片上电磁干扰感应阵列的设计与FPGA验证

测量EMI在片上电源分配网络中的二维分布,对研究集成电路的电磁抗扰性非常重要,能用于验证电磁抗扰模型的正确性。提出的片上电磁干扰感应阵列(OCEMISA)是一种测量EMI在电源分配网络上二维分布的测量方法。OCEMISA包含数个感应单元,在电源分配网络上产生开关噪声作为反馈信号,其频率各不相等,且只受局部电源电压的影响。用频谱分析仪经由电源引脚探测反馈信号,观察其特征频率随EMI的变化,计算感应单元所在位置EMI的电压分量,并采用FPGA验证OCEMISA的基本功能。     

基于单片机的温室大棚测温系统设计

本文设计了一个基于单片机的温室大棚数据采集系统.采用分布式数据采集结构,由AT89S51作为上位机,定时查询分布于大棚中的下位机状态.基于性能与价格的考虑,本系统采用DS18B20和HS1101作为系统的温度传感器和湿度传感器.本系统设计简单、可靠,价格便宜但达到较高的控制精度,具有较高的应用价值.     

西部地区高职印刷教育发展的一些思考——上海出版印刷高等专科学校培训交流有感

正上海出版印刷高等专科学校始建于1953年,是新中国第一所出版印刷类学校,多年来为我国出版印刷业培养了几万名基础扎实,技术过硬的高素质技能型人才。2010年,学校被列为国家100所骨干建设高职院校,并且被确认为国家高等职业教育专业教学资源库建设单位(印刷与数字印刷技术)。感谢     

建设自有传输网掌握市场主动权

中国绝大多数的电信运营商大约在两年前就认准了这个道理:必须建设自有传输网,才能掌握市场主动权.虽然,局部层面上掌握主动权与宏观上的重复建设依然是一对难解的矛盾,但在市场化的今天,企业决策的出发点永远都将是围绕自身利益展开的.     

粤北石人嶂钨矿放射性矿化研究

粤北石人嶂石英脉型钨矿床的石英脉、花岗岩、云英岩均发育晶质铀矿、含钍晶质铀矿、钍石、方钍石等系列放射性矿物。为了探寻是否存在放射性矿化,笔者通过系统测试发现以下规律:1)矿区含钨石英脉的放射性元素(U、Th)含量相对较低,绝大多数样品比地壳克拉克值还低;2)花岗岩的平均含量均比华南产铀花岗岩高出2¹0倍;3)云英岩的U、Th含量更高,而富含硫化物的钨矿脉U、Th含量也很高,并发育放射性矿物;4)自55010倍;3)云英岩的U、Th含量更高,而富含硫化物的钨矿脉U、Th含量也很高,并发育放射性矿物;4)自550³40m中段,各类地质体或不同矿脉的放射性元素含量呈现由小→大的变化趋势;5)矿区深部及富含硫化物钨矿脉和云英岩是寻找放射性矿化的重要方向。研究成果可为矿山资源综合利用及放射性防护工作提供地质依据。     

石人嶂钨矿床云英岩型矿化及其研究意义

石人嶂石英脉型钨矿脉旁侧的云英岩有很强的多金属矿化。通过电子探针和扫描电镜能谱分析发现,云英岩中银平均含量为309.22×10-6,达到了综合利用的伴生银品位要求,Mo、Cu、Sn等元素含量也很高;云英岩中放射性元素含量[U(24.14×10-6),Th(46.30×10-6)]远大于花岗岩和石英脉中放射性元素的含量,呈现出了放射性元素富集的现象;云英岩的刻槽取样分析,进一步说明了云英岩化对矿化的重要作用。     

企业科研经费优化配置方法研究

科研经费是开展科技活动的最基础条件之一。企业如何将有限的科研经费合理、有效利用,使其效益最大化,是企业科技管理部门一直关注的问题。为此开展了科研经费优化配置方法研究,设计了优化配置模型,将企业科研项目分为常规技术研究、核心技术研究、超前技术研究3类,提出相应的指标体系、优化标准和优化配置方法,并以某企业为例进行了试用。首先列出研究项目的基本情况,然后按照对生产经营的影响、核心竞争力、技术支撑条件、技术成熟度、技术成功率、商业成功率、费用投入程度、战略适配性、产出效果9个要素进行专家评议打分,确定权重,并对项目加权算分,再对项目得分排序,最后得出经费优化配置结果。这一方法较全面地考虑了诸多要素的约束,提高了企业科研经费的利用效率,可供科技管理界的同行在对工业企业科技经费资源优化配置时参考和借鉴。     

电工电子开放培训教学基地新模式的构建与实践

以电工电子实训基地为中心,建立多元化、多层次的实验教学新体系;采用开放式实验教学模式,利用先进的教学方法和现代教学手段,提高学生实践能力。     

基于简化型LSTM神经网络的时间序列预测方法

针对标准长短期记忆(long short-term memory,LSTM)神经网络用于时间序列预测具有耗时长、复杂度高等问题,提出简化型LSTM神经网络并应用于时间序列预测.首先,通过耦合输入门与遗忘门实现对标准LSTM神经网络的结构简化;其次,从门结构控制方程中消除输入信号与偏差实现进一步精简;然后,采用梯度下降算法更新简化型LSTM神经网络的参数;最后,通过2个时间序列基准数据集及污水处理过程出水生化需氧量(biochemical oxygen demand,BOD)质量浓度预测进行实验验证.结果表明:在不显著降低预测精度的情况下,所设计的模型能够缩短训练时间,减少LSTM神经网络的计算复杂度,实现时间序列的预测.