如何降低蓝牙系统的成本

蓝牙工业界有一个雄心勃勃的计划，要将整个蓝牙接收器/发射器的价格控制在仅仅5美元，其中包括了基于DSP的子系统及相应的ROM和RAM。而这要等到蓝牙无线技术有了相当大的市场规模，并且通过大规模的投产来产生经济效益之后，才有可能成为现实。在这场角逐中，某些制造商可能会抢占先机。例如，到2001年6月，CSR公司已经生产了超过1百万块BlueCore单片蓝牙产品，目前市场上带蓝牙功能的所有终端用户产品中，48%都采用了这款芯片。本文介绍了CSR所采用的一些产品设计方法，以尽可能降低蓝牙产品的成本，同时还介绍了可能影响蓝牙产品…     

Packet Tracer在网络实训类课程中的应用

网络实训课程的开设可以让学生可以更好的将所学理论知识与实践相结合。如果实训全部采用真实设备,将会占用大量人力物力,且实训项目将大幅受限,且效果也不理想。为了更有效、合理地开展网络实训课程的教学,采用模拟软件Cisco Packet Tracer来协助完成,可以充分提高教学效率和质量,减轻教师的教学负担,收到事半功倍的效果。     

基于数据仓库的一体化电力调度自动化系统

以省调系统为例，分析了电力调度自动化系统的现有应用、潜在应用及其内在联系，提出了基于调度数据仓库的电力调度自动化系统的一体化设计模式。在该模式中，数据仓库集中存储主要应用于子系统的公用数据，是各应用于系统的联系纽带。该模式适用于新一代电力调度自动化系统的一体化设计，也适用于现有调度自动化系统的一体化改造。     

基于轻量化HPG-YOLOX-S模型的煤矸石图像精准识别全文替换

针对现有基于视觉技术的煤矸石分选方法存在模型参数量大、特征提取能力差、识别精度低等问题,提出了一种基于轻量化Ghost-S网络与混合并联注意力模块（HPAM）YOLOX-S模型（HPG-YOLOX-S模型）的煤矸石识别方法。首先,在YOLOX-S模型主干网络中加入HPAM,以增强图像中重要信息,抑制次要信息,加强主干网络的特征提取能力。其次,将YOLOX-S模型主干网络替换为参数量更小的Ghost-S网络,提高利用率与特征融合能力。最后,在预测层中采用SIOU损失函数来替换YOLOX-S模型的损失函数,提升检测与定位精度,加强对目标的提取能力。为验证所提方法对大块煤矸石的检测效果,将HPG-YOLOX-S模型与YOLOX-S模型进行对比,结果表明,HPG-YOLOX-S模型对煤与矸石的识别准确率分别为99.53%和99.60%,较YOLOX-S模型识别准确率分别提高了2.51%,1.27%。有效性验证结果表明,HPG-YOLOX-S模型的精确率、召回率和F1值均在94%以上,较YOLOX-S模型分别提高了5.68%,3.51%,2.91%; HPG-YOLOX-S模型的参数为7.8 M...     

空调周轮柄注塑模设计

采用剖分式型腔成型结构复杂的周轮柄,并采用齿轮齿条抽弯芯机构,简化了模具的复杂度,使该模具设计新颖,自动化程度较高。     

脉冲技术在离子镀膜中的应用机理和展望

脉冲电源技术因在等离子体镀膜中表现出增强离化、强附着、高效沉积和涂层光滑致密等特性而日益应用广泛。本文简述了脉冲电源技术在引弧、弧源和基体偏压等镀膜应用,从等离子体产生、传输过程及粒子沉积等全局出发,阐述了脉冲参数与弧斑运动、靶材利用率、离化状态(能量、比例和密度)以及涂层性能等因素间的作用机制,对比分析了脉冲与直流技术在电弧等离子镀膜中的优势和差异点。同时,提出了对现有脉冲技术仍需攻破批量稳定、弧源和偏压源参数匹配以及高能电磁干扰等技术应用难点,为拓展脉冲电源技术更广更深的应用提供较有益的理论依据和工艺参考方向。     

镁合金表面铬掺杂类金刚石薄膜的制备与性能研究

本文利用阳极层离子束混合磁控溅射技术在AZ31镁合金表面制备了类金刚石涂层（DLC）和Cr掺杂DLC膜（Cr-DLC）,并利用Raman光谱、残余应力仪、划痕仪、摩擦磨损仪和电化学工作站等,对薄膜的碳结构、残余应力、结合力、摩擦学性能和耐腐蚀性进行了研究。结果表明：相比纯DLC膜,Cr-DLC膜具有较低的残余应力,较高的膜/基结合力。Cr-DLC膜能显著提高镁合金的抗摩擦磨损性能,但对改善镁合金耐腐蚀性能影响不大。     

高铁车站底板混凝土高温雨季溜管快捷施工

天府机场站底板施工期间处于夏季高温雨季,因施工场地受限,按常规方法采用地泵、汽车泵浇筑,混凝土浇筑时间将远远超过40h,必须经历温度高达38℃以上的白天,使入模温度偏高,严重影响大体积混凝土施工质量。采用溜管快捷施工,浇筑速度可达460m~3/h,在夏季高温雨季且施工场地有限的情况下,夜间12h可完成浇筑,保障工程施工质量和工期。     

一种基于鲁棒随机向量函数链接网络的磨矿粒度集成建模方法

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性.      

桌面机械臂快速控制原型系统设计与开发

机械臂以其稳定、高精度等特性广泛用于机械、电焊和装配等制造工业,其控制算法已成为工业控制中的研究热点.然而传统的机械臂控制系统设计与开发费时费力,难以满足控制工程师和算法研究者的需求.首先采用快速控制原型技术(RCP),依托高性能计算机,基于Simulink Real-Time组件设计快速控制原型仿真器.进而采用C#语...