本文在介紹SMC0820E和X9313的基礎(chǔ)上,討論了兩者的硬件接口電路及軟件編程。
世界各地計算機(jī)數(shù)量眾多,耗能量也相當(dāng)龐大,而支撐互聯(lián)網(wǎng)運(yùn)作的數(shù)據(jù)中心就是一大耗能實例。在一個典型的數(shù)據(jù)中心設(shè)施中,其實只有不到一半的功耗是用在計算功能上的。所以數(shù)據(jù)中心運(yùn)營商千方百計尋找機(jī)會來提高功率轉(zhuǎn)換效率和分配效率,例如通過高壓直流源的分配來減小轉(zhuǎn)換級的數(shù)目。
HB-LED有潛能成為多種多樣照明應(yīng)用的主力軍。將HB-LED照明與其他照明技術(shù)相比時,電源能效、長壽命及設(shè)計多樣性僅是我們正面平價的一部分。隨著特定用途恒流穩(wěn)壓器的發(fā)展,更佳的多用途(all-round)系統(tǒng)方案將會誕生。
現(xiàn)有的MOSFET技術(shù)和硅工藝種類繁多,這使得選擇合適的MOSFET驅(qū)動器成了一個富有挑戰(zhàn)性的過程。
0 引 言 直接數(shù)字頻率合成(DD6)是一種以固定的精確時鐘源為基準(zhǔn),利用數(shù)字處理模塊產(chǎn)生頻率和相位均可調(diào)的輸出信號的技術(shù)。隨著超大規(guī)模集成電路和微電子技術(shù)的發(fā)展,現(xiàn)代高性能、高集成度和小體積的DDS產(chǎn)品正
0 引 言 隨著虛擬儀器技術(shù)的發(fā)展,采用“虛擬儀器”來取代傳統(tǒng)儀器的新的測控方法正在取代傳統(tǒng)的測控系統(tǒng),即利用數(shù)據(jù)采集卡、信號調(diào)理卡或其他計算機(jī)外圍硬件進(jìn)行信號的采集與檢測,然后由計算機(jī)來實現(xiàn)對信號
0 引 言 智能測量儀器作為信息獲取工具,是一種集多個門類、多種學(xué)科技術(shù)于一體的復(fù)雜有機(jī)體。隨著測試技術(shù)、計算機(jī)技術(shù)和大規(guī)模集成電路技術(shù)的飛速發(fā)展,現(xiàn)代智能測量儀器不但對功能、性能、精度和指標(biāo)的要求
集成多路模擬開關(guān)(以下簡稱多路開關(guān))是自動數(shù)據(jù)采集、程控增益放大等重要技術(shù)領(lǐng)域的常用器件,其實際使用性能的優(yōu)劣對系統(tǒng)的嚴(yán)謹(jǐn)和可靠性重要影響。 關(guān)于多路開關(guān)的應(yīng)用技術(shù),些文獻(xiàn)上介紹有兩點不足:一是對器件
基于瞬時無功功率諧波動態(tài)檢測法,檢測的精度高、實時性好。本文闡述了基于瞬時無功功率與神經(jīng)網(wǎng)絡(luò)組合控制電網(wǎng)諧波動態(tài)檢測方法的基本原理,分析了基于瞬時無功功率的諧波檢測方法,在負(fù)載突變是引進(jìn)神經(jīng)網(wǎng)絡(luò)提高準(zhǔn)確實時性,在此基礎(chǔ)上結(jié)合有源電力濾波器進(jìn)行仿真實驗,觀察諧波動態(tài)檢測。
本文提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的電機(jī)故障預(yù)測新方法。該方法將時間序列與模糊神經(jīng)網(wǎng)絡(luò)結(jié)合,同時引入時差法,對電機(jī)狀態(tài)進(jìn)行預(yù)測,從而提高了預(yù)測精度,減少了系統(tǒng)誤差。仿真結(jié)果表明,該預(yù)測方法的誤差明顯較小,是一種較實用的預(yù)測方法。
如果一個實驗室使用多臺頻率計數(shù)器、頻譜分析儀和其他與頻率相關(guān)的測試設(shè)備,則給實驗室提供一個標(biāo)準(zhǔn)頻率是非常有意義的。與其花時間去校準(zhǔn)所有儀器的振蕩器或購置昂貴的高精度振蕩器,倒不如使用圖1所示的電路,即
文章給出了有源電力濾波器中鎖相倍頻電路的實現(xiàn)方法,所設(shè)計的鎖相倍頻電路能夠較為快速準(zhǔn)確的實現(xiàn)信號的倍頻,為啟動DSP并實現(xiàn)精確的信號采樣奠定了基礎(chǔ)。
本文所研究的交流伺服系統(tǒng),充分利用DSP和FPGA的外圍電路和控制接口,簡化了硬件設(shè)計,同時在軟件設(shè)計中采用模塊化方法方便復(fù)雜程序的編寫。實驗結(jié)果顯示該系統(tǒng)具有良好的控制性能。隨著工業(yè)生產(chǎn)中不斷增長的高精度、高可靠性的需求,交流伺服系統(tǒng)的應(yīng)用將越來越廣泛。
論述了一種可靠檢測低速率DDoS攻擊的系統(tǒng),并做了仿真實驗驗證。通過網(wǎng)絡(luò)數(shù)據(jù)包實時采集與信息萃取模塊的預(yù)處理,對數(shù)據(jù)包進(jìn)行捕獲與解析,接入到識別模塊,發(fā)現(xiàn)異常即啟動報警機(jī)制。該系統(tǒng)可由用戶設(shè)定識別概率和漏報概率。除可靠識別外,本文論述的系統(tǒng)還有個優(yōu)點。它可方便地延拓到分級服務(wù)網(wǎng)中。
建立一個基于改進(jìn)的CMAC小腦模型神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定控制系統(tǒng),該P(yáng)ID參數(shù)的整定方法為基于規(guī)則的整定方法,不必精確地辨識被控對象的數(shù)學(xué)模型,只需將系統(tǒng)誤差 的時間特性中的特征值送入CMAC網(wǎng)絡(luò),CMAC再根據(jù)輸入的特征值得出相應(yīng)的PID參數(shù)的變化量,即可實現(xiàn)PID參數(shù)的自整定。