基于SystemC的GPU参数分配单元硬件TLM建模

为了研究GPU参数分配单元处理OpenGL绘图命令和功能命令的顺序性机制,采用SystemC建模语言,基于硬件事务级建模(Transaction-Level Modeling,TLM)思想,详细描述了GPU参数分配单元模型的模块、接口、进程等建模过程,模型之间时钟和事件同步,模块之间通过端口和层次化通道通讯,具有建模效率高和仿真速度快的优点.最后通过仿真结果验证了架构和算法的正确性,实现了在RTL设计之前尽可能早的对架构和算法进行探索和验证,为RTL设计提供参考依据,加速了GPU的软硬件协同设计.     

AFDX交换芯片虚拟验证关键技术研究

AFDX（Avionics Full Duplex Switched Ethernet,航空全双工交换式以太网）网络为航电系统提供了一种确定、余度的数据交换服务,其基础和核心是交换芯片。在AFDX网络交换芯片整个研制过程中能否对其进行充分验证,是直接影响其投片成功的关键因素之一。本文结合AFDX网络交换芯片的设计过程,系统分析AFDX网络交换机及芯片的特点,制定出相应的验证策略,最后采用SystemVerilog验证语言、并基于OVM（Open Verification Method）概念构建了AFDX交换芯片的虚拟验证环境,缩短了验证平台的开发时间,极大提高了验证效率。     

基于UML & SystemC的GPU几何管线光栅化硬件建模

架构与算法是决定GPU性能的重要因素,需要尽可能早地对其进行评估和验证。提出基于统一建模语言(Unified Modeling Language, UML)的模型,详述了针对GPU几何管线架构和线图元光栅化算法建模的过程及方法,并采用SystemC语言实现了事务级建模(Transaction-level Modeling,TLM)模型和仿真。验证了架构和算法的正确性以及模型的有效性和可行性,为RTL设计提供了参考依据。     

IRIG-B直流时码计时器电路的设计与实现

IRIG-B直流时码是美国靶场仪器组织规定的标准时码之一,具有编解码方式简单、速率适中、编码信息量丰富的特点,广泛应用于通信、计算、测量领域时统设备中。但随着电子工业的发展,IRIG-B直流时码的秒级授时精度已经难以满足现代高精度时钟同步系统的需求,且由于IRIG-B直流时码抗干扰性能较差,容易出现误码,导致授时错误。文中基于IRIG-B时码标准,提出了一种IRIG-B直流时码计时器电路。该电路能够实现精度达到微秒级的授时,还能对收到的IRIG-B直流时码进行检验,剔除不标准的时码。该电路已经应用于多款时统设备中,工程实践表明,其授时精度高于微秒级,且能够避免误码对授时精度的影响,可广泛应用于时统设备领域。     

基于LabVIEW的发电机组动态性能监测系统设计

针对船舶电力系统电力品质评估试验研发了一款交直流发电机组动态性能监测系统。系统采用C/S架构。基于虚拟仪器技术、TCP/IP通信协议,以PCIe 6343板卡为核心搭建硬件系统,以LabVIEW为平台开发软件系统,实现对发电机组转速、电压、电流等动态信息长时间、多通道的实时同步监测。现场试验结果表明该系统可以快速、高精度的完成对发电机组动态信息的采集分析,具有极高的实用价值。     

基于机器视觉的鸡蛋内外品质一体化检测与分级系统

针对鸡蛋检测分级系统复杂、集成化程度低、多品质因素综合检测的问题,设计出一体化的鸡蛋品质无损检测与分级系统,利用机器视觉算法实现了鸡蛋裂纹、尺寸、新鲜度与品质等级的自动化在线检测与分级。系统主要包括图像采集单元、分级单元、传输单元、图像处理单元和单片机控制单元。基于梯度幅度直方图和类间方差最大法进行自动阈值选取,对一级分级时的裂纹蛋进行剔除;采用外接最小矩形法测量鸡蛋最大横径、最大纵径、蛋行指数;利用鸡蛋透射图颜色信息的变化与哈夫单位值间的关系建立新鲜度BP神经网络,对鸡蛋新鲜度进行分级。试验结果表明,裂纹识别正确率为98.18%,对不同新鲜度等级的鸡蛋品质识别正确率为97.48%。     

基于I-YOLO模型的轴瓦零件缺陷视觉检测方法

轴瓦是水力测功器的重要零部件,其质量影响机组的安全运行。基于传统机器视觉的轴瓦缺陷检测方法存在准确率低、漏检率高的问题。针对该问题,提出一种基于改进YOLO模型的轴瓦缺陷检测方法。首先,对数据集进行图像预处理,扩大训练样本;然后,改进YOLO模型结构,通过候选框维度聚类和多尺度训练,提出一种新的IYOLO深度学习模型;最后,在轴瓦数据集训练和测试I-YOLO模型,并将该模型与YOLOv4、YOLOv3模型进行对比。结果表明,改进的I-YOLO模型在轴瓦缺陷检测中的准确率达到了98.73%,比YOLOv4、YOLOv3模型分别提高了3.01%、10.88%,证明改进的模型能在提高检测准确率的同时有效降低漏检率。     

自适应图像增强的管道机器人缺陷检测方法

针对管道检测过程中图像采集光照不均匀、缺陷边缘提取不准确的问题, 提出一种基于自适应图像增强的管道机器人缺陷检测方法。首先设计单尺度Retinex自适应图像增强算法, 利用引导滤波对图像进行照度分量估计, 经自适应Gamma矫正得到光照均衡图像, 实现自适应图像增强;再对传统Canny边缘检测方法进行改进, 采用双边滤波平滑图像, 通过迭代阈值法进行缺陷图像分割, 根据边缘像素相似性进行连接, 实现缺陷轮廓的有效提取。搭建基于自适应图像增强的管道机器人缺陷检测系统, 利用履带式小车搭载云台摄像机, 对管道内壁缺陷进行全方位视觉检测。实验结果表明, 本文的检测方法可自适应矫正图像亮度, 图像亮度不均匀明显改善, 相比次优算法, 图像信息熵提升2.4%, 图像平均梯度提升2.3%, 峰值信噪比提升4.4%, 可有效提取出管道缺陷边缘, 缺陷识别准确率达到97%。