实时操作系统VxWorks在微机保护中的应用

基于微机保护设备中引入嵌入式实时操作系统,可以很好地满足设备实时性和保护稳定性的要求,满足新型保护设备的发展要求,在对多任务实时操作系统(RTOS)特点分析论述的基础上,重点介绍VxWorks在保护设备中的应用,分析了多任务实时操作系统VxWorks对微机保护的影响,最后研究了针对微机保护装置如何进行系统移植和应用程序开发的详细步骤.     

一种新型多功能、标准化动力电池测试系统

本文设计开发一种新型多功能动力电池检测系统,该系统基于标准化设计,具有测试功能完善,可扩展性强,灵活性高,精度高的特点。同时软件系统集成UCOS-II多任务操作系统,可同时处理多项任务,数据处理能力强,软件系统功能齐全,可满足二次动力电池的性能测试要求,具有广阔的应用前景。     

基于μC/OS-III的供电综合保护器设计

针对供电综合保护系统功能和硬实时特性的要求,使用Cotex-M3内核MCU,基于μC/OS-III实时操作系统,应用库开发方式完成了供电综合保护器的设计。根据系统要求,将保护功能划分为数据采集处理、保护和GUI显示等10个优先级不同的应用任务。基于优先级对应用任务进行管理,任务间通过信号量、任务消息队列和事件标志组等内核对象实现通信和同步,从而达到系统实时运行。经系统仿真监测实验,表明基于μC/OS-III的保护程序设计能可靠实现多任务系统的实时运行。通过对μC/OS-III系统任务的监测功能的合理配置,可对软件系统运行状态进行监测,并发现软件运行细节的不足,有利于后期优化升级改进。     

IPC配电测控实验台多任务实时调度系统的设计

针对目前高校测控实验仪功能单一,对测控系统的可靠性、实时性等不能很好地模拟等问题,研究和设计了一套配电测控模拟实验台,由上下位机系统构成。下位机以工控机为核心,配装简化的多任务实时操作系统,能够对16路开关量、64路模拟量及多个键盘任务进行实时检测和控制,并能够和上位机进行定时通信,将收集数据及时传送给上位机,进行汇总、分析和报表打印等。重点分析了下位机的实时多任务之间的关系,调度过程原理及简化的多任务实时操作系统的设计。     

GALAXYNote3手机及Gear智能手表同时在京发布

9月23日三星电子在北京正式发布GALAXYNote3手机和Gear智能手表。NOte3手机采用5．7英寸屏幕．配置8核处理器（3G版本）和高达3GB内存．并加强了S—Pen相关应用和多任务能力，如“智能备忘录”（ActiOnMemO）可识别手写内容．执行手写指令．如拨打电话、查询地址，搜索网页、保存任务等。“截屏编写”（ScreenWrite）功能则可抓取图片，并在其上添加评论或附加信息。     

嵌入式实时操作系统中的数据缓冲技术

数据缓冲是软件领域的常用开发技术,在多任务实时操作系统中,数据缓冲及相应的操作系统任务设计影响到整个系统的性能及稳定性。本文提出"高优先级-低复杂度"的操作系统任务设计原则,尽可能地将高优先级任务中的复杂工作量拆分到低优先级的任务当中,借助数据缓冲来完成工作的传递,由此带来系统性能的提升,在实际产品中取得了良好效果。     

智能动作标签在花样滑冰赛事场记中的应用探索

AI动作识别与体育赛事结合成为一个热点,产生了基于深度学习的体育视频智能动作标签这个未来具备高应用价值的研究领域。本文就花样滑冰项目智能动作标签研究方法及技术关键点,视频训练集、验证集、测试集发挥的作用,结合北京2022年冬奥会花滑赛事进行的测试数据、分析,指出了下一步努力的方向,同时对未来基于动作标签的业务场景进行了展望。     

蓄电池化成控制系统中显示任务的设计

介绍在蓄电池化成控制系统中,为了满足系统的实时性要求,将嵌入式操作系统μC/OS-II用于系统软件设计中,将系统按功能模块划分成优先级不同的任务,由内核调度。为了实现良好的人机界面,将面向对象的思维方式用于处理液晶显示模块,并在此基础上设计系统的显示任务。     

基于STL与MMoE多任务学习的区域多光伏电站超短期功率联合预测方法

随着光伏并网容量的不断增加,准确的光伏功率预测对电网安全稳定运行意义重大。本文提出一种基于季节性分解与MMoE多任务学习的区域多光伏电站超短期功率联合预测方法。首先,通过季节性分解获得光伏功率的周期分量、剩余分量与趋势分量。其次,提出MMoE-LSTM-Attention网络来挖掘同一区域内不同光伏电站剩余分量与趋势分量之间的相关性,进行剩余分量与趋势分量的预测。最后,将分量进行汇总,得到光伏电站超短期功率预测结果。相较于传统基于硬共享机制的多任务学习模型,MMoE模型能够自动调整任务目标和任务间关系的参数权重。注意力机制能够进一步优化子任务的特征提取能力。在DKASC数据集上进行了算例实测,分别验证了季节性分解、MMoE多任务学习模型及注意力机制在区域多光伏电站功率预测问题上的有效性。     

基于多任务对抗和抗噪对抗学习的人脸超分辨率算法

高倍率单幅人脸图像超分辨率重建是一项具有实用价值但困难的任务.在人脸超分辨率任务中,端到端网络超分辨率图像较模糊,图像真实性和人眼视觉效果较差.针对上述问题,文中提出基于多任务对抗和抗噪对抗学习的人脸超分辨率算法.算法分为端到端网络学习阶段和网络参数微调阶段.为了提高端到端学习效果,设计深度多任务拉普拉斯金字塔网络,并结合多任务对抗学习.主任务为端到端学习,子任务为优化对抗学习惩罚项函数.为了改进通过对抗学习并微调主任务网络参数后的效果,在对抗学习的判别器优化过程中,融入抗噪对抗学习.实验表明,文中算法能使人脸超分辨率图像更具有图像真实性,更符合人眼视觉习惯.