一、网络管理接口技术比较(论文文献综述)
曹海妹[1](2020)在《广东汇海农牧科技集团生产中控系统与SAP系统的接口模块的开发与实现》文中进行了进一步梳理广东汇海农牧科技集团一直使用公司技术团队自开发的亿帆管理系统控制公司销售、采购、仓库、财务、饲料配方、生产、质检等七个方面的运作,并有专业的财务软件配套使用,提供该财务软件的接口,能够方便地将系统中的单据转入到财务软件中。亿帆系统的优势在十年的使用中显而易见,界面简洁、操作简单、交互性强、功能实用,却存在着不集成、扩展性低、业务与实际数据脱节等隐患,尤其是生产部,实物与账面对不上,且无从考究、难以预防和控制。在逐渐扩大经营、增大公司规模的同时,优势可见度越来越低,而劣势暴露的越来越严重,为提高管理水平、降低生产成本、提高工作效率、增强自身竞争力,SAP的引进是不可阻挡的趋势,其中生产模块是论文中要讲述的重点,包括SAP中生产模块的相关操作以及将生产与系统无缝衔接的生产中控配料系统和计数系统。SAP系统将库存信息与采购、生产、销售以及成本、财务信息集成起来,实时记录实施单位的生产状态、采购信息、库存情况、销售记录,由此推演出更合理精确的物料需求计划,减少货物堆积以及货物不足,防止无依据的报计划,提高产量。配料系统主要实现原料消耗的功能,并提供配方管理、原料管理、报表统计、工厂参数、料仓参数、成品信息、生产订单等报表;计数系统主要实现成品报工的功能,并提供订单查询报表。帮助工人及时录入原料消耗信息和打包信息,帮助各级领导掌握及时准确的生成数据情况,进而作出更合理的决策,利用大数据分析及时调整生产计划及政策,为公司增加销量和应收。集团使用最新的SAP HANA数据库,采用列式存储、高度压缩数据的方式[1],并将数据存储于内存中,达到加快数据访问的效果;计数系统和配料系统使用较稳定的SQLSERVER EXPRESS版本数据库,对硬件要求低、稳定、方便,适合桌面型应用的软件。计数系统和配料系统都是主动抓取SAP通过RFC函数回传的数据,实现生产与系统的高度集成。
陈志伟[2](2020)在《群智能建筑电气设备接口技术研究》文中提出传统的建筑集中式系统采用分层架构,子系统各成体系,造成了组网调试、升级改造、机电设备互联互通困难等问题,严重阻碍了跨系统功能的实现。相比于传统的建筑集中式架构,群智能作为一种新型的建筑运行管理系统,采用的分布式架构去掉了中央监控主机,使得整个系统更加扁平,而作为建筑的重要组成部分,机电设备的互联互通是实现建筑群智能控制的关键。本文通过将计算处理节点(Computing Process Node,CPN)嵌入建筑电气设备对其进行改造升级,统一规范了电气设备的对外接口形式,并将一种改进的负荷预测算法植入电气设备中,将其升级为群智能电气设备。针对群智能建筑中电气设备的标准化描述问题,本文首先研究了电气设备标准信息模型的编制方法,从控制需求角度将电气类机电设备划分为七类,选取其中的配电箱作为典型代表,建立了配电箱这一大类的标准化信息模型,然后着重研究了配电箱与CPN的接口特性,为实现配电箱与CPN的信息交互提供了理论基础。为了分析设备的能耗水平,需要在电气设备中集成负荷预测功能。本文又分别研究了循环神经网络(Recurrent Neural Network,RNN)、长短期记忆网络(Long Short Term Memory,LSTM)以及添加Attention机制的长短期记忆网络(Attention Long Short Term Memory,Attention-LSTM)的数学模型,并使用PyCharm编辑器对上述神经网络进行建模,结果表明Attention-LSTM较其他两种网络具有更高的预测精度,验证了所提出算法的有效性。然后,为实现配电箱与CPN的接口对接,本文研制了基于STM32F407芯片控制的协议转换装置,着重分析了转换装置硬件和软件的设计过程,给出了将神经网络部署在STM32嵌入式中的方式。最后,基于配电箱的标准信息模型以及AttentionLSTM负荷预测模型,实现了配电箱与CPN的信息交互。
