【摘 要】
：
为满足目前工业现场对测控系统的高精度、实时性和多任务测控的需求,设计了一种基于Labview的工业现场测控系统;介绍了系统的总体结构,并对系统的软件和硬件进行了设计;采用平台级和用户级两级调度策略实现了工业现场测控系统的多任务并行调度,提高了测控系统的运行效率;通过合理配置Labview软件的RT实时引擎,使测控系统的任务循环周期达到毫秒级,提高了系统的实时性;实践表明,该系统具有测量精度高、实时
论文部分内容阅读
为满足目前工业现场对测控系统的高精度、实时性和多任务测控的需求,设计了一种基于Labview的工业现场测控系统;介绍了系统的总体结构,并对系统的软件和硬件进行了设计;采用平台级和用户级两级调度策略实现了工业现场测控系统的多任务并行调度,提高了测控系统的运行效率;通过合理配置Labview软件的RT实时引擎,使测控系统的任务循环周期达到毫秒级,提高了系统的实时性;实践表明,该系统具有测量精度高、实时性强及运行稳定等优点,能够满足工业现场的测控需求,具有很好的工业应用前景。
其他文献
物联网搜索技术在日常生活中有着广泛应用,但由于物联网搜索引擎的开放性和搜索后台的不完全可信性,存储于搜索后台的信息存在严重的安全问题。针对该问题,提出一种安全、高效的支持密文搜索的属性基访问控制方案。在数据保护方面,为了确保用户属性信息和数据的安全,使用了访问策略部分隐藏和属性授权机构去中心化等方法,并且使用密文定长的方式提高算法效率和节约存储空间。同时,提出一种支持策略对比的属性撤销方案,降低了
作为数据库中最重要的约束之一,外键关系对数据分析与集成有着重要的意义。大量的网络表格缺乏显式指定的外键,但外键关系对于理解和利用网络表格至关重要。目前的研究工作主
蛋白质是完成重要生物活动所必需的分子.准确掌握蛋白质功能,将对生命科学研究及应用起到极大的促进作用.高通量技术的发展产生了海量的蛋白质序列,利用计算技术预测大规模蛋
贝叶斯网络是概率统计与图论相结合的一种图模型,已成功应用于多个领域中。然而,仅依赖专家的领域知识构建贝叶斯网络非常困难。因此,从数据中学习贝叶斯网络结构已经成为该
传统基于前馈设计的视觉系统已经非常普遍,但其存在的一大缺陷是某个环节出现的错误无法被及时修正,从而影响系统的最终性能。为此,提出了一种简易的交互式框架,其特点在于场景语义的不确定性能够通过不同的视觉分析过程协同工作实现求解和优化。在该框架中,分别使用了3个经典的场景理解算法作为视觉分析模块,不同模块之间利用彼此输出的表面布局、边界、深度、视点和物体类等上下文语义之间的交互以实现各自性能的渐进式提升
针对现有邻域多粒度粗糙集的定义及相应知识发现算法的不足,重新建立基于邻域多粒度粗糙集的知识发现模型.首先构建了多邻域半径下的乐观邻域多粒度粗糙集模型和悲观邻域多粒
针对现阶段数据和特征决定自动睡眠分期模型的分类精度上限的问题,提出一种基于深度混合神经网络的自动睡眠分期模型。在模型主体构建方面,使用多尺度卷积神经网络自动学习高
车辆和行人检测是高级辅助驾驶(ADAS)中最基本也是研究最广泛的内容,而深度学习算法是当前性能最好的目标检测算法。然而,深度学习算法的计算量非常大,通常需要高性能的GPU显卡才能快速运行。在实际使用中,目标检测算法一般要求集成到车辆硬件系统中,因此算法对硬件资源的要求不能太高。基于SSD网络,提出一种轻量级的SSD网络,用于实时目标检测。通过减小输入图像的大小以及全连接层节点数量,减少网络复杂度,
分析了面向测量和控制系统的精确时钟同步协议IEEE1588标准,研究了通过以太网实现精确时钟协议的思想、原理和算法,以及数据包时间戳的生成方式;设计了精确时钟协议的具体实现方式,使用DP83640芯片,实现了以太网硬件辅助生成时间戳,分析了系统的原理、组成和功能;最后通过以太网搭建了测试系统,对不同的网络负载情况进行了主从时钟的同步精度测试;测试结果验证了通过以太网传输和同步时钟,能够容易达到微秒
针对信息获取与处理过程中的不确定性导致的遥感数据分类精度难以满足土地覆盖变化、环境监测、专题信息提取等应用方面的需求,提出了一种基于机器学习的分类融合算法。采用6种异构分类器,以查准率及查全率矩阵为先验知识,依据分类器差异性指数AD对单分类器进行优化组合,结合三维概率矩阵分别得到抽象级、排序级和度量级的分类融合结果输出,并以北京地区Landsat 8遥感影像的典型区域为研究对象进行分类预测。结果表