麻豆国产精品蜜桃va在线播放,久久午夜无码鲁丝片秋霞,青青青日本手机在线视频

面向云計算環(huán)境的CFD數(shù)據(jù)可視化分析服務(wù)[其他][數(shù)據(jù)中心]

針對目前CFD（Computational Fluid Dynamics）軟件數(shù)據(jù)可視化分析所需計算量大且操作不靈活的問題，面向CFD數(shù)據(jù)可視化分析需求，實現(xiàn)了一個CFD數(shù)據(jù)可視化分析服務(wù)原型軟件。在該原型軟件中，研究了自適應(yīng)客戶端的服務(wù)自適應(yīng)QoS（Quality of Service）優(yōu)化技術(shù)，降低不同客戶端計算環(huán)境對服務(wù)質(zhì)量的影響；研究設(shè)計了基于消息中間件的服務(wù)集成接口，提高了服務(wù)使用的靈活性。面向云計算環(huán)境的CFD數(shù)據(jù)可視化分析服務(wù)發(fā)揮了云端服務(wù)器的性能優(yōu)勢，應(yīng)用了“云+端”的開發(fā)新模式，具備靈活性和可擴展性。

發(fā)表于：3/29/2023

局部動態(tài)可重構(gòu)FPGA進(jìn)程式調(diào)度系統(tǒng)設(shè)計與實現(xiàn)[嵌入式技術(shù)][其他]

針對6G時代多樣的邊緣計算要求，基于FPGA上的可重構(gòu)技術(shù)可以實現(xiàn)更低的時延同時提供多樣性的服務(wù)?；诰植縿討B(tài)重配置的思路，使用ICAP接口對FPGA資源進(jìn)行重新配置，從而實現(xiàn)FPGA邏輯上的局部動態(tài)可重構(gòu)方案。借鑒操作系統(tǒng)中軟件進(jìn)程管理的思想，基于Linux操作系統(tǒng)中引入硬件進(jìn)程的概念，這樣可以將一整塊FPGA資源劃分為多個小的FPGA資源塊，每一個小的可重構(gòu)的FPGA資源塊都可以抽象成為一個硬件進(jìn)程，硬件進(jìn)程實際并不運行在CPU上而是運行在FPGA邏輯資源區(qū)域中，在操作系統(tǒng)上只是硬件進(jìn)程的軟件語言描述。由此，設(shè)計出CPU加FPGA的硬件方案來實現(xiàn)局部可重構(gòu)系統(tǒng)，并在Xilinx公司Zynq系列芯片上進(jìn)行了驗證，將FPGA硬件資源進(jìn)行進(jìn)程式調(diào)度以及資源分配，大大提高了FPGA硬件資源的利用率以及靈活性。

發(fā)表于：3/29/2023

數(shù)值預(yù)報中試系統(tǒng)設(shè)計與關(guān)鍵技術(shù)實現(xiàn)[其他][數(shù)據(jù)中心]

氣象數(shù)值預(yù)報模式是數(shù)值天氣預(yù)報業(yè)務(wù)的重要基礎(chǔ)，模式的研發(fā)改進(jìn)需要在高性能計算環(huán)境中不斷地開展模擬試驗來檢驗評估預(yù)報效果。針對氣象科學(xué)家手工編排批處理腳本開展數(shù)值模擬試驗方式中存在的不便捷、耗時長、不可見、底層細(xì)節(jié)復(fù)雜、試驗分析比對困難等問題，采用C/S架構(gòu)，基于Python和工作流技術(shù)，設(shè)計實現(xiàn)了可視化界面交互“建模-計算-監(jiān)控-分析-管理-共享”全流程集成應(yīng)用的數(shù)值預(yù)報中試系統(tǒng)。應(yīng)用結(jié)果表明，系統(tǒng)提升了模式研發(fā)試驗效率和高性能計算機系統(tǒng)的易用性，在數(shù)值天氣預(yù)報模式研發(fā)中試中發(fā)揮重要支撐作用，擴展性良好。

發(fā)表于：3/29/2023

基于智能電網(wǎng)的頻譜感知算法研究[通信與網(wǎng)絡(luò)][智能電網(wǎng)]

