123,123,123

基于VxWorks的PDFlib庫文件研究與應(yīng)用[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

在自動(dòng)化測(cè)試中，為了避免人為修改測(cè)試報(bào)告，采用直接生成PDF文件的方式是一種最優(yōu)選擇。基于此項(xiàng)要求，研究了PDFlib庫在嵌入式系統(tǒng)VxWorks下生成PDF文檔的方法，并在一個(gè)實(shí)際例子中進(jìn)行了應(yīng)用測(cè)試，結(jié)果表明該研究在進(jìn)行自動(dòng)化測(cè)試并生成PDF報(bào)告文件時(shí)確實(shí)可以提供一種切實(shí)可行的方法。

發(fā)表于：2020/6/18 14:25:00

基于開源仿真器的蜂窩V2X的性能分析[MEMS|傳感技術(shù)][汽車電子]

僅通過車輛傳感器在高速公路上實(shí)現(xiàn)自動(dòng)駕駛是可能的，但是在復(fù)雜的城市環(huán)境中實(shí)現(xiàn)自動(dòng)駕駛?cè)源嬖谔魬?zhàn)。而蜂窩車聯(lián)網(wǎng)(Cellular-Vehicle to Everything，C-V2X)是應(yīng)對(duì)此挑戰(zhàn)的有效技術(shù)，其也引起了廣泛關(guān)注。然而，目前C-V2X模式4沒有開源的仿真軟件。為此，基于離散事件網(wǎng)絡(luò)仿真軟件NS-3，提出開源的C-V2X模式4的仿真軟件。構(gòu)建了最擁塞的場(chǎng)景和基于微交通仿真器SUMO產(chǎn)生的城市Manhattan網(wǎng)格場(chǎng)景，進(jìn)而分析仿真器的性能。同時(shí)，分析了資源分配間隔和資源重選率對(duì)數(shù)據(jù)包接收率的影響。

發(fā)表于：2020/6/17 11:49:00

基于頻譜的機(jī)場(chǎng)周邊寬帶電磁干擾源識(shí)別[測(cè)試測(cè)量][航空航天]

為了識(shí)別機(jī)場(chǎng)周邊電磁干擾源，對(duì)多種干擾進(jìn)行頻譜數(shù)據(jù)采集，基于干擾源物理特性，進(jìn)行人工特征提取，選取包絡(luò)峰值、頻譜能量、變異系數(shù)組合成識(shí)別特征集。使用熵值法衡量特征集的離散度，突出類內(nèi)特征值集中、類間差異大的特征值點(diǎn)，賦權(quán)得到一個(gè)雙加權(quán)的特征模板。將每個(gè)特征模板映射為高維空間的一個(gè)點(diǎn)，計(jì)算模板點(diǎn)與測(cè)試點(diǎn)的歐式距離，使用均值方差法進(jìn)行閾值劃分，用模板匹配的方法進(jìn)行模式識(shí)別。實(shí)驗(yàn)結(jié)果說明此方法性能穩(wěn)定，且快速高效，對(duì)機(jī)場(chǎng)周邊的寬帶電磁干擾源識(shí)別率高，具有較高的實(shí)用價(jià)值。

發(fā)表于：2020/6/17 11:44:00

基于灰色BP-NN優(yōu)化組合的PM2.5預(yù)測(cè)[模擬設(shè)計(jì)][其他]

針對(duì)傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型無法有效表達(dá)時(shí)間序列數(shù)據(jù)中存在的歷史特征的缺陷，提出利用灰色預(yù)測(cè)原理具備發(fā)現(xiàn)事物歷史變化規(guī)律性的優(yōu)勢(shì)來解決BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的這一弱點(diǎn)，最后得到的灰色BP-NN優(yōu)化組合模型具備了更高的預(yù)測(cè)精度。實(shí)驗(yàn)采用中國氣象站2018年1月至2月北京市10個(gè)監(jiān)測(cè)點(diǎn)的PM2.5質(zhì)量濃度及其對(duì)應(yīng)的每小時(shí)的空氣污染物濃度、氣象因子建立神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并采用灰色預(yù)測(cè)算法對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行改進(jìn)，改進(jìn)后的結(jié)果為：在系統(tǒng)誤差上有了較大的降低，同時(shí)預(yù)測(cè)結(jié)果與實(shí)測(cè)結(jié)果之間的擬合程度更好。

