选矿工业全流程物联网实验平台的研发

结合选矿生产过程的流程长、工序多、设备多、地域分散的特点,探讨了工业物联网在选矿生产过程中应用的技术需求。针对选矿生产过程物联网系统的多类型网络、多种通讯协议、多种传感器、多种控制系统等并存的问题,研究开发了选矿工业全流程物联网实验平台。该平台涵盖了DCS主控系统、现场总线仪表、现场总线电气设备、无线控制系统和无线仪表、人员车辆定位系统,以及边界网关和工业云数据中心。该平台在数据层面上实现了选矿生产全流程过程数据的全互联互通,在管理层面上实现了选矿生产全流程的人机物的有机集成,为基于物联网技术的选矿生产执行系统的深入研究和工业应用搭建了工业化的实验环境。

基于DTFT无窗函数电力系统间谐波检测高精度算法研究

由于电力信号频率波动,导致离散时间傅里叶变换(DTFT)存在频谱泄露和栅栏效应等问题,影响间谐波检测精度。传统算法利用加窗函数抑制频谱泄露,并做插值计算解决栅栏效应问题。根据实数域频谱特点和插值算法基本原理,分别构造实数频谱三谱线插值算法和六谱线插值算法,其中六谱线插值算法利用谱线叠加可以实现抑制频谱泄露。通过算例分析,对频率检测结果表明提出的算法检测精度高,其中实数域六谱线插值算法误差比传统算法减小一个数量级;对间谐波幅值检测结果表明实数域六谱线插值检测精度较高,且精度可以通过参数进行调节。

面向实时应用的深度学习研究综述

深度学习算法和GPU算力的不断进步,正促进着人工智能技术在包括计算机视觉、语音识别、自然语言处理等领域得到广泛应用.与此同时,深度学习已经开始应用于以自动驾驶为代表的安全攸关领域.但是,近两年接连发生了几起严重的交通事故表明,深度学习技术的成熟度还远未达到安全攸关应用的要求.因此,对可信人工智能系统的研究已经成为了一个热点方向.对现有的面向实时应用的深度学习领域的研究工作进行了综述,首先介绍了深度学习技术应用于实时嵌入式系统所面临的关键设计问题;然后,从深层神经网络的轻量化设计、GPU时间分析与任务调度、CPU+GPU SoC异构平台的资源管理、深层神经网络与网络加速器的协同设计等多个方面对现有的研究工作进行了分析和总结;最后展望了面向实时应用的深度学习领域进一步的研究方向.