寬帶微功率（Broadband Micro-Power， BMP）無線通信系統(tǒng)是為滿足智能配用電系統(tǒng)的通信需求，在非授權(quán)頻譜資源上研究開發(fā)的電力無線專網(wǎng)系統(tǒng)。認(rèn)知無線電（Cognitive Radio， CR）的頻譜感知技術(shù)的引入，雖緩解了目前智能電網(wǎng)頻譜資源緊張的問題，但系統(tǒng)在低信噪比下單用戶的感知準(zhǔn)確性仍需提高。針對上述問題，提出一種基于變步長的最小均方（Variable Step Size Least Mean Square， VSS-LMS）頻譜感知算法。該算法在對原始發(fā)送信號幅度進(jìn)行迭代估計時，增加兩個參數(shù)作為調(diào)節(jié)器，可以靈活地調(diào)整步長，并對誤差信號進(jìn)行平滑處理，從而解決收斂速度與穩(wěn)態(tài)誤差的矛盾，實現(xiàn)高效的頻譜感知。仿真實驗表明，該算法不僅具有較好的收斂性，且在低信噪比下仍有較好的檢測性能。與能量檢測算法和LMS頻譜感知算法相比，該算法使系統(tǒng)的頻譜檢測性能得到提升。

發(fā)表于：3/29/2023

基于NOMA的D2D用戶和蜂窩用戶通信方案[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

LTE網(wǎng)絡(luò)采用非正交多址來增強網(wǎng)絡(luò)容量，采用D2D來提高頻譜效率；讓D2D用戶使用非正交多址技術(shù)共享蜂窩用戶的頻譜資源可以緩解當(dāng)下頻譜資源短缺的問題，但也會在D2D用戶和蜂窩用戶之間引入干擾。提出了一種基于非正交多址技術(shù)（Non-orthogonal Multiple Access，NOMA）的D2D用戶和蜂窩用戶的共享研究方案，對于蜂窩用戶和D2D用戶之間的干擾采用SIC技術(shù)消除。該方案不僅通過調(diào)整用戶的傳輸功率來優(yōu)化系統(tǒng)的吞吐量，而且提高了邊緣用戶的性能。仿真結(jié)果表明，基于NOMA的D2D用戶和蜂窩用戶之間的通信方案在性能上優(yōu)于傳統(tǒng)的蜂窩資源分配方案和干擾控制方案。

發(fā)表于：3/29/2023

風(fēng)電場智能鑰匙安全管控系統(tǒng)的研發(fā)與應(yīng)用[通信與網(wǎng)絡(luò)][信息安全]

風(fēng)電場鎖具與鑰匙管理的信息化和智能化是進(jìn)一步提升風(fēng)電場運維管理水平的關(guān)鍵。設(shè)計出一種用于風(fēng)電場的智能鑰匙安全管控架構(gòu)；再結(jié)合提出的近距離無線通信抗干擾技術(shù)、密鑰加密、動態(tài)攻擊檢測技術(shù)，研發(fā)出了一套風(fēng)電場智能鑰匙安全管控系統(tǒng)。系統(tǒng)能實現(xiàn)開閉鎖信息追溯、風(fēng)險防控等功能，提升了風(fēng)電場運維的網(wǎng)絡(luò)化、數(shù)字化、智能化水平。

發(fā)表于：3/29/2023

基于改進(jìn)EO-BP神經(jīng)網(wǎng)絡(luò)的高壓線損預(yù)測[測試測量][智能電網(wǎng)]

針對高壓線損預(yù)測精度不高的問題，提出一種基于均衡優(yōu)化器（Equilibrium Optimizer，EO）和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的線損預(yù)測模型。首先，為了提高EO算法的尋優(yōu)能力，利用多種混沌映射關(guān)系初始化種群，使種群多樣性增加，全局搜索能力得到改善；同時，采用物競天擇概率跳脫策略改進(jìn)EO算法，使模型依概率跳出局部最優(yōu)而收斂于全局最優(yōu)解。其次，采用改進(jìn)的EO算法對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和偏置進(jìn)行優(yōu)化，進(jìn)而改善BP神經(jīng)網(wǎng)絡(luò)的預(yù)測效果。最后，實驗結(jié)果證明，所提線損預(yù)測模型相對于回歸模型、BP神經(jīng)網(wǎng)絡(luò)模型、模擬退火算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型和EO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型具有更高的預(yù)測精度。

發(fā)表于：3/29/2023

一種片外電容交叉充放電型振蕩電路設(shè)計[模擬設(shè)計][工業(yè)自動化]

