SIL验证与安全仪表系统的优化设计

安全仪表功能(SIF)回路是为了降低特定场景的安全风险而设置的,定级报告中SIF回路的功能描述是工艺设计的完整逻辑要求,包含关键动作及附件动作。安全完整性等级(SIL)验证属于概率学领域研究范畴,影响失效率的因素多且复杂。如果SIL验证无法通过,将造成大量的设计变更,浪费工程投资,影响工期。设计人员应关注SIL定级报告中关键动作的识别、要求平均失效概率以及SIF回路架构的约束。按照文中方法优化测量元件、逻辑控制器、执行元件及辅助元件的设计,可增加通过验证的概率。在没有预验证及安全要求规格书时,可以参考文中典型可通过SIL验证的SIF回路的经验架构进行优化设计,以减少工程变更。     

测试轻松做 英语学习更给力

小学英语老师常常会给家长留一些作业,让家长给孩子出英汉连线题、选择题等,并对测验结果进行评判。这下可把家长忙坏了,不光是出题,还得判题。能不能让电脑来自动完成这项任务呢?当然可以!安装Snap!by Lectora插件到PPT中,利用它就能轻松实现上述任务,让孩子在轻松快乐的环境中高效学习英语。     

SDN中基于KMOBPSO的高可靠性控制器部署算法

针对SDN中控制器系统的单节点故障问题,兼顾系统成本和系统时延,应用N+1冗余备份模型来提高SDN控制器部署的可靠性,并将其抽象为多目标优化问题.同时,提出了一种融合K-means聚类算法和遗传算子的多目标二进制粒子群算法——KMOBPSO算法,以求解SDN控制器高可靠性部署问题的解.仿真结果表明,所提算法具有求解精度高、分布均匀、沿Pareto前沿面覆盖广的特点,能够显著提高SDN中控制器部署的可靠性.     

“任务驱动”教学法在可编程控制器课程教学中的实践与分析

以可编程控制器课程为例,介绍"任务驱动"教学法在教学过程中的具体应用,并探讨了实施过程中存在的问题与解决方法。     

基于SoC的多轴驱控一体化平台设计

随着FPGA技术和电力电机技术的发展,FPGA+ARM的集成方式已经成为FPGA的发展方向.针对一体化多轴运动控制与驱动的特点,选用了集成双核ARM CPU与FPGA结合的Xilinx Zynq-7020全可编程System-on-chip(SoC)作为硬件平台,一个ARM CPU完成多轴的位置环、速度环和电流环的算法以及多轴轨迹生成,能同时完成伺服高级算法如谐振等,另一个ARM CPU完成交互功能,发挥FPGA高速运算的功能,完成6轴电流环流水线控制以及双采样双更新电流环算法.提高了系统整体带宽,实现多轴ns级同步精度以实现更精确的位置轨迹,驱控一体内部数据通过共享内存以及高速内部总线的方式进行交换,其传输速度更快、传输信息更加丰富.     

教师修正性反馈对高职理科学生写作中冠词使用的影响

本研究检测了直接和间接两种修正性反馈与国内高职理科学生写作水平的关系。本实验持续五周,将150名学习者分为直接反馈组、间接反馈组及控制组,共安排了一次预先测试,,一次即时后测和一次延时后测,并分别对各组进行考察,结果显示两个实验组进步显著,且直接反馈效果最明显。     

ST STWBC:可定制的无线电池充电控制器

ST的STWBC数字控制器用于控制无线电池充电器(WBC,wireless battery charger)从发射器(TX)向接收器(RX)的电能传输,为内置无线充电手机、穿戴式装置以及采用电磁感应充电技术的电池供电产品提供灵活且高能效的无线充电解决方案。作为Qi无线充电联盟(Wireless Power Consortium)和电源事物联盟(PMA,Power Matters Alliance)两大无线充电行业联盟的成员,意法半导体完全遵守这些先进无线充电协议,并且是全球首批持有最新的Qi 1.1.2 A11标准证书的企业之一。     

分数阶全变分泊松去噪的快速线性化增广拉格朗日方法

近年来,有关分数阶全变分(FOTV)的图像去噪问题被广为研究。快速傅里叶变换(FFT)是求解相关子问题最常用的方法,但是FFT只适用于周期边界条件。为了能在非周期边界条件下也能实现好的去噪效果,针对FOTV泊松图像去噪模型,结合增广拉格朗日方法(ALM)和线性化技术提出新的算法。实验表明,在周期边界条件下,与采用FFT的增广拉格朗日方法相比,本文提出的算法在达到几乎相同的去噪效果时,收敛速度较快。而且在零Dirichlet边界条件时,也能实现好的去噪效果。     

基于奖励值RNN和A2C模型的音乐生成

我们提出了一个新的方法—基于奖励值RNN的优势演员-评论家算法(R-A2C)来生成音乐。我们的模型首先使用一个带有注意力机制的RNN模型(Recurrent neural network)预处理数据并将此作为先验策略,然后我们将包含先验策略和用户反馈信息的奖励值RNN增加到A2C(Advantage Actor-Critic)模型中,使得任意用户给定的约束与循环网络的风格相结合,以此来鼓励演员生成更符合用户需求的音乐,实验表明我们的模型取得了预期的效果。