智能仪器系统中主机中断驱动程序设计

智能仪器系统约从1982年兴起,时间虽然不长,但因其具有较高的性能价格比而发展迅速.目前世界上有数百个厂家生产与微机仪器有关的产品和插件.十几年来,我国已在APPLE、IBMPC及其兼容型微机上进行研制和开发.主要研究工作包括两个方面:①通用仪器卡;②专用测试仪.研究开发中共同的问题:一是系统专用(扩发)设备的驱动程序设计,用汇编语言编制的设备     

计算机化仪器技术发展与展望

计算机化仪器是计算机技术、现代测试技术和电子仪器技术综合发展的产物,它是一种新型的测量仪器。本文较为全面地论述了计算机化仪器这种新型测量仪的概念和特点,及其发展历程,并着重讲述了计算机化仪器技术的未来展望。     

多处理机化—智能仪器的一个发展方向

微处理器的问世不仅推动了计算机技术的发展和普及,也推动了仪器仪表领域的又一次革命,产生了比数字化仪器性能更加优越的智能化仪器。早期的智能仪器主要是把原有的一些仪器,如信号发生器、示波器等智能化,其微处理机部分的功能和结构一般比较简单。以后逐渐把智能化工作转向较为复杂的分析仪器、控制仪器等。对传统仪器智能化的成功,启示人们研制出各种新的智能仪器,其中有些仪器的研制在微处理器出现以前是根本无法想象的。但是随着新研制的一些智能仪器对处理能力的要求,以及其微处理机系统的功能和软硬件结构的复杂程度的增大,研制工作也     

智能仪器的应用与发展研究

本文介绍了智能仪器的基本概念、结构特点及设计中有关的几个技术问题，并对其今后的发展趋势进行了某些探讨。     

智能仪器在无线通信测试测量中的应用浅析

随着无线通信技术的全面发展,其对有关参数的测试和测量提出了更高的要求。本文就智能仪器仪表的工作原理和其在无线通信系统测试测量中的应用展开了讨论。     

智能电动执行器的人机接口设计

本文研究了智能电动执行器的人机接口。介绍了人机接口部分的组成，然后对其主要组成部分，包括红外遥控和液晶显示部分进行了比较详细的描述，并对它与主机的连接和系统软件设计进行了分析。实验表明，该人机接口的设计是成功的。     

服务于智能制造的智能检测技术探索与应用

为了促进工业4.0与“中国制造2025”战略在制造行业的实施,在智能制造体系中构建有效的控制层级与设备层级,促进车间状态数据与智能制造工艺流程的结合,文章提出了通过智能仪器与智能检测技术实现车间状态智能感知与工艺流程控制的方法,并探讨了智能仪器与智能检测技术在智能制造系统中新的应用模式,同时结合实际项目进行了数字化生产线改造与建设的创新实践,提出了满足智能制造要求的智能仪器与检测技术的发展方向;经项目实践验证,通过智能检测设备与智能仪器的应用,可有效促进智能制造系统中数据采集、智能感知的实现,并为整体工艺流程的智能决策提供有效的数据资源,是智能制造系统建立与完善的关键基础。     

智能仪器WDT设计

1 引言 提高智能化仪器的可靠性越来越引起人们的重视。所谓提高智能仪器的可靠性,是指在仪器内的计算机系统受到瞬间干扰或出现暂时故障而脱离原来正常工作状态时,采取一定措施,使系统尽快恢复到原来正常的工作状态,保证仪器的测量精度和可靠性。因此,提高智能仪器可靠性的主要方法是在计算机系统设计时,采取可靠性设计措施,提高其自身的抗干扰能力。抑制干扰的一种主要方法,就是在系统内加入“看门狗”WDT(Watch dog timer),本文主要介绍WDT的设计方法。     

智能仪器中汇编软件的破译

在智能仪器技术迅速发展的今天,新产品、新技术的跟踪消化显得更加重要.熟悉一台产品,也可为日后设备的维修带来方便.众所周知,智能仪器中EPROM内所固化的软件都是经过汇编的二进制机器代码,通常可用普通编程器将其读出来,然后,要借助于反汇编软件才能将其还原成可读的汇编源程序.然而,目前市场上流行的MCS-96单片机仿真开发系统,只有极简单的反汇编功能,使得反汇编的结果中,跳转指令无标号,解读起来非常困难;反汇编时,不能区分程序指令区和数据区,从而使反汇编结果中引起许多错误;而且在反汇编过程中,不能进行人工干预等.     

