基于CAN总线的汽车开关电器盒设计

以Microchip公司的PIcl8F45K80芯片为核心,给出了具有低成本、高扩展性的实用型多功能汽车开关电器盒的设计方法。该开关电器盒除了具有对汽车启动过程和行驶状态参数实时监测的功能外,与其他同类产品相比,还更加注重产品的实用性和扩展性,同时具备与汽车其他设备进行通信的特有功能。     

单张图片树木L-system的智能提取算法

介绍了一种新颖的从单张树木图片中提取树木的L-system规则的算法,并将其应用于三维树木建模。用户首先在图片上勾画出树木的主要可见枝干和树冠轮廓,通过图像处理的方法识别出树木的可见枝干的二维骨架;然后依据树木枝干的分布规律对骨架进行三维重建,并抽取其L-system生长规则和几何参数。所得L-system规则在树冠轮廓的约束下,经过迭代生长可以重建树木的分支结构。实验证明,相比以往的规则提取方法,该方法在保持模型质量的前提下,成本更低,方法更加简便。     

汽车电子控制系统软件建模分析与研究

分析和比较了不同软件建模方法的适用条件和使用利弊,并针对现有建模软件的缺点及汽车电子控制系统所具有的目的性、相关性、层次性、随机性等特点,采用面向对象的软件建模方法建立汽车电子控制系统模型,完整和直接的映射了汽车电子控制系统的问题域,较好的模拟了现实世界的属性和操作。最后以汽车ABS（Anti-lock Braking System,防抱制动系统）为例说明了此方法在建模效果上的有效性和合理性。     

故障自动防护微机械角速度传感器

微机械角速度传感器是目前市场上能够进行批量生产的最复杂的传感器之一。它由在真空中做复杂运动的惯性质量块和驱动该设备、分析其响应的多种复杂电路组成,并集中于一个在极狭小的空间内。本文介绍了由奥地利SensorDynamics公司成功研制的一种MEMS角速率传感器,可以满足现代应用的全部要求,尤其是汽车工业所要求的小尺寸、坚固的机械结构、长期稳定性、不受限制的故障自动防护性和AEC-Q100认证。     

面向资源优化的周期分配方法和总线访问配置研究

汽车系统的功能多样性和智能化发展,引起车内ECU数量的大量增加,给汽车成本的降低带来巨大压力。ECU节点通过TTP总线构成了以周期性任务触发、基于TDMA技术的消息分发、基于抢占的FPS调度等为特点的分布式体系结构。实时性和资源利用率是上述体系结构需要考虑的两个关键问题,特别是随着汽车系统复杂性的快速增长,对解决上述问题提出了严峻的挑战。本文提出一种利用GP进行周期分配和总线访问配置,并结合FPS进行实时调度分析,在保证系统时限的前提下,最小化系统资源利用率的方法,以减缓ECU数量的增加,降低系统成本。在具备工业实用价值的任务集基础之上进行的仿真实验结果表明了该方法的有效性和可扩展性。     

基于Web分层结构的通用框架实现及应用

随着构建系统的复杂性日益增强,基于原有的基础层次结构的构建方式将逐渐不能满足扩展的需求变化,因此,在原有的层次结构中进行一步抽象,建立一种新的层次结构;它是在J2EE框架下采用3款轻量级开源件Struts、Spring和ibatis进行构建,并把相应的开源件以及Web服务标准的相关技术和Ajax技术融合到各层中去,然后包装成一种基于Web的通用框架,同时结合一个高校评估系统(Hsvs)来使用该框架.这样,就可以实现数据与业务逻辑无缝访问,业务逻辑与表现逻辑高松散低耦合分离,以及降低开发人员的繁琐编码,增强软件的可扩展性和增长生命周期.     

基于轻量级J2EE的加油站卡系统的设计与实现

为了有效构建一套加油站卡系统,在探讨了问题域及不同实现框架优缺点的基础上,给出了一个基于轻量级J2EE框架的实现方案.此方案根据卡系统自身的需求和特点,在开发过程中充分利用轻量级J2EE先进的体系架构,并详细阐述如何通过使用Spring、Hibernate、Acegi等多个成熟开源框架来简化系统开发的复杂性,同时提高开发效率.系统的运行结果表明此设计方案的合理性和有效性,也为其它类似应用提供了一个通用的解决方案.     

一种轻量级RFID安全协议

在分析了几种现有的典型RFID安全协议的特点和缺陷的基础上,提出了一种轻量级的RFID安全协议,该协议将一次性密码本与询问一应答机制相结合,实现了安全高效的读取访问控制,最后建立该协议的理想化模型,利用BAN逻辑对该协议进行了形式化分析,在理论上证明其安全性.     

改进 YOLOv5s 的风力涡轮机表面缺陷检测

针对传统方式检测风力涡轮机表面缺陷时出现的精度不足、泛化性较差问题,提出了一种改进YOLOv5s的风力涡轮机表面缺陷检测模型。在网络结构方面,首先在主干特征提取网络引入改进的MobileNetv3网络,用于协调并平衡模型的轻量化和精度关系;其次采用BiFPN式的融合方式,增强神经网络的多尺度适应能力,提高融合速度和效率;最后为轻量化的自适应调节特征权重,运用ECAnet通道注意力机制,进一步提高神经网络的特征提取能力。在损失函数方面,将边框回归的损失函数修改为αIoU Loss,进一步提升了bbox回归精度。实验结果表明,基于YOLOv5s的改进算法可以在复杂环境下快速准确地识别风机表面的缺陷目标,能够满足实时目标检测的实际应用需求。     

基于轻量级密集残差网络的水下图像增强

深度卷积神经网络是水下图像增强的主要方法之一,但其过高的内存消耗和计算需求阻碍了在实际应用中的部署。为此,提出一种轻量级的密集残差卷积神经网络(dense residual convolutional neural networks, DRCNN)用于水下图像增强。为降低计算成本,DRCNN采用深度可分离卷积提取高级特征;通过密集连接和残差学习促进不同通道之间的信息交互,提高模型表征能力;将输入的退化图像与中间特征图融合,保留图像全局相似性,同时防止模型梯度消失。实验结果证明DRCNN能有效提高水下图像质量,较于现有算法,DRCNN参数量减少了85%,PSNR、SSIM值分别提高了3%、2%,测试速度提高了3%。DRCNN使用更少的参数实现了更好的性能,利于在低资源设备的实时场景中应用。