论文部分内容阅读
Nordic认为新冠疫情加速了物联网从新兴技术演变为主流技术的发展进程,而且,新冠疫情促进了业界纷纷采用先前被视为利基解决方案的技术.在数字医疗保健、居家工作、资产跟踪、游戏和虚拟现实/增强现实 (VR/AR)等领域,这些技术获得市场大力采纳而得以蓬勃发展.
迎接前所未有的智能物联网应用时代
【摘 要】
：
Nordic认为新冠疫情加速了物联网从新兴技术演变为主流技术的发展进程,而且,新冠疫情促进了业界纷纷采用先前被视为利基解决方案的技术.在数字医疗保健、居家工作、资产跟踪、游戏和虚拟现实/增强现实 (VR/AR)等领域,这些技术获得市场大力采纳而得以蓬勃发展.
【机 构】
：
Nordic Semiconductor
【出 处】
：
电子产品世界
【发表日期】
：
2022年2期
其他文献
针对差分进化算法在参数辨识时容易陷入局部最优、辨识精度需要优化等问题,改进的算法在原有选择、变异、交叉操作的基础上,引入随机游走策略,加强了算法的局部搜索能力,提高了种群的多样性.以等效串联电阻(ESR)和等效阻抗(Z)的实测值与预测值为基础构造目标函数,采用改进算法优化目标函数,对两个复杂程度不同的电解电容器模型进行参数辨识,得到参数辨识结果以及ESR和阻抗Z预测值.通过仿真表明,改进的算法是有效的,并且在经典模型下改进的算法预测精度始终维持在5％优于传统算法的14％.
肌电干扰是心电信号采集过程由于肌肉的轻微颤动引起的噪声干扰,因此需要对采集到的心电信号进一步的去噪.针对传统小波阈值去噪算法对心电信号去噪后存在信号震荡与失真问题,提出一种含有两个动态参数的改进小波阈值函数,通过动态参数可以对改进阈值函数进行整体和局部的调节,从而达到可以对不同程度的噪声进行去噪的目的 .为了验证新阈值函数的去噪效果,采用信噪比、均方差和心电信号的时频域特征3种评估指标,对改进的阈值函数和传统的肌电干扰去噪算法进行去噪效果的比较.研究结果表明,改进的阈值函数对心电信号去噪后的特征波形保存较
针对动态测试系统在测试过程中存在误差导致精度损失的问题,提出了一种基于集合经验模态分解和BP神经网络的动态误差溯源方法.该方法在全系统动态精度理论的基础上,首先通过EEMD对动态测试系统输出总误差进行分解,对分解得到的单项误差进行希尔伯特变换,分析误差信号的幅频特性,然后采用BP神经网络拟合溯源.通过仿真分析,结果表明该方法可以有效地追溯到动态测试系统中误差产生的模块,并且偏差精度达到10-2,比经验模态分解的方法溯源效果更好,避免了EMD存在的模态混叠等问题,具有可行性和应用性.
石油采收过程中油井动液面深度监测对确保油井的安全生产非常重要.当使用声波法测量油井动液面深度时,受到套管中复杂结构的影响,井口接收到的声波信号的接箍波和液面回波易受到噪声的干扰,导致传统的信号处理方法很难计算声波的速度和旅行时间,从而无法获得油井动液面深度.针对这一问题,首先对接箍波进行巴特沃斯低通滤波,采用短时平均幅度差函数来获取接箍波的平均采样次数,以此来计算声波在油井中传播的速度;在此基础上,对液面回波进行小波去噪,采用小波奇异值检测方法来获取液面回波位置,以此来计算起爆波和液面回波位置的时间差,进
当滚动轴承发生故障时,故障特征信号会夹杂在振动信号中,造成故障特征信号提取效果不理想.针对这一问题,提出了一种互补集成经验模态分解与多点最优最小熵(CEEMD-MOMEDA)的滚动轴承故障提取方法.首先通过CEEMD算法对采集到的振动信号进行处理,然后通过峭度准则对非故障冲击成分进行筛除,最后利用MOMEDA算法对重组后的信号进行处理从而抑制噪声的影响,从中提取出故障特征.并与单一的MOMEDA算法进行对比.结果 表明,提出的CEEMD-MOMEDA算法故障提取能力、抗干扰能力有较大提升.
针对采集到的桥梁裂缝图像存在污渍、阴影、光照不均等现象,导致后期裂缝特征提取困难的问题,提出一种结合MASK匀光和K-means聚类算法的裂缝提取方法.该方法首先对MASK匀光算法进行改进,提高算法自适应能力,采用对比度拉伸增强图像反差,然后根据裂缝与背景像素灰度值的差异,利用K-means聚类算法进行图像分割,最后结合形态学方法和连通域检测实现裂缝的桥接和去噪.实验结果表明,相比于其他方法,该方法能够有效降低图像亮度不均干扰对裂缝提取结果的影响,裂缝提取准确率达到95％,保证后期裂缝尺寸测量和桥梁病害程
针对在地震等自然灾害及遮蔽空间范围传感器体积受限制和对周围环境参数感知问题,设计了三维微组装多气体传感器测试仪,结合设计的GPSO-BP算法,该测试仪可以在高温高湿的环境下实现实时对有毒气体浓度以及压力的多参数测量,并对其进行温湿度补偿,具有高性能、小型化、准确度高的特点.测试结果表明,在湿度为80％RH,温度为50℃的环境下测量不同气体,经过温湿度补偿后,该测试仪的准确对度至少提高到2.2％以上,稳定性较强,对于地震等恶劣环境下的环境参数感知具有重大的意义.
为充分挖掘滚动轴承故障类别与振动信号间的潜在联系进而提升故障诊断精度,提出了一种基于尺度自适应卷积神经网络(SACNN)和改进门控循环单元(MGRU)混合模型的故障诊断方法.首先,提出了一种尺度自适应因子用以获取合适的CNN窗口尺寸从而更有效地提取振动信号中蕴含的局部故障信息,并在CNN中引入比例指数线性单元(SELU)以提升其训练过程的鲁棒性;随后,在GRU中嵌入SELU进一步提升网络稳定性,并改进GRU网络结构增强其时序特征的挖掘能力,进而更充分地提取局部故障信息中的时序特征;最后通过Softmax函
现有高压直流(HVDC)故障检测方法灵敏度低,难以识别高阻接地故障,提出了一种基于改进灰狼算法(GWO)优化时间卷积神经网络(TCN)的HVDC传输系统故障检测方法,整流侧检测装置采集的故障电流信号直接用作TCN的输入数据,克服了故障信号处理的繁琐过程.利用Simulink仿真软件建立±500 kV高压直流输电线路模型,对不同故障区域和故障类型进行仿真实验,使用基于LSTM模型,BiLSTM模型和CNN模型3种模型的故障检测方法进行比较.测试结果表明,GWO-TCN网络能够可靠、准确地在过渡电阻高达800
工业互联网千亿级的市场前景,近些年吸引了众多厂商持续入局.然而,入局容易做大难,经过多年发展,很多厂商仍在艰难探索,盈利情况不佳、定制项目与产品研发难以平衡、用户价值不清晰等诸多问题,仍然困扰着不少工业互联网服务商.细分领域众多,产品形态各异,零散的工业互联网细分市场给厂商产品研发和市场方向选择带来了不小的挑战.
期刊