刘蕊[3](2020)在《《大脑与计算机连接以改善脑损伤后的沟通和康复》英汉翻译实践报告》文中提出近年来,脑机接口技术逐渐兴起,该技术在未来医疗领域和社会生活中都具有重要价值。因此笔者以《大脑与计算机连接以改善脑损伤后的沟通和康复》为翻译材料,该文本既涉及医疗技术领域相关知识,又符合科技文本特点。笔者通过该文本的翻译实践活动来探讨和分析此类文本的翻译方法与技巧。在本报告中,笔者以翻译关联理论为指导,分六个章节展开翻译实践:第一章介绍翻译文本背景,翻译实践活动的目的与意义,主要目的与意义在于总结出适用于该类科技文本的翻译经验与技巧,为研究者提供文本材料方面的便利,从而使该类技术更好的运用到医疗领域惠及患者;第二章是文本介绍,使读者了解笔者选择此类文本的原因以及文本特点;第三章是翻译指导理论,介绍了关联理论的内容与应用意义;第四章是翻译过程介绍,简述了翻译之前笔者的准备工作、翻译过程以及翻译后的校审工作,并强调了校审对翻译工作严谨的重要性;第五章是翻译实践案例分析,笔者从词汇、句法以及篇章多个角度分析比较,探讨翻译技巧与策略的运用;第六章是翻译实践活动总结,叙述笔者在本次翻译实践研究中所获得的经验成果。
刘巾滔[4](2020)在《基于ARM的多总线程控仪器接口软件设计》文中研究表明对于测试设备以及自动测试系统而言,总线在其中承担了信息传递和控制等不可或缺的功能。随着GPIB、USB、以及LAN等多种总线程控接口的增加,多总线程控仪器接口在构建自动测试系统以及设计智能仪器设备时将更加常见。本课题的多总线程控仪器接口是仪器设备装置的接口部分,拥有GPIB接口、USB接口以及LAN接口作为标准配置用于实现仪器与计算机的联系。本次软件设计GPIB/USB-LAN满足计算机与仪器内部控制电路通信协议转换,以ARM系列cortexM4-STM32F4微处理器为核心充分发挥程控仪器接口的功能,减少接口资源浪费并满足程控需求。本课题的主要研究内容如下:1.在考虑了器件功能、可靠性、操作复杂性以及成本等多方面的因素,USB接口采用USBTMC类协议设备接口;GPIB接口在ARM微处理器上用软件模拟出专用接口芯片的功能,保证了在极少的外围电路的情况下实现GPIB接口功能;LAN接口采用W5500以太网控制芯片,提出更高效的以太网接入方案。2.此次设计主要解决一台仪器的多种总线程控仪器接口问题,该软件设计集成GPIB转以太网功能以及USB转以太网功能,能把GPIB总线或者USB总线传来的控制信息通过ARM微处理器转换成以太网数据帧发送给仪器设备本身,完成了将一台仪器的不同程控总线接口实现与主控机的通信。3.作为仪器设备的多总线接口,需要具备可修改识别接口参数特性的功能。用户可通过上位机修改此参数信息,参数包括本地网关IP地址、子网掩码、本地IP地址、本地端口号、GPIB地址等。因为使用FLASH存储其信息,所以在供电突然断开时,依然可保留配置的参数。4.为了避免接口资源的浪费,同时也实现了上位机对USB/GPIB/LAN三个通信接口管理的功能。多总线程控仪器接口在实际使用过程中,可根据用户需要关闭或开启使用的程控接口,配置选项为0和1,0表示关闭、1表示开启。本文设计的基于ARM的多总线程控仪器接口有体积小、成本低、可靠结构、电路简单以及操作快捷等特点,能够满足测试测量仪器接口的需求,可方便灵活的组建成自动测试系统,具有很大的应用前景和使用价值。
