基于Spring和JavaBean组件的现场总线虚拟实验平台研究

目前虚拟实验平台越来越普遍,针对学生在实验室完成相关课程的实验任务时,存在不能解决时间、空间和距离的限制的问题,提出了基于Spring框架的虚拟实验技术,构建了一个基于Spring框架的现场总线虚拟实验平台,该平台使用Spring框架将整个构架连贯统一,并且使用JavaBean组件实现了虚拟实验模块的实验部件。实验表明,该平台在连接速度上性能优良,在各浏览器上都无不兼容现象发生,可以大大提高了学生的实验水平。

基于JavaBean组件的校园BBS系统的设计与实现

根据大学生的需求,设计并实现了基于JavaBean组件的校园BBS系统。从系统业务流程、功能需求、数据库设计等方面介绍了BBS系统的设计过程。并介绍了系统主要模块的实现及主要界面。测试运行结果表明,该系统具有良好的功能与性能,对于大学生的交流与校园的文化建设都具有重要的意义。

JavaBean组件技术的研究

本文介绍了JavaBean组件的基本概念、技术特点,给出了用JavaBean访问数据库的具体 实例。

一个JavaBean组件TetrisBean的设计

本文详细介绍了笔者开发的俄罗斯方块JavaBean组件的功能、设计及编程实现。

基于JavaBean组件技术控制系统组态

当前的工控系统应用中存在诸如软件系统的可靠性、扩充性以及组态软件的移植性等问题，针对这些问题，讨论了将软件组件技术及ＪａｖａＢｅａｎ应用于工控组态系统，并就实例详细介绍了基于ＪａｖａＢｅａｎ组件技术的工控组态系统的开发步骤及设计过程．

JavaBean组件技术及其在工控组态中的应用

首先讨论了软件组件技术及其发展 ,主要介绍了JavaBean组件模型及其在工控组态系统设计中的应用 .

浅谈JavaBean组件及其在JSP中的使用

JavaBean是一种Java语言写成的可重用组件,它对于软件的可维护性和易维护性起到了很大的积极性作用。本论文介绍了JavaBean组件的相关知识,并在此基础上讨论了如何在JSP(Java Server Page)中使用JavaBean组件。

基于Oracle JavaBean组件的数据库快速开发

JavaBean是一种基于Java的软件组件,Oracle提供了一系列访问数据库的JavaBean组件,这些组件包含在Oracle.jsp.dbutil包中。分析了Oracle.jsp.dbutil开发包中的数据库访问JavaBean组件,利用这些组件可以实现数据库的快速开发。

基于JavaBean组件的分布式管理系统设计与实现

随着互联网用户的规模不断增大,分布式管理系统在各个领域得到了广泛的应用。本文详细分析了分布式管理系统的三层架构,重点阐述了基于JavaBean组件的数据库访问技术及其在分布式管理系统中的应用。

基于动态指标的光伏组件健康程度诊断

为了对光伏组件的健康状况进行诊断,提出了一种基于光伏组件的光生电流,等效串联电阻,等效并联电阻3个指标的光伏组件健康程度定量检测方法。首先利用改进的布谷鸟算法对测量的光伏组件I-U线进行参数辨识,形成实测健康曲线,再利用光伏组件自然老化模型确定理论健康曲线,然后计算实测健康曲线与理论健康曲线之间的偏移量并结合灰色关联分析进行数值校正;定义健康程度H参量计算得到光伏组件健康程度量化值。仿真分析和实验测试结果表明该方法可以对不同环境下的光伏组件健康程度进行有效在线诊断,为光伏组件维护提供参考。

基于二重威布尔混合分布的某型燃机燃油泵组件可靠性分析

燃油泵组件是机电一体化的产品,其在使用中获得的故障数据存在不同失效机理的情况,因此一重威布尔分布无法准确描述产品失效机理,而混合分布通过将多种失效分布进行耦合,能够充分描述产品失效机理。本文将二重三参数威布尔混合分布模型应用在舰船发动机附件故障分析中,基于某型燃机燃油泵组件的故障数据,通过数据分析直方图确定故障模型与模型初始化参数,通过Matlab非线性曲线拟合方法来估计二重三参数威布尔混合分布的参数。研究方法及成果能够为燃油泵组件可靠性分析及优化改进提供一定的借鉴。

基于改进CNN-SVM的光伏组件红外图像故障诊断方法

为识别光伏组件故障类型,提高光伏系统发电效率,提出了一种基于改进CNN-SVM模型的光伏组件红外图像故障诊断方法。首先以光伏组件红外图像为输入样本构建改进CNN模型,采用全局平均池化层代替传统CNN模型的全连接层,在进行图像特征提取的同时降低模型参数量;利用数据增强和批归一化技术提高模型泛化能力,降低模型过拟合。其次采用非线性支持向量机SVM代替传统CNN模型中的Softmax分类器,以提高光伏组件红外图像故障识别准确率。最后采用Infrared Solar Modules数据集对所提模型进行了实例验证。结果表明:与传统CNN模型相比,改进CNN-SVM模型故障诊断准确率高,对各故障类型的识别能力强。

