淋浴器溫度控制調節采用MAT LAB 的附加組件Simulink, 仿真系 統的框圖如圖1 所示。圖中的虛線為模糊控制器, 作為二維模糊控制器機構以水的溫度偏差temp 和 流量偏差f low 為輸入量, 采用模糊推理方法對水 的溫度偏差和流量偏差進行整定, 用來確定冷水閥 門和熱水閥門的開口大小cold 和hot 以便控制冷 熱水的流量, 構成2 輸入2 輸出的一階模糊控制系 統; 模糊推理與去模糊化采用MIN - MAX 法及重 心法, 并用MA TLAB 模糊推理工具箱來編輯模糊 控制器。 圖1
上傳時間： 2018-10-12
上傳用戶：一只蟲蟲
“互聯網+大數據”養老綜合利用各種信息通信技術，以互聯、移動、開放、共享為特征，圍繞老年人的生活起居、安全保障、保健康復、醫療衛生、娛樂休閑等各個方面，面向老年人、服務單位、政府機構等相關人員和組織，開展信息采集、信息整理、信息利用和信息服務。 “互聯網+大數據”養老既是一個技術體系，更是一個服務體系。從養老服務的視角觀察，根據業務目標、業務主體和業務環境的差別，“互聯網+大數據”養老業務可分為3個方面：在行政管理和行業指導方面，相關行政管理部門在老齡數據大集中的基礎上對全社會養老事業開展頂層設計和集中管理，建設覆蓋全國和省、市、縣、鄉四級行政機構的行業管理信息化平臺；在老齡產品和服務產業方面，供應商通過物聯網、互聯網技術升級老齡產品，養老服務機構利用信息化應用和智能化產品升級養老服務，形成依托數據的互聯網老齡產業集群；在老年消費者方面，老年人學習和利用互聯網，加強自理能力，豐富社會生活，全面提升老齡人口的物質和精神滿足感。 “互聯網+大數據”養老具有與傳統養老體系完全不同的特征，可以概括為如下幾點。
上傳時間： 2018-11-01
上傳用戶：wwr123
包括下載，RDD，集群，調優，Streaming，MLlib。
上傳時間： 2019-09-24
上傳用戶：joininjoy
在微電網調度過程中綜合考慮經濟、環境、蓄電池的 循環電量，建立多目標優化數學模型。針對傳統多目標粒子 群算法(multi-objective particle swarm optimization，MOPSO) 的不足，提出引入模糊聚類分析的多目標粒子群算法 (multi-objective particle swarm optimization algorithm based on fuzzy clustering，FCMOPSO)，在迭代過程中引入模糊聚 類分析來尋找每代的集群最優解。與 MOPSO 相比， FCMOPSO 增強了算法的穩定性與全局搜索能力，同時使優 化結果中 Pareto 前沿分布更均勻。在求得 Pareto 最優解集 后，再根據各目標的重要程度，用模糊模型識別從最優解集 中找出不同情況下的最優方案。最后以一歐洲典型微電網為 例，驗證算法的有效性和可行性。
上傳時間： 2019-11-11
上傳用戶：Dr.趙勁帥
這份 資 安 事 件 應 變 小抄，專給想要 調查安全事件的 網 管 人 員 。 記住：面對事件時， 跟著 資 安 事 件 應 變 方 法 的流程，記下記錄不要驚慌。如果需要請立刻聯絡臺
上傳時間： 2020-10-13
上傳用戶：
嵌入式智能機器人平臺研究摘 要：針對傳統工業機器人采用的封閉式結構的局限性，在WindowsCE．NET系統基礎上，通過剪裁定制 ，去 除冗余的功能，搭建嵌入式智能機器人平臺．該智能機器人系統具有移動機器人需要的主要感知模塊，并有豐富的 運動控制接口及驅動模塊．同時 ，設計了多傳感器數據融合 、軌跡規劃、運動控制、無線網絡通信 、圖形人機界面等智 能機器人的測試軟件和應用模塊．該智能機器人平臺具有模塊化、易擴展、可移植、可定制、硬件體積小、功耗低、實 時性強、可靠性高等優點． 關鍵詞：智能機器人平臺；WindowsCE．NET；實時控制；自主機器人；雙目視覺；語音識別引言(Introduction) 隨著計算機技術 的快 速發展 ，機器 人技術也得 到了飛速發展．然而 ，現有機器人系統在硬件 和軟件 開發方面雖然已經趨于成熟，但依然存在一些問題． 它們的硬件多是專用的，軟件系統也多采用 Windows 2000或者 WindowsXP系統…．這些機器人系統 主要 存在以下一些缺點 ： (1)系統的實時性差．