(wǎng)絡(luò)故障診斷時(shí)存在正確識(shí)別率低和依靠經(jīng)驗(yàn)選擇參數(shù)的問(wèn)題,，提出了基于粒子群優(yōu)化BP網(wǎng)絡(luò)的齒輪箱故障診斷方法。簡(jiǎn)要介紹利用齒輪振動(dòng)原理提取特征參數(shù)建立故障模型,，該模型以齒輪箱特征向量為輸入,、故障類(lèi)型為輸出,，詳細(xì)分析了通過(guò)BP神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)和粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)齒輪箱故障診斷,。仿真結(jié)果表明,，BP神經(jīng)網(wǎng)絡(luò)對(duì)齒輪箱故障診斷收斂速度慢，故障識(shí)別率為82%,；概率神經(jīng)網(wǎng)絡(luò)的模型故障診斷識(shí)別率依據(jù)經(jīng)驗(yàn)選取spread值決定,，故障識(shí)別率最大為98%；粒子群優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)故障診斷分類(lèi)識(shí)別率為100%且自適應(yīng)能力強(qiáng),。

發(fā)表于：12/16/2019 10:17:00 AM