刘兆军[5](2020)在《面向智能辅助驾驶的迁移学习脑机接口》文中研究指明由于我国新增驾驶人员数量飙升且交通监管存在漏洞,导致因驾驶行为不规范引发的交通事故数量居高不下,可见加强对驾驶行为的规范力度具有十分重要的社会意义。目前,智能驾驶技术被认为是解决上述问题的最有效方案之一,但现有技术方案忽略了驾驶员本身这一核心安全因素,若能对驾驶员的驾驶意图及行为进行有效预测,并用于辅助驾驶将有望大幅度降低交通事故发生的几率。为此,本文将运动想象脑机接口(Motor Imagery Brain Computer Interface,MI-BCI)技术引入智能辅助驾驶领域,以有效获取驾驶员驾驶意图,以便实现人-车状态的快速转换,增强邻近车辆间信息交互的实时性,有效避免交通事故的发生;另一方面,引入迁移学习以有效缩短脑机接口系统使用前的训练时间,有效提升脑机接口系统的使用效率。本文主要包含以下几项工作。首先,研究了运动想象脑电信号的产生机理,并针对其非线性、非平稳性的特点,从时域、频域、时频域多层面进行脑电特征提取,以全面表征ERD/ERS现象;最后阐述了支持向量机、BP神经网络两种常见的模式识别方法。其次,将迁移学习引入脑机接口,并针对现有迁移学习方法迁移效率不高以及适用领域局限性问题,本文综合实例迁移和特征迁移学习方法的优势构建了混合迁移学习模型。第一步,依据样本权重极化原理改进TrAdaBoost算法以实现实例层面的迁移,优化源域训练样本;第二步,基于大间隔投射迁移支持向量机进一步缩短源域与目标域间的分布距离以完成特征层面的迁移,实现迁移效率最大化。进一步,将该方法应用于BCI竞赛Dataset IIb数据集进行算法高效性与普适性验证。再次,设计了面向智能辅助驾驶的迁移学习脑机接口系统,包括驾驶模拟平台的搭建以及软硬件系统设计,用以对本文提出的基于混合迁移学习的运动想象分类算法的实用性、高效性以及普适性进行在线验证。
曾梓航[6](2020)在《脑机接口的认识论分析》文中认为现代信息技术改变着人类社会生活的方方面面,随之兴起的信息技术哲学正在成为哲学研究的一个新视角和新趋势。脑机接口技术作为信息技术中人工智能的一个热点也逐步进入到人们视野里,这是一种在大脑与外部设备之间直接建立交流通道的新型技术,它使得相关计算机设备与我们的大脑活动直接发生紧密的联系,在可以“阅读大脑”的基础上将脑中信息直接转换成能够驱动外部设备的控制命令,并代替人的肢体或语言器官实现人与外界的交流以及对外部设备的控制,同时也可以实现外部器具对人类感知觉功能一定程度上的修复或替代,延展人的感知觉功能,是一种全新的通讯和控制方式。而从哲学上正确认识和理解脑机接口技术,是充分发挥脑机接口积极作用的前提,也是提升人类认知水平、认知能力的重要途径。因此从哲学层面对脑机接口技术进行探析是非常必要的。目前,国内外对于脑机接口的研究多集中在技术应用层面,在哲学上特别是认识论角度的探析还相对缺乏,对脑机接口技术缺少一种全面的认知和深入的理解。本文着重从认识论层面对脑机接口技术进行分析和探究,认为脑机接口可以在功能性上实现对人类认知能力的延展,通过对感知觉的信息精细化处理使人的感知觉能力获得一定程度上的提升,从而实现真正意义上的认识不再局限于人脑之内的愿景。脑机接口作为一种新的认知形式也对主体认知过程、功能、结构等方面产生深刻影响,人们的认识活动技术化特征日益明显,思维活动逐渐呈现外在对象化趋势,而脑机接口与虚拟现实等认知科学技术的结合也改变了传统意义上的主客体关系。最后,文章也对脑机接口技术发展过程中存在的认识论难题进行了探析并得到启示。