發(fā)表于：2020/6/16 14:26:00

機(jī)器人無標(biāo)定視覺伺服系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

為了實(shí)現(xiàn)手眼關(guān)系無標(biāo)定情況下的機(jī)械臂末端定位，針對(duì)單目手眼系統(tǒng)，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于圖像的無標(biāo)定視覺伺服系統(tǒng)。進(jìn)行模塊化的系統(tǒng)設(shè)計(jì)，使用卡爾曼濾波器在線估計(jì)關(guān)節(jié)-圖像雅可比矩陣，根據(jù)關(guān)節(jié)-圖像速度數(shù)學(xué)模型設(shè)計(jì)圖像視覺伺服控制器，利用C++多線程技術(shù)開發(fā)各個(gè)并行算法模塊，實(shí)現(xiàn)了在手眼關(guān)系完全無標(biāo)定情況下機(jī)械臂末端的高精度定位。實(shí)驗(yàn)表明，該系統(tǒng)的定位精度為0.1像素。

發(fā)表于：2020/6/16 14:19:00

云螢火蟲算法改進(jìn)二維Tsallis熵的醫(yī)學(xué)圖像分割[模擬設(shè)計(jì)][醫(yī)療電子]

為提高醫(yī)學(xué)圖像分割的效果，針對(duì)二維Tsallis熵閾值法圖像分割效果受參數(shù)q選擇的影響，提出一種基于云模型螢火蟲算法優(yōu)化二維Tsallis熵的醫(yī)學(xué)圖像分割算法。首先，將云模型引入螢火蟲算法，提高螢火蟲算法的收斂速度和尋優(yōu)能力；其次，選擇均勻性測(cè)度作為醫(yī)學(xué)圖像分割的評(píng)價(jià)指標(biāo)，運(yùn)用CMFA算法對(duì)二維Tsallis熵閾值法參數(shù)q進(jìn)行自適應(yīng)尋優(yōu)。研究結(jié)果表明，與FA-Tsallis和Tsallis相比較，CMFA-Tsallis的均勻性測(cè)度最高，分割出來的結(jié)果邊界清晰，從而證明本算法的有效性。

發(fā)表于：2020/6/15 14:29:00

一種準(zhǔn)確測(cè)量溫濕度的光纖Bragg光柵傳感器[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

為了準(zhǔn)確測(cè)量電梯轎廂內(nèi)溫濕度變化信息，研制了一種結(jié)構(gòu)簡單的光纖Bragg光柵(FBG)溫濕度傳感器。傳感器由光柵長度為20 mm的FBG構(gòu)成，其中光柵長度為12 mm的區(qū)域采用濕腐蝕法腐蝕至7.8 μm，并在其表面涂覆聚酰亞胺濕敏材料，用于響應(yīng)濕度變化信息；未被腐蝕的8 mm光柵用于響應(yīng)溫度變化信息。實(shí)驗(yàn)研究了光纖腐蝕區(qū)域和未腐蝕區(qū)域?qū)貪穸鹊捻憫?yīng)特性，濕敏膜涂覆厚度對(duì)光柵腐蝕區(qū)濕度響應(yīng)特性的影響，濕敏涂覆后光柵腐蝕區(qū)對(duì)溫度的響應(yīng)特性，以及傳感器對(duì)變溫變濕環(huán)境的響應(yīng)特性。實(shí)驗(yàn)結(jié)果表明：當(dāng)濕敏膜厚度為80 μm時(shí)，光柵腐蝕區(qū)對(duì)濕度的響應(yīng)靈敏度為17.1 pm/(%RH)；未腐蝕區(qū)域?qū)囟鹊捻憫?yīng)靈敏度為9.9 pm/℃；變溫(30~70 ℃)變濕(20~90%RH)環(huán)境測(cè)試時(shí)，傳感器能準(zhǔn)確測(cè)量溫度及濕度。

