用于WSNs目标探测的传感模块设计

介绍了一种用于无线传感器网络（WSNs）中进行目标探测的传感器模块,描述了它的软硬件设计与数据处理的算法。该设计主要包括传感器单元、微处理器单元和射频通信单元。在传感器单元中对于外界目标的振动、声音和温度传感器信号进行了采集。在微处理器单元中使用数字信号处理对数据进行预处理并取得信号的特征值。在射频通信单元中将特征值通过WSNs传输到上位机。实验证明：该模块具有良好的稳定性和重复性,可以用于多种环境下的目标探测。     

LabWindows／CVI与Microsoft Access之间数据共享的实现

提出了一种在LabWindows／CVI平台与MicrosoftAccess之间实现数据库共享的解决方案。该方案使用开放式数据库互连（ODBC）做数据接口,应用标准化查询语言（SQL）来进行数据库访问。实践表明,LabWindows／CV1与数据库技术相结合,将对数据的管理能力大大加强。     

C8051F单片机在自动机器人上的应用

以2007年CCTV大学生机器人大赛自动机器人为对象,系统阐述了自动机器人的控制电路.     

基于双环控制的航空静止变流器的建模与仿真

针对航空静止变流器在非线性负载条件下输出电压谐波含量大以及逆变器动态响应过程十分缓慢的问题,采用电容电流内环电压外环的双环控制技术,给出了控制器参数基于极点配置的方法,建立了单相航空静止变流器的数学模型。通过Matlab/Simulink软件平台对模型仿真。结果表明:设计方法能真实反映系统的动、静态性能,同时也验证了采用双环控制技术解决航空静止变流器带非线性负载时输出波形畸变以及动态响应缓慢的问题是行之有效的。     

浅析非物质社会对当代设计的影响

本文通过对于非物质社会的基本概念及其对当代设计的影响的探讨,强调以人为本与人性化设计的设计观,以应对非物质化社会的普及。     

含新型负荷元件的电力负荷建模方法研究现状与展望

面向“双碳”能源政策实施和新型电力系统发展需求,研究新型电力负荷模型与建模方法,能够为电力系统规划、稳定分析、调控与市场化运营提供关键支持。首先,回顾了国内外负荷模型和参数辨识方法研究历程;总结了新型配电网框架下可控负载、分布式发电系统、分布式储能系统和电动汽车等新型负荷元件模型,振荡型动态负荷模型和谐波负荷元件模型的研究进展。其次,对经典负荷建模方法进行了总结与归纳,分析了其优缺点,重点论述总体测辨法。最后,从负荷新特性建模、考虑到新技术影响的动态负荷模型、负荷聚合模型和在线建模方法等几个方面进行展望,为未来的负荷模型技术发展提供切实可行的技术路线。     

考虑需求侧响应的综合能源系统可靠性评估

为了进一步激发综合能源系统的多能互补特性和挖掘需求侧可参与系统优化调度的调节潜力,提升综合能源系统的可靠性水平,提出一种考虑需求响应的综合能源系统可靠性评估方法。首先,根据负荷响应特性引入价格型和替代型两类需求响应,分别建立基于电价弹性矩阵的价格型需求响应模型,及考虑不同能源需求在同一时间点上相互转换的替代型需求响应模型;其次,建立以系统购买能源成本最小与负荷削减惩罚成本最小为目标的优化调度模型,并在Matlab平台上调用CPLEX进行求解;然后,基于时序蒙特卡洛模拟法获得各设备状态并设计出可靠性评估流程;最后,通过北方某工业园区综合能源系统进行算例分析,比较了系统在不同运行方式下的可靠性指标与经济性水平。算例仿真结果表明,引入价格型和替代型需求响应可协调优化各时段用能需求,能够有效提高综合能源系统的可靠性和经济性。     

融合MAML和CBAM的安卓恶意应用家族分类模型

为满足对新兴安卓恶意应用家族的快速检测需求,提出一种融合MAML(model-agnostic meta-learning)和CBAM(convolutional block attention module)的安卓恶意应用家族分类模型MAML-CAS。将安卓恶意应用样本集中的DEX文件可视化为灰度图,并构建任务集;融合混合域注意力机制CBAM,设计两个具有同等结构的卷积神经网络,分别作为基学习器和元学习器,这两个学习器在自动提取任务集中样本特征的同时,可从通道和空间两个维度来增强关键特征表达;利用元学习方法 MAML对两个学习器进行训练,其中基学习器完成特定恶意家族分类任务的属性学习,元学习器则学习不同任务的共性;在两个学习器训练完成后,MAML-CAS将获得初始化参数,在面对新的安卓恶意应用家族分类任务时,不需要重新训练,只需要少量样本就可以快速迭代;利用训练完成的基学习器提取安卓恶意应用家族特征,并利用SVM进行恶意家族分类。实验结果表明,MAML-CAS模型对新兴小样本安卓恶意应用家族具有良好的检测效果,检测速度较快,并具有较好的稳定性。     

面向健康体检数据的多目标Top-k频繁模式挖掘方法

为解决现有的模式挖掘方法没有充分利用体检数据中检查项的异常程度与特定疾病之间相关性的问题,提出一种面向健康体检数据的多目标Top-k频繁模式挖掘方法.首先,针对体检数据的特点,提出异常度和覆盖率两个指标,在此基础上,将Top-k频繁模式挖掘建模为一个多目标优化问题;其次,针对该问题,提出一种基于偏好的种群初始化策略和一个面向模式和项的双层更新策略,并基于此设计一种高效的进化多目标优化算法进行求解.实验结果表明,所提出方法所获得的Top-k个模式不仅能够有效地反映其与特定疾病之间的关联性,而且能够提供多样化的模式,为健康管理提供重要的参考依据.     

丁苯橡胶/炭黑湿法预混胶的塑炼特性

基于胶乳/炭黑湿法混合的丁苯橡胶/炭黑湿法预混胶(P(SBR/CB))是一种在低剪切力环境下制备得到的炭黑在丁苯橡胶基体中分散优良的橡胶/炭黑预混胶,与采用传统机械混炼得到的充炭黑母胶相比,未经塑炼加工的P(SBR/CB)中的橡胶-炭黑相互作用较弱,故其加工行为表现出诸多新的特点。本文在分析P(SBR/CB)结构的基础上,采用实验室开炼机和Brabender转矩流变仪研究了其塑炼特性,探讨了开炼机薄通次数和密炼机塑炼工艺参数(循环油温、转速、塑炼时间等)对其塑炼特性(表观黏度、门尼黏度、排胶温度和结合胶含量)的影响规律,发现P(SBR/CB)的塑炼过程主要包括2个同时进行的进程,即炭黑网络的破坏和橡胶-炭黑相互作用的增强,且可通过调节密炼机塑炼参数,调控P(SBR/CB)混炼胶的门尼黏度和结合胶含量。