【摘 要】
：
设计了一套支持多个通道放电输出电平信号的时序控制系统。该系统分为上位机和下位机两部分。上位机使用QT设计,在上位机中将需要输出的电平信号数据设置好之后,点击发送数据按钮会自动将这些数据处理成一个个包含通道输出信息的结构体包发送给下位机,下位机在收到完整数据之后切换为待触发状态,等待输出电平的命令。下位机嵌入式系统采用两块STM32微控制器,通过TCP/UDP与上位机之间通信和数据传输,下位机搭载嵌入式系统,完成数据包的解析,并在收到触发信号之后,按预定设置输出脉冲信号。经测试,该系统的的数据传输稳定,不丢
【机 构】
：
四川轻化工大学自动化与信息工程学院
【基金项目】
：
四川省科技计划项目(2020YFS0019)。
论文部分内容阅读
设计了一套支持多个通道放电输出电平信号的时序控制系统。该系统分为上位机和下位机两部分。上位机使用QT设计,在上位机中将需要输出的电平信号数据设置好之后,点击发送数据按钮会自动将这些数据处理成一个个包含通道输出信息的结构体包发送给下位机,下位机在收到完整数据之后切换为待触发状态,等待输出电平的命令。下位机嵌入式系统采用两块STM32微控制器,通过TCP/UDP与上位机之间通信和数据传输,下位机搭载嵌入式系统,完成数据包的解析,并在收到触发信号之后,按预定设置输出脉冲信号。经测试,该系统的的数据传输稳定,不丢
其他文献
研究以差分运算放大器为核心,探讨基于5G通信技术的差分运算放大器的研究与设计。结合5G通信技术所传播的信号特性,设计运算放大器结构类型。在此基础上设计一种高速和高增益的差分运算放大器。
随着计算机视觉的发展和人工智能产业的兴起,人脸表情识别技术在人工智能产业有着广泛的应用需求。人脸表情识别在传统机器学习算法下对环境及姿态的改变不具备良好的鲁棒性,而且识别精度也达不到实际应用的要求。计算机和图像处理器等硬件性能的提升,以大数据为核心的深度学习算法得到快速发展,人脸表情识别技术开始趋于在深度学习算法上研究。本文分别对人脸表情图像预处理、特征提取、特征分类3个关键技术进行介绍具体叙述了
信息提取技术是自然语言处理技术的关键技术之一其中最主要的任务是事件元素提取。本文利用深度学习网络模型实现信息提取任务进行了深入研究。训练数据来源于上海大学构建的CEC已标注的语料库。相比于采用手工设立规则的识别方式和BiLSTM网络模型本文通过对数据进行预处理和搭建BERT-BiLSTM-CRF深度网络模型,对文本数据训练实现标注,在时间、报道时间、参与对象的识别准确率上均有所提升。
本文针对行为分析中姿态识别问题,提出并设计了一款基于IMU的无线姿态采集系统。首先,采用9轴IMU、STM32L0主控以及低功耗蓝牙模块设计了大小仅为7×7×3 mm的小体积、低功耗无线姿态识别硬件环境;其次,设计上位机软件接收、解析以及保存姿态数据;最后通过小鼠跑台实验对所设计姿态采集装置进行验证,IMU采集姿态数据经过主控模块处理后通过蓝牙模块将数据上传至上位机,由上位机解析并保存姿态数据。结
本文提出基于物联云的垃圾箱预警及清运系统,以单片机开发、云平台管理端以及环卫人员手机小程序为主要的功能实现手段,智能垃圾箱为媒介的高效、实时的环卫行业运营模式建立了高度信息化的垃圾收运系统。智能垃圾箱以stm32主板为开发主板,搭载NB-IoT模组BC20物联网通信模块、超声波测距模块、温度湿度模块等各种传感器实现垃圾箱状态的实时监测。云平台管理端借助阿里云平台开发而成,由垃圾箱满载率可视化、设备
为实现机载显控设备测试台的复用,降低项目成本,通过研制模块化卡槽式拼接通用测试台,实现了测试台的多功能测试组合,覆盖了不同型号机载显控设备的测试需求。为其他机载终端测试台通用化研制提供了设计参考,具有较好的工程实用价值。
本文设计了一种以ZigBee技术为核心的智能仓储管理系统,该系统由PC机、微控制器、无线网络和驱动输出电路等组成。系统利用ZigBee技术建立仓库与管理平台之间的无线网络,并使之进行信息交互。该系统能查询货物的库存信息,并对其进行出入库操作与管理,解决了记账不准确、找货效率低的问题,提高了物流工作效率。
本文介绍了以单片机为核心的智能养猪场系统,该系统以STC89C52单片机、MQ-2型半导体电阻式烟雾传感器、火焰传感器、温湿度传感器、小型水泵、蓝牙传感器等对养猪场环境进行检测与控制。该系统在节约经济成本的情况下,将养猪场的内部建筑与环境搭建了出来,另外传感器的设计功能齐全,对于目前养猪普遍要靠人工的养猪大环境来说,具有较高的借鉴价值。
本文针对市场目前现有加湿器进行改良研究,开发了一种可移动微气泡加湿器,摆脱传统加湿器区域性的限制,扩大了加湿器可工作区域,且增加了加湿器的工作效率,简单方便,安全可行。
服装图像在采集和传输过程中会受到噪声不同程度的影响,为更有效地去除服装图像中的噪声本文提出了一种基于ASM图像能量的深度学习图像去噪方法。该方法基于结构图像先验理论,以随机向量作为卷积神经网络的输入,含噪声的服装图像作为目标输出。网络通过反向传播进行迭代,根据噪声与自然图像对于网络的阻抗不同,迭代至输出图像的ASM能量极大值处进行截断,截断处的输出图像即为去噪后的服装图像。实验结果表明,该方法对服