特定应用中的低功率RF收发器

由Chipcon提供的新型射频(RF)收发器CC1000是专门为要求较为严格的短距离RF应用而设计的。CC1000的功耗和工作电压都很低，是一种真正的单片UHF收发器。它基于0.35mm CMOS工艺，是目前能够获得的同时提供低成本、高集成度、高性能和灵活性的唯一产品，因此，它为短距离无线通信器件设立了一个新的标准。CC1000主要是为工作在ISM/SRD频段的315、433、868和915MHz的FSK系统而设计的。但如果想要它工作在300到1000MHz的其他频率处，很容易通过编程来实现。低功耗和高集成度使CC1000成为远程无键输入、家庭自动化、自动读表及无线…     

深入浅出EAM（二）

一般，EAM管理涉及业务可分为：设备、维修、库存与采购管理。需说明的是，EAM管理是一个周期循环的过程．各项业务间有其内在业务逻辑。一个典型的EAM业务流程如下页图所示。     

车用旋钮的三级脱模注射模设计

分析了旋钮塑料件的结构特点及工艺要求，介绍了该三级脱模注射模具的结构、工作过程以及结构设计要点。     

含水量对对二甲苯氧化主反应过程的影响

研究了含水量对对二甲苯高温液相氧化主反应的影响规律。实验发现,反应前期的快反应步骤随含水量的增加而单调减缓;反应后期的慢反应步骤则随含水量的增加先加快后减缓,出现一个最大值,此时总氧化时间最短。加入水的两种作用为:改变催化剂配位络合物形式,影响反应传递过程中的电子转移速率常数;降低钴离子氧化还原电势,有利于加快反应。这两种作用竞争导致最佳含水量的存在。     

应用C++Bulider 5.0编程实现任务管理器的功能

本文详细介绍了应用应用C Bulider5.0编程实现任务管理器功能的方法，并给出程序的源代码。     

椰壳基活性炭脱除废水中刚果红染料

以颗粒状椰壳基活性炭为吸附剂,对刚果红生物染料进行吸附实验研究。通过实验主要考察了温度、模型溶液酸度、模型溶液初始浓度、活性炭粒度和搅拌速度对活性炭吸附效果的影响。得出在温度为15℃、溶液酸度为pH=2、溶液初始浓度为30mg／L、活性炭粒度小于60目,并且较快的搅拌速度下脱色效果最佳,最佳脱色率可达95．55％。     

基于改进的Transformer神经网络辅助的两阶段机组组合决策方法

为了解决大规模电力系统机组组合的“维数灾”问题,提出基于Transformer神经网络的两阶段机组组合决策方法,该方法兼顾求解精度与速度。在第一阶段,考虑机组组合时段耦合的特性,提出基于多头注意力机制的特征向量构建方法,进而基于Transformer神经网络的全局视野与并行化优势,提出一种改进的Transformer神经网络来预辨识机组启停值。在第二阶段,基于预辨识的机组状态设计置信度阈值,并将机组启停判定可信度定义为启停可信与启停不可信状态,对于启停可信机组的状态进行直接确定,对于启停不可信机组的状态,通过机组组合物理模型进行求解来保证求解的可行性。IEEE 30节点和IEEE 2 383节点系统的仿真结果验证了所提方法的有效性。     

基于整体辨识策略的非线性自适应控制方法

针对一类离散时间下的未知动态非线性系统,为解决传统自适应控制方法在交替辨识非线性系统时由于辨识精度低而导致的控制性能差的问题,本文提出了一种基于整体辨识策略的未建模动态补偿的自适应控制方法.利用随机向量函数链接(RVFL)网络的直链与增强结构特性挖掘其与低阶线性模型和高阶未建模动态项的等价对应关系,并融入权值偏差惩罚项,设计了网络模型参数在线更新算法辨识非线性系统参数.根据在线辨识的线性模型参数和未建模动态估计量,采用一步超前最优控制策略设计线性控制器和未建模动态补偿器.数值仿真表明,所提方法优于交替辨识下的非线性自适应控制方法,并通过工业应用的仿真研究验证所提方法在工业上的可用性.最后,对本文控制方法在实际应用中的潜在问题及理论受限条件的放松进行分析和展望.     

基于低差异序列与快速扩展随机树融合算法的机械臂路径规划EI北大核心CSCD

针对机械臂在高维关节空间下路径规划效率低的问题,本文提出了一种基于低差异序列与快速扩展随机树融合的路径规划算法.该方法首次使用Sobol序列代替快速扩展随机树中的伪随机序列,从而生成均匀差异采样点,且在采样过程中通过建立采样池对采样点进行优选,提高了采样点质量和采样效率.在此基础上,为使规划的路径变得光滑,本文采用基于最小二乘法的多项式拟合方法对各关节角的离散点进行后处理.实验部分首先在二维空间中进行算法性能分析,证明了本文改进的算法能够快速稳定的避开障碍物到达目标点;最后以AUBO–i5机械臂为原型开展了实验研究,验证了所提算法在机械臂上应用的优势.     

基于多特征融合的工业气动调节阀快速自学习故障诊断方法

气动调节阀的复杂特性,使得通过建立精确数学模型来描述阀门故障较为困难,因而数据驱动技术在其故障诊断领域颇受关注.但现有商业化的调节阀其控制系统仅配置了相当有限的硬件设备,这对故障诊断模型和学习效率提出了更高的要求.为此,提出一种基于多特征融合的气动调节阀快速自学习故障诊断方法.首先,提出基于云模型(cloud model,CM)和动态内部主元分析(dynamic-inner principal component analysis,DiPCA)的特征信息融合方法,提高诊断模型的输入信息质量;其次,建立一种低差异随机配置网络,按照低差异序列以监督增量方式快速自主构造调节阀诊断模型,从而有效提高模型的学习效率和紧致性;最后,利用DAMADICS平台的实验数据验证所提出方法的快速性和准确性.