标准核燃料组件几何轮廓校准装置的研制

针对标准核燃料组件竖直状态下几何参数溯源需求,研制了一种标准核燃料组件几何轮廓校准装置。该装置以空间坐标测量为理念,利用多路接触式传感器作为轮廓测量采集单元,结合测量工作台高度位置获得轮廓坐标。通过直线度及扭转度测量与误差补偿,进一步提高了几何轮廓测量精度;并使用集成运动控制和专用测量软件,实现了标准核燃料组件几何轮廓参数(直线度、扭转度、垂直度、平行度)的自动检测。通过分析及实验验证,几何轮廓参数中直线度和平行度测量标准不确定度为0.01 mm,扭转度测量标准不确定度为0.007 mm,垂直度测量标准不确定度为0.017 mm,说明该装置能够满足标准核燃料组件的溯源需求。

基于改进EfficientNet的红外图像光伏组件故障识别研究

光伏组件的故障会影响光伏阵列的输出性能,从而降低电站的发电效率,严重时甚至会危害电站的安全运行。传统的方法无法满足目前光伏组件故障检测快速性和正确率需求。因此,本文提出了一种基于改进EfficientNet的光伏组件故障识别方法。首先,利用采集到的光伏组件红外图像建立故障数据集,并利用图像分割和数据增强对数据集进行预处理;其次,基于EfficientNet网络构建故障识别模型,同时在模型中引入双通道注意力模块(CBAM),该模块能够抑制不必要特征的识别,增强模型对空间特征信息的提取能力,进而提高模型的识别准确率;最后,通过对比仿真实验证明模型的有效性和先进性。实验结果表明,该模型的故障识别准确率达到了90.83%,相较于原始的EfficientNet模型提高了2.83%,且模型大小仅为20.3 M,具有良好的实用性,能够满足光伏电站实际应用的需求。

一种4 GHz瞬时带宽的6~18 GHz超宽带T/R组件设计

针对现代电子对抗设备的大瞬时带宽要求,文中设计了一种瞬时带宽4 GHz的6~18 GHz超宽带T/R组件。采用砖块式多芯片组件(Multi-Chip Module,MCM)和超宽带信号传输等技术实现了T/R组件高集成、小型化和模块化的要求。对T/R组件组成构架、收发通道指标预算、宽带信号传输特性仿真和电磁兼容性设计进行了详细描述。测试结果显示,T/R组件在12 GHz工作带宽内具有良好的性能,发射功率大于35 dBm,接收增益大于20 dB,噪声系数小于5 dB,延时总量达762 ps。

融合视觉特征的光伏组件语义分割模型研究

针对光伏组件红外图像的分割问题,使用MobileNetv2作为DeepLabv3+的主干特征提取网络并使用位置通道注意力模块减少背景干扰,引入混合条带池化对ASPP模块进行优化,帮助模型进一步捕获全局和上下文信息。针对检测困难的屋顶光伏组件设计DeepLabv3-T网络,在上述改进的基础上融入纹理信息进行选择性背景抑制,实现光伏组件的精确分割。在PV_large和PV_roof数据集上进行实验证明该文方法优于现有技术,DeepLabv3-T相较于DeepLabv3+,mIoU值分别提高了2.74%和10.53%。此外,设计消融实验表明各个改进模块的有效性。

一种基于硅基MEMS三维异构集成技术的T/R组件

基于硅基微电子机械系统(MEMS)三维异构集成工艺,设计并制作了用于相控阵天线系统的三维堆叠式Ku波段双通道T/R组件。该组件由两层硅基结构通过球栅阵列(BGA)植球堆叠而成,上下两层硅基封装均采用5层硅片通过硅通孔(TSV)、晶圆级键合工艺实现。组件集成了六位数控移相、六位数控衰减、串转并、电源调制、逻辑控制等功能,最终组件尺寸仅为15 mm×8 mm×3.8 mm。测试结果表明,在Ku波段内,该组件发射通道饱和输出功率大于24 dBm,单通道发射增益大于20 dB,接收通道增益大于20 dB,噪声系数小于3.0 dB。该组件性能好,质量轻,体积小,加工精确度高,组装效率高。

燃料组件破损棒自动超声检查系统关键技术研究

燃料组件长期服役过程中,会因为振动、材料老化、强辐照等原因发生破损,这为核电机组安全运行带来隐患,而燃料组件破损自动超声检测系统尚未达到完全国产化。为此,该文从检测理论、探头和采集系统方面讨论了自动超声检测系统中的关键技术,同时对声束传播过程和响应进行了仿真和试验验证。试验结果表明,实际测量结果与理论模型吻合,自主研制的自动超声检查系统可有效分辨燃料组件破损棒。

基于高阶空间交互网络的光伏组件热斑故障检测

针对传统红外热斑故障检测算法由于特征表达能力不佳造成算法易受复杂背景干扰以及对密集目标、小目标故障检测精度低的问题,提出一种基于高阶空间交互的光伏组件热斑故障检测网络。首先,设计高阶空间交互模块,并将其引入YOLOv5主干网络进行全局交互建模,提升网络对密集目标的检测精度;其次,为突出复杂背景下故障目标的关键特征,设计基于协同注意力的特征提取模块重构颈部网络;然后,在颈部网络设计多尺度特征增强融合模块以提高检测网络对不同尺度特征的充分利用;最后,设计自适应特征融合检测头以提高模型对小目标的感知能力。实验结果表明,相较于7种经典检测算法,所提出的算法检测精度最高,精度可达84.3%。