CMOS環(huán)形振蕩器具有版圖面積小、調(diào)諧范圍大、電路簡單便于集成等優(yōu)點，廣泛應(yīng)用于各類電源系統(tǒng)及電子通信應(yīng)用中。在常規(guī)的環(huán)形振蕩電路基礎(chǔ)上，設(shè)計了獨立的充放電控制通路，實現(xiàn)了一種交叉充放電型環(huán)形振蕩電路，并通過外接片外電容的方式，得到更低頻率的振蕩周期?；?.18 μm工藝，采用HSIM工具對電路進(jìn)行功能仿真，經(jīng)過后端物理實現(xiàn)后，版圖面積為172 μm×76 μm，對電路進(jìn)行提參后仿，結(jié)果表明：在3.3 V電壓及25 ℃條件下，外接10 nF接地電容時，電路獲得約1.2 ms的穩(wěn)定振蕩周期。在Vcc=2.7 V~5.5 V、T=-55 ℃~125 ℃條件下，時鐘周期的最大偏移為5.83%。該電路已成功應(yīng)用于某電源控制芯片中。

發(fā)表于：3/29/2023

基于PCIE轉(zhuǎn)SATA多通道高速存儲電路設(shè)計與原型驗證[模擬設(shè)計][工業(yè)自動化]

針對傳統(tǒng)SATA控制器接口單一且無法充分發(fā)揮固態(tài)盤性能的問題，設(shè)計了一款基于PCIE轉(zhuǎn)SATA多通道高速存儲電路。充分利用PCIE總線高帶寬低延時特性，并遵循AHCI協(xié)議，大幅縮短硬盤無用的尋道次數(shù)和數(shù)據(jù)查找時間，提高固態(tài)盤的讀寫性能，同時本設(shè)計可支持4路SATA通道，具有良好的可拓展性。設(shè)計結(jié)合PCIE和SATA協(xié)議特點，介紹了PCIE轉(zhuǎn)SATA高速存儲電路的系統(tǒng)架構(gòu)，詳細(xì)闡述了基于AHCI協(xié)議的數(shù)據(jù)流傳輸過程。最后基于FPGA原型驗證對電路進(jìn)行測試，電路的單盤讀寫速率分別為562 MB/s和527 MB /s，相比傳統(tǒng)SATA控制器的讀寫性能具有較大提升，測試結(jié)果表明設(shè)計的PCIE轉(zhuǎn)SATA高速存儲電路讀寫性能優(yōu)異，且具備良好的穩(wěn)定性和可拓展性。

發(fā)表于：3/29/2023

敏捷和智能制造開創(chuàng)工業(yè)4.0的未來[人工智能][工業(yè)自動化]

　　近來有關(guān)工業(yè)4.0的談?wù)撌譄崃遥@一術(shù)語用于描述制造業(yè)領(lǐng)域興起的數(shù)字化、自動化和互連計算智能的趨勢。隨著工業(yè)4.0的發(fā)展，圍繞云計算、物聯(lián)網(wǎng)、安全互連以及AI等技術(shù)的價值和功能日益凸顯，有望帶來更加智能、穩(wěn)定和高效的制造。

發(fā)表于：3/29/2023

利用軟件可配置I/O應(yīng)對工業(yè)4.0挑戰(zhàn)[電源技術(shù)][物聯(lián)網(wǎng)]

　　本文介紹一種軟件可配置輸入/輸出（I/O）器件及其專用隔離電源和數(shù)據(jù)解決方案，該解決方案有助于應(yīng)對傳統(tǒng)模擬信號與工業(yè)以太網(wǎng)的橋接挑戰(zhàn)。本文闡明了軟件可配置I/O器件固有的通道靈活性、故障檢測和診斷功能方面的優(yōu)勢。本文還給出了系統(tǒng)級評估結(jié)果，展示了系統(tǒng)解決方案的整體優(yōu)勢，包括系統(tǒng)穩(wěn)健性和功耗。

發(fā)表于：3/29/2023

一種快速瞬態(tài)響應(yīng)片上LDO電路[電子元件][工業(yè)自動化]