機器人控制系統是一個實 時性要求非常高的控制系統，作為一般桌面應用的 Windows和 Linux操作系統很難達到高實時性的要 求． ． (2)開放性 以及擴展性差．常見的機器人控制系 統存在的一個 問題就是 系統 的冗余大、開放性擴展 基金項 目：國家 自然科學基金 資助項 目(60475036) 收稿 日期 ：2005—05—16 性差，系統適用于特定的應用 ，不便于在硬件和軟件 上進行擴展和剪裁． (3)軟件的獨立性差．軟件結構及其邏輯結構依 賴于處理器硬件 ，難以在不同的系統 間移植． (4)缺少友好的人機交互界面． 2 系統概述(System description) 為促進當前智能機器人研究和應用，迫切需要 開發“具有開放式結構 的、模塊化 、標準化 的嵌 入式 智能機器人平臺”．這種智能機器人平臺具
上傳時間： 2022-02-12
上傳用戶：zhaiyawei
華為AI安全白皮書2018-cn近年來，隨著海量數據的積累、計算能力的發展、機器學習方法與系統的持續創新與演進，諸如圖像識別、語音識 別、自然語言翻譯等人工智能技術得到普遍部署和廣泛應用。越來越多公司都將增大在AI的投入，將其作為業務發展 的重心。華為全球產業愿景預測：到2025年，全球將實現1000億聯接，覆蓋77%的人口；85%的企業應用將部署到 云上；智能家庭機器人將進入12%的家庭，形成千億美元的市場。 人工智能技術的發展和廣泛的商業應用充分預示著一個萬物智能的社會正在快速到來。1956年，麥卡錫、明斯基、 香農等人提出“人工智能”概念。60年后的今天，伴隨著谷歌DeepMind開發的圍棋程序AlphaGo戰勝人類圍棋冠 軍，人工智能技術開始全面爆發。如今，芯片和傳感器的發展使“+智能”成為大勢所趨：交通+智能，最懂你的 路；醫療+智能，最懂你的痛；制造+智能，最懂你所需。加州大學伯克利分校的學者們認為人工智能在過去二十年 快速崛起主要歸結于如下三點原因[1]：1）海量數據：隨著互聯網的興起，數據以語音、視頻和文字等形式快速增 長；海量數據為機器學習算法提供了充足的營養，促使人工智能技術快速發展。2）高擴展計算機和軟件系統：近 年來深度學習成功主要歸功于新一波的CPU集群、GPU和TPU等專用硬件和相關的軟件平臺。3）已有資源的可獲得 性：大量的開源軟件協助處理數據和支持AI相關工作，節省了大量的開發時間和費用；同時許多云服務為開發者提供 了隨時可獲取的計算和存儲資源。 在機器人、虛擬助手、自動駕駛、智能交通、智能制造、智慧城市等各個行業，人工智能正朝著歷史性時刻邁進。谷 歌、微軟、亞馬遜等大公司紛紛將AI作為引領未來的核心發展戰略。2017年谷歌DeepMind升級版的AlphaGo Zero橫 空出世；它不再需要人類棋譜數據，而是進行自我博弈，經過短短3天的自我訓練就強勢打敗了AlphaGo。AlphaGo Zero能夠發現新知識并發展出打破常規的新策略，讓我們看到了利用人工智能技術改變人類命運的巨大潛能。 我們現在看到的只是一個開始；未來，將會是一個全聯接、超智能的世界。人工智能將為人們帶來極致的體驗，將 積極影響人們的工作和生活，帶來經濟的繁榮與發展。
上傳時間： 2022-03-06
上傳用戶：
摘要: 智能機器人仿真系統，由于智能機器人受到自身多傳感器信息融合和控制多樣性等因素的影響，仿真系統設計主要都 是以數學建模的形式化仿真為主，無法實現數學建模與場景實現協調仿真。為此，首先分析兩輪移動機器人數學運動模型， 然后設計與機器人控制系統相關的傳感器數據采集分析、機器人智能自動控制和人工控制等模塊，以實現機器人控制的真 實場景。仿真系統利用 LabVIEW 設計控制界面，并結合 Robotics 工具包的建模、計算和控制功能。仿真結果表明設計的平 臺更適合教學和實驗室研究，并可為實際的物理過程提供數據參考和決策建議。 關鍵詞: 機器人; 虛擬; 系統仿真 中圖分類號: TP242 文獻標識碼: B1 引言 隨著測控技術的發展，虛擬儀器技術已成為工業控制和 自動化測試等領域的新生力量［1］。而機器人作為一種新型 的生產工具，應用范圍已經越來越廣泛，幾乎滲透到各個領 域，是一項多學科理論與技術集成的機電一體化技術。