Computational intelligence and visual computing: an emerging technology for software engineering

 The discipline of Software Engineering is abstract and complex with all its endeavors being cast in a knowledge-intensive environment. It is not surprising that there have been a number of important initiatives that have attempted to address a burning need for solid development tools and comprehensive environments supporting an in-depth analysis. The objective of this study is to discuss a role of Computational Intelligence (CI) and visual computing being viewed as a sound methodological and algorithmic environment for knowledge-oriented Software Engineering. The CI itself is regarded as a synergistic consortium of granular computing (including fuzzy sets) promoting abstraction, neurocomputing supporting various learning schemes and evolutionary computing providing important faculties of global optimization. By its very nature, CI embraces a diversity of design paradigms; in particular it promotes a top-down approach (when exploiting fuzzy sets first and afterwards working in the neural network environment) or bottom-up style (where these two technologies are used in a reverse order). Visual computing is inherently associated with CI: it is human-centric where fuzzy sets make visualization activities feasible. Fuzzy sets are treated as a graphic means of accepting information from users. They are regarded as a vehicle used to visualize results in a linguistic manner. Software Engineering and CI are highly compatible: they are knowledge-intensive, human-oriented, and have to deal with various manifestations of the abstract world of software constructs and thought processes. This multifaceted conceptual compatibility is a prerequisite for the development of vital synergistic links that bring the technology of CI into Software Engineering. The symbiosis accrues considerable benefits for both technologies by posing new categories of challenging and highly stimulating problems. The facet of visual computing is essential in handling of software processes and software products. The intent of this study is to provide a general overview of this new development in Software Engineering. In particular, we highlight a number of selected and most visible trends occurring at the junction of CI and Software Engineering. Furthermore we discuss several specific applications of the technology of CI to software cost estimation, analysis of software measures and neural models of software quality. Support from the Natural Sciences and Engineering Research Council of Canada (NSERC) and the Alberta Software Engineering Research Consortium (ASERC) is gratefully acknowledged.     

无人驾驶汽车决策系统的规则描述与代码生成方法

无人驾驶汽车的高层决策系统是其实现自主驾驶功能的核心,在决策系统的开发过程中,由于信号变量与状态数量庞大等原因,系统面临着可维护性与可拓展性差的难题。UNMANNED_RULE_EDIT是面向无人车高层决策系统的规则编辑与代码自动生成辅助工具,具有图形化编辑和代码自动生成的功能,有利于开发人员清晰直观地设计规则,并摆脱繁琐的编码工作。主要讨论了UNMANNED_RULE_EDIT的中间语言(规则语言)设计和代码自动生成算法。目前,该工具已初步应用在国内某单位研制的无人车上,为其决策系统的开发提供便利。     

基于Agent的航天测控中心计算机系统模型

从我国航天测控系统的中心计算机系统的未来发展出发,结合实际任务需要,提出建立一个基于多Agent的分布式航天测控数据处理模型。模型利用了Agent的智能性动态组合系统资源,进行测控数据的接收、处理和分析,谊模型强调了系统的异构性、容错性、扩展性以及资源的动态组合,并探讨了实际应用中关键环节的解决方案。     