基于雙有源反饋米勒補償結(jié)構(gòu)設(shè)計了一種單極點系統(tǒng)的無電容片上低壓差線性穩(wěn)壓器，該線性穩(wěn)壓器中誤差放大器采用全差分結(jié)構(gòu)，兩個并聯(lián)的前饋通路可在提升電路瞬態(tài)響應(yīng)性能的同時額外在功率管柵端構(gòu)成推挽驅(qū)動級，最終電路在輕重載時具有對稱的瞬態(tài)響應(yīng)特性。基于TSMC 0.18µm BCD工藝仿真結(jié)果表明，在2 V~4 V電源電壓下，輸入輸出最小壓差為200 mV，最大負(fù)載電流為120 mA，瞬態(tài)響應(yīng)恢復(fù)時間≤0.7 µs，相位裕度≥60°。

發(fā)表于：3/28/2023

基于YOLOX融合自注意力機制的FSA-FPN重構(gòu)方法[人工智能][其他]

隨著目前目標(biāo)檢測任務(wù)輸入圖像分辨率的不斷增大，在特征提取網(wǎng)絡(luò)的感受野不變的情況下，網(wǎng)絡(luò)提取的特征信息會越來越局限，相鄰特征點之間的信息重合度也會越來越高。提出一種FSA（Fusion Self-Attention）-FPN，設(shè)計SAU（Self-Attention Upsample）模塊，SAU內(nèi)部結(jié)構(gòu)通過CNN與自注意力機制（Self-Attention）進(jìn)行交叉計算以進(jìn)一步進(jìn)行特征融合，并通過重構(gòu)FCU（Feature Coupling Unit）消除二者之間的特征錯位，彌補語義差距。以YOLOX-Darknet53為主干網(wǎng)絡(luò)，在Pascal VOC2007數(shù)據(jù)集上進(jìn)行了對比實驗。實驗結(jié)果表明，對比原網(wǎng)絡(luò)的FPN，替換FSA-FPN后的平均精度值mAP@［.5：.95］提升了1.5%，預(yù)測框的位置也更為精準(zhǔn)，在需要更高精度的檢測場景下有更為出色的使用價值。

發(fā)表于：3/28/2023

基于深度學(xué)習(xí)的變壓器故障信號識別算法[人工智能][其他]

針對變壓器結(jié)構(gòu)復(fù)雜、維護(hù)成本高等特點，提出一種基于深度學(xué)習(xí)的變壓器故障信號識別算法。首先分析變壓器工作狀態(tài)下的聲紋信號并進(jìn)行二維圖像信號的轉(zhuǎn)換，利用VGG16神經(jīng)網(wǎng)絡(luò)在圖像中的優(yōu)勢，并在此基礎(chǔ)上提出一種MCA注意力機制，該注意力機制能夠同時保留背景信息和細(xì)節(jié)信息；其次對VGG16中的最大池化下采樣進(jìn)行優(yōu)化，采用一種軟池化的采樣方法，減少圖像中最大池化下采樣帶來的特征損失；最后為避免過擬合現(xiàn)象的發(fā)生，將VGG16頂層結(jié)構(gòu)中的激活函數(shù)進(jìn)行優(yōu)化，引用可以自歸一化的SELU激活函數(shù)。實驗證明，廣義S變換是將一維時域信號轉(zhuǎn)換為二維圖像信號的最佳選擇，所提算法對于6類故障信號的平均識別率達(dá)到99.15%。

發(fā)表于：3/28/2023

一種深度神經(jīng)網(wǎng)絡(luò)的分布式訓(xùn)練方法[人工智能][數(shù)據(jù)中心]

深度神經(jīng)網(wǎng)絡(luò)在高維數(shù)據(jù)的分類和預(yù)測中取得了巨大成功。訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)是數(shù)據(jù)密集型的任務(wù)，需從多個數(shù)據(jù)源收集大規(guī)模的數(shù)據(jù)。這些數(shù)據(jù)中通常包含敏感信息時，使得深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程容易泄露數(shù)據(jù)隱私。針對訓(xùn)練過程中的數(shù)據(jù)隱私和通信代價問題，提出了一種深度神經(jīng)網(wǎng)絡(luò)的分布式訓(xùn)練方法，允許基于多個數(shù)據(jù)源共同訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。首先，提出了分布式訓(xùn)練架構(gòu)，由1個計算中心和多個代理組成。其次，提出了基于多代理的分布式訓(xùn)練算法，允許代理在數(shù)據(jù)不出本地和減少通信代價的情況下，通過切割深度神經(jīng)網(wǎng)絡(luò)，實現(xiàn)分布式地共同訓(xùn)練模型。然后，分析了算法的正確性。最后，實驗結(jié)果表明該方法是有效的。

發(fā)表于：3/28/2023