目前 機器人仿真系統主要集中在復雜的機器人數學模型構建與 形式化仿真，無法實現分析機器人運動控制的靜態和動態特 性，更加無法實現控制的真實場景［2］。為了改善專業控制軟 件在硬件開發周期較長的缺點，本文擬建立一個基于通用軟 件的實時仿真和控制平臺，以更適合教學和實驗室研究。本 文以通用仿真軟件 LabVIEW 和 Robotics ［3］為實時仿真與控 制平臺，采用 LabVIEW 搭建控制界面，利用 Robotics 在后臺 進行系統模型和優化控制算法計算，使其完成機器人控制系 統應有的靜態和動態性能分析，不同環境下傳感器變化模擬 顯示以及目標路徑形成等功能。 2 系統構成 仿真系統的構成主要包括了仿真界面、主控制界面、障 礙檢測、智能控制和人工控制模塊。其中主要對人工控制和 智能控制進行程序設計。仿真運行時，障礙檢測一直存在， 主要是為了在智能控制模式下的智能決策提供原始數據。 在人工控制模式下，障礙檢測依然存在，只不過對機器人行 動不產生影響，目的是把環境信息直觀
標簽： 智能機器人
上傳時間： 2022-03-11
上傳用戶：
在互聯網高速發展的今天，人們的娛樂、購物、支付等活動已經離不開互聯網應用。電腦手機等移動設備的快速發展，使得獲取信息的途徑更加多樣化，娛樂服務吏加精巧化。隨著網絡用戶訪間量的不斷增加，Web服務器的壓力成倍增加，會導致服務器宕機和數據庫崩潰等問題。本文通過對網上商城項目高并發場景的分析，總結了影響服務器并發量的客觀原因，針對這些因素，本文以數據庫緩存和高并發web服務器負載均衡技術為主，設計并優化了服務器高并發訪問機制。本文主要對以下兒點展開研究（1）根據需求，選擇使用MyQL數據庫作為數據存儲器，本文分析了 MySQL數據庫的優缺點，針對MyQL數據庫查詢提出了 MySQL查詢調優方法，在高并發環境下為了保障數據庫的讀寫安全，設計并實現了 MySQL的主從復制。（2）分析了加入 Redis緩存數據庫的必要性，在高并發環境下，為了防止瞬時訪問數據庫的頻率過高以及惡意攻擊等問題，提出了在Web服務器與 MySQL數據庫之間加入Reis緩存數據庫，以保障數據的安全性，并極大地提高了數據的查詢效率。為了保障 Redis數據庫的可靠性，避免宕機或斷電產生的系列不可恢復的問題，設計并實現了 Redis集群策略，通過測試，證明了 Redis緩存的優越性（3）分析了Web集群后會造成的負載分配問題，決定加入負載均衡策略，并提出了一種新的基于加權輪詢的動態負載均衡策略。這種動態策略會根據集群服務器節點的CPU、內存、磁盤IO以及網絡性能的情況，計算負載權重，并根據節點對接口一段時間內的響應時間，獲取到響應時間平均權重。負載權重和響應寸間權重都與初始權重成負相關，根據這一特性，動態地設定服務器節點的權重大小。通過 JMeter測試工具測試負載均衡策略的性能，通過對比證明，本文的動態策略在響應時間和吞吐量上優于 Nginx內置的加權輪詢策略，更加適應高并發環境關鍵詞：Web服務器，高并發，Redis，Nginx，負載均衡
標簽： web服務器
上傳時間： 2022-03-11
上傳用戶：kent
主要內容介紹 Allegro 如何載入 Netlist，進而認識新式轉法和舊式轉法有何不同及優缺點的分析，透過本章學習可以對 Allegro 和 Capture 之間的互動關係，同時也能體驗出 Allegro 和 Capture 同步變更屬性等強大功能。Netlist 是連接線路圖和 Allegro Layout 圖檔的橋樑。在這裏所介紹的 Netlist 資料的轉入動作只是針對由 Capture（線路圖部分）產生的 Netlist 轉入 Allegro（Layout部分）1． 在 OrCAD Capture 中設計好線路圖。2． 然後由 OrCAD Capture 產生 Netlist（annotate 是在進行線路圖根據第五步產生的資料進行編改）。 3． 把產生的 Netlist 轉入 Allegro（layout 工作系統）。 4． 在 Allegro 中進行 PCB 的 layout。 5． 把在 Allegro 中產生的 back annotate（Logic）轉出（在實際 layout 時可能對原有的 Netlist 有改動過），並轉入 OrCAD Capture 裏進行回編。
上傳時間： 2022-04-28
上傳用戶：kingwide