从计算到人类知识：ChatGPT与智能演化

深入探讨了智能的演化过程和ChatGPT的实现效果,以及人工智能通用性提高和长期发展方向。从自然界中智能的诞生过程开始,介绍了人工智能的发展历程和现状,分析了ChatGPT作为一种具有强大泛化能力的深度神经网络模型在人工智能领域中的重要意义。还探讨了人工智能通用性提高对世界的潜在影响,介绍了一些新兴应用领域。通过阅读本文,读者可以更好地理解人工智能技术的发展趋势和未来方向。     

人工智能控制理论现状分析与发展探讨

总结了人工智能控制理论在各个不同阶段的发展状况及理论的突破,介绍了人工智能控制技术在各个时期典型应用的标志成果,分析当前人工智能控制面临要解决的问题,探讨人工智能控制理论今后发展方向。     

控制科学与技术的发展及其思考

简要介绍了控制科学的发展状况;讨论了传统控制理论在解决实际问题中的一些局限性以及控制科学当前面临的挑战;阐述了控制科学与人工智能和认知科学等新兴学科的结合将对处理复杂系统和社会经济中的一些重大课题提供有价值的科学理论和方法;强调了控制科学的进一步发展仍然要依赖于重大需求导向,使其在我国信息化带动工业化和现代化的进程中发挥重要的作用.     

生长机器智能概述

对人的智能生长过程进行了研究，介绍了人工智能的主要领域——人工神经网络、专家系统和模式识别等相关理论。对国内外人工智能的发展进行了总结，在此基础上提出了生长机器智能理论框架，阐述了生长机器智能的概念及机器智能的生长阶段和预期达到的智能水平。     

问答式检索技术及评测研究综述

问答式检索系统(简称问答系统) 是集自然语言处理技术和信息检索技术于一身的新一代搜索引擎。它的出现旨在提供更有力的信息获取工具,以应对信息爆炸带来的严重挑战。经过这几年的发展,问答系统已经成为自然语言处理领域和信息检索领域的一个重要分支和新兴的研究热点,其“通过系统化、大规模地定量评测推动研究向前发展”的发展轨迹,以及某些成功的启示,如基于字符表层的文本分析技术(模板技术) 的有效性,快速、浅层自然语言处理技术的必要性,都极大地推动了自然语言处理研究的发展,促进了NLP研究与应用的紧密结合。回顾问答系统研究的历史,总结问答技术的研究现状,将有助于这方面工作向前发展。     

军事竞争情报的分析方法以及发展趋势初探

本文通过文献分析法对军事竞争情报分析方法进行了梳理,分析了军事竞争情报分析方法研究的背景和意义,将竞争情报的联想分析法、SWOT分析法、软件分析法引入到军事竞争情报的分析中并进行了案例分析,归纳和总结出了军事竞争情报分析方法的特点,并指出了军事竞争情报未来的发展趋势,从而更好的为军事决策提供更优化的智力支持。     

多媒体智能：当多媒体遇到人工智能

过去10年中涌现出大量新兴的多媒体应用和服务,带来了很多可以用于多媒体前沿研究的多媒体数据。多媒体研究在图像/视频内容分析、多媒体搜索和推荐、流媒体服务和多媒体内容分发等方向均取得了重要进展。与此同时,由于在深度学习领域所取得的重大突破,人工智能(artificial intelligence,AI)在20世纪50年代被正式视为一门学科之后,迎来了一次“新”的发展浪潮。因此,一个问题就自然而然地出现了：当多媒体遇到人工智能时会带来什么？为了回答这个问题,本文通过研究多媒体和人工智能之间的相互影响引入了多媒体智能的概念。从两个方面探讨多媒体与人工智能之间的相互影响：一是多媒体促使人工智能向着更具可解释性的方向发展;二是人工智能反过来为多媒体研究注入了新的思维方式。这两个方面形成了一个良性循环,多媒体和人工智能在其中不断促进彼此发展。本文对相关研究及进展进行了讨论,并围绕值得进一步探索的研究方向分享见解。希望可以对多媒体智能的未来发展带来新的研究思路。