發(fā)表于：2020/6/15 14:23:00

基于數(shù)據(jù)挖掘的多功能OBD車載終端系統(tǒng)設(shè)計(jì)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

BD車載終端可實(shí)現(xiàn)對(duì)車輛運(yùn)行信息的捕獲，進(jìn)而實(shí)現(xiàn)對(duì)車、人、環(huán)境三方面的狀態(tài)監(jiān)測(cè)。針對(duì)目前OBD產(chǎn)品功能單一的現(xiàn)狀，設(shè)計(jì)并開發(fā)了一套多功能OBD車載終端設(shè)備。硬件平臺(tái)基于英飛凌公司的XMC4500系列32位高性能處理器，配備了4G通信模塊及WiFi模塊，實(shí)現(xiàn)了車輛數(shù)據(jù)上傳與無線網(wǎng)絡(luò)環(huán)境覆蓋。搭載了MPU-9250陀螺儀，實(shí)現(xiàn)對(duì)車輛的9軸運(yùn)動(dòng)檢測(cè)，支持SDHC大容量數(shù)據(jù)的讀寫操作。為了增強(qiáng)用戶的體驗(yàn)，增加了數(shù)字FM音頻模塊及胎壓監(jiān)測(cè)模塊，可提高用戶的駕駛感受。該設(shè)計(jì)可實(shí)現(xiàn)對(duì)車輛發(fā)動(dòng)機(jī)參數(shù)的采集與上傳，通過上位機(jī)平臺(tái)對(duì)數(shù)據(jù)的算法計(jì)算，能夠?qū)︸{駛行為及UBI保險(xiǎn)業(yè)務(wù)提供參考依據(jù)。

發(fā)表于：2020/6/12 10:08:00

基于機(jī)器雙目視覺的奶牛體尺參數(shù)的測(cè)量應(yīng)用[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

為解決奶牛養(yǎng)殖過程中人工測(cè)量奶牛體尺的繁瑣的問題，減少投入的人力、工作量以及奶牛的應(yīng)激反應(yīng)，提出一種基于機(jī)器雙目視覺無應(yīng)激反應(yīng)奶牛體尺數(shù)據(jù)的測(cè)量方法。該方法主要包括攝像機(jī)的標(biāo)定、圖像的獲取、圖像的預(yù)處理、奶牛外部輪廓的提取，通過SIFT算法進(jìn)行奶牛特征點(diǎn)的匹配，通過計(jì)算得到的匹配點(diǎn)三維坐標(biāo)可計(jì)算出奶牛的體尺數(shù)。實(shí)驗(yàn)對(duì)20頭奶牛進(jìn)行圖片采集，奶牛體尺的平均誤差小于1.21%。機(jī)器視覺技術(shù)應(yīng)用于奶牛畜牧養(yǎng)殖領(lǐng)域，加快了實(shí)現(xiàn)奶牛的精細(xì)化飼喂養(yǎng)殖。

發(fā)表于：2020/6/12 10:03:00

基于BP神經(jīng)網(wǎng)絡(luò)的超聲測(cè)流量系統(tǒng)精度提升[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

基于超聲波測(cè)流量的時(shí)差法測(cè)量原理，分析了換能器凹凸安裝和安裝位置偏差引起的測(cè)量誤差，建立了測(cè)流量的系統(tǒng)模型，提出了基于BP神經(jīng)網(wǎng)絡(luò)的流量計(jì)算方法以補(bǔ)償測(cè)量誤差。以Senscomp Tao2008超聲波探頭為例，在基于神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)的系統(tǒng)軟硬件中測(cè)量流量。從探頭安裝位置偏差、凹凸安裝以及不同流速等方面進(jìn)行分析，實(shí)驗(yàn)結(jié)果表明，神經(jīng)網(wǎng)絡(luò)比傳統(tǒng)的權(quán)重系統(tǒng)擁有更強(qiáng)的非線性補(bǔ)償能力。

發(fā)表于：2020/6/11 9:42:00