半导体封装生产线工艺流程分析

本文介绍了半导体生产线后道封装流程,并对相关设备的自动化程度进行分析。     

基于扇形特征和BP神经网络算法的字符识别

目的 根据字符的扇形特征提取方法,BP神经网络算法,寻求一种识别率较高的字符识别方法.方法 将待识别的文件进行图像预处理,然后对处理后的单字符使用扇形算法提取出32个特征量,组成特征向量,采用BP神经网络对特征向量进行训练和识别,最后应用选择性阈值最小距离方法对输出结果进行判断,减少误识别率.结果 通过使用扇形特征提取方法、BP神经网络和选择性阈值最小距离方法,达到了较好的字符识别效果,实验结果表明该方法识别精度较高,训练时间较短.结论 保持一定数量以上的训练样本和训练次数,可进一步提高字符识别的正确率.采用扇形特征和BP神经网络算法可应用于字符识别.     

系统服务和消息队列技术在生产数据采集中的应用

目的 为了提高生产现场数据采集的安全性和稳定性,解决采集设备的同步和传输过程中的数据丢失问题.方法 将系统服务技术与消息队列技术相结合应用于生产现场数据采集系统,使用消息队列技术在客户端和服务器间传递数据,通过基于系统服务技术的服务器端数据处理程序从消息队列中取出数据.结果 分析两种技术在数据采集系统中应用过程,研究联合应用的要点,设计了基于系统服务技术与消息队列技术的C/S架构数据采集系统.结论 在保证数据处理程序连续稳定运行的前提下,降低系统资源消耗,有效提高生产现场数据采集的安全性和稳定性,解决数据丢失和采集设备不同步的问题.     

面向网络入侵检测的GAN-SDAE-RF模型研究

针对传统机器学习方法在处理不平衡的海量高维数据时罕见攻击类检测率低的问题,提出了一种基于深度学习的随机森林算法的入侵检测模型,为了避免传统的随机森林面对高维数据和不平衡数据时分类精度低、稳定性差和对罕见攻击类检测率低的问题,引入生成式对抗网络（GAN）和栈式降噪自编码器（SDAE）对随机森林算法（RF）进行改进。将罕见攻击类数据集输入GAN神经网络中,生成新的攻击类样本,改善网络入侵数据在样本集中不均衡分布的情况,通过堆叠深层的SDAE逐层抽取网络数据的分布规则,并结合各个编码层的系数惩罚和重构误差,来确定高维数据中与入侵行为相关的特征,基于降维后的特征数据构建森林决策树。采用UNSW-NB15数据集的实验结果表明,与SVM、KNN、CNN、LSTM、DBN方法相比,GAN-SDAE-RF整体检测准确率平均提高了9.39%、误报率和漏报率平均降低了9%和15.24%以及在少数类Analysis、Shellcode、Backdoor、Worms上检测率分别提高了26.8%、27.98%、27.85%、39.97%。     

基于CNN-LSTM双流融合网络的危险行为识别

针对目前人体危险行为识别过程中由于时空特征挖掘不充分导致精度不够的问题,对传统双流卷积模型进行改进,提出了一种基于CNN-LSTM的双流卷积危险行为识别模型。该模型将CNN网络与LSTM网络并联,其中CNN网络作为空间流,将人体骨架空间运动姿态分为静态与动态特征进行分别提取,两者融合作为空间流的输出;在时间流中采用改进的可滑动长短时记忆网络,以增加人体骨架时序特征的提取能力;最后将两个分支进行时空融合,利用Softmax对危险动作做出分类识别。在公开的NTU-RGB+D数据集和Kinetics数据集上的实验结果表明,改进后模型的平均跨角度（Cross view,CV）精度达到92.5%,平均跨视角（Cross subject,CS）精度为87.9%。所提方法优于改进前及其他方法,可以有效地对人体危险动作做出识别,同时对于模糊动作也有较好的区分效果。     

基于GPRS无线传输的建筑能耗监测系统

目的 为实现能耗监测平台能耗数据稳定运行与准确性传输要求,应用无线传输技术优化能耗监测平台软硬件建设.方法 采用嵌入式系统、GPRS通讯技术和RS485总线技术相结合的方式,搭建建筑能耗监测系统管理平台方案,并提供GPRS核心软硬件实现方法.结果 该方案将公共建筑中的电能、水能、热能等能耗参数通过建筑能耗监测系统进行实时监测,以实现对公共建筑能耗的智能监测与管理.同时实现短信和Internet网络等方式,实现对建筑能耗参数进行的远程监控.结论 利用上述方法实现沈阳建筑大学能耗监测平台建设,实现了能耗数据的稳定精确传输.     

基于单片机的频率特性测试仪设计

本文介绍了基于DDS技术的频率特性测试仪的设计方法。在设计中扫频信号源采用DDS芯片AD9851实现,以单片机AT89C52为控制核心,控制整个系统协调工作并实时对所测数据进行处理,LCD显示幅频特性和相频特性曲线,实现了系统的小型化和全数字化。     

基于电磁驱动的爬行机器人设计

介绍了一种基于电磁驱动结构的爬行机器人的研究与设计,系统的研究了其结构形式和驱动方式,详细的讨论了其行走原理。研究证明该爬行机器人具有结构简单、易于控制、稳定性好等优点。     

带准备时间的柔性流水车间多序列有限缓冲区排产优化问题

针对带准备时间的柔性流水车间多序列有限缓冲区排产优化问题,提出一种改进的紧致遗传算法（Improved compactgenetic algorithm,ICGA）与局部指派规则结合的方法来解决该问题。全局优化过程采用改进的紧致遗传算法,为了克服紧致遗传算法（Compact genetic algorithm,CGA）易早熟收敛的问题,提出一种基于高斯映射的概率模型更新方式,在保持紧致遗传算法快速收敛特性的前提下,扩展了种群中个体的多样性,增强了算法进化活力。为减少生产阻塞和降低准备时间对排产过程的影响,设计了多种局部启发式规则来指导工件进出多序列有限缓冲区的分配和选择过程。采用某客车制造企业中的实例数据进行测试,测试结果表明,改进的紧致遗传算法与局部指派规则配合使用,能够有效解决带准备时间的柔性流水车间多序列有限缓冲区排产优化问题。