王建超[7](2020)在《RBC测试平台接口仿真系统的研究》文中研究表明我国高速铁路运营里程已达到世界第一,随着我国高速铁路工程建设的不断深入,以及以“八纵八横”布局为主干脉络的高速铁路网进一步密集化延伸,使得线路网络节点的中心也就是枢纽站需要随着新线的发展进行扩容改造。目前针对枢纽站扩容改造的列控系统测试工作仍然巨大且受多因素影响:枢纽站不同于新建站,其有着日益繁重的运输任务,现场测试条件有限且天窗时间较短,难以保证工程测试质量。另外,枢纽站多是一条线路的中心站,其信号设备种类、数量多,测试工作复杂且繁重,信号工程列控系统的现场测试工作难免对枢纽站关联的线路运输工作产生直接影响或潜在危害,两项工作之间矛盾日益凸显。无线闭塞中心(RBC)是CTCS-3级列车运行控制系统核心设备之一,外部接口数量较多,功能十分复杂,对其测试的质量将直接影响列车的安全运行。尤其是针对RBC拉通测试时因测试交路组合数量庞大,传统的以人工为主要测试执行者的现场插入试验测试,效率较低且难以保证质量,影响中心枢纽的工程验收。针对目前因列控系统测试技术存在的不足造成的枢纽改造工程验收带来的问题,本文基于工程实际需求出发,研究并设计RBC测试平台的接口仿真系统,利用平台的自动化测试来代替人工现场测试,提升信号工程列控系统改造测试验收的效率和质量,进而能够有效合理的解决当前枢纽扩能改造与安全运输之间的问题。本文分析了RBC测试平台的结构功能以及平台内各子系统之间配合工作的机制。在此基础上结合《CTCS-3级列控系统无线闭塞中心接口技术规范》,重点分析了接口仿真系统的功能需求,并采用UML建模技术分别对RBC与计算机联锁(CBI)、临时限速服务器(TSRS)、调度集中系统(CTC)、相邻NRBC设备接口数据处理以及通信管理进行了建模分析。论文根据RBC接口技术规范以及测试平台相关协议,运用Qt集成开发环境和相关方法库、C++语言,根据UML建模分析设计,编程实现了接口仿真系统的外部接口数据(CBI、TSRS、CTC、NRBC)的编解码功能和通信管理功能。本文所实现的接口仿真系统配合其他子系统一起,搭建了实验室环境下的RBC测试平台,通过接口静态测试和CTCS-3级列控跑车动态测试的方法,对真实RBC设备进行测试。结果显示RBC功能逻辑和数据正确,接口仿真系统的接口间交互数据的编解码功能和通信管理功能正常。接口仿真系统能够达到设定的要求,测试平台能够较全面地对RBC进行测试,对枢纽改造的工程测试具有实用价值。
尚关卿[8](2020)在《面向智能制造车间的数控机床边缘端服务平台技术研究》文中指出智能制造车间产生的数据增长速度日益加快,对当前利用中心云集中式存储、分析和处理数据的模式带来了沉重的压力。边缘计算,旨在离设备距离更近的网络边缘就近提供数据采集、存储、计算和数据处理等服务。数控机床作为智能制造车间生产加工中的重要组成部分,其每天产生的数据中蕴藏着很高的工业价值。为此,本文提出一种面向智能制造车间的数控机床边缘端服务平台,具体研究内容如下:(1)在当前技术深入研究的基础上,从平台体系架构、平台功能结构和平台业务流程模型设计了数控机床边缘端服务平台的整体架构,阐述了平台框架实现过程中所使用的数控机床自适应数据采集、数控机床过程数据的边缘计算、OPC UA统一架构、MQTT统一接口等相关关键技术。(2)研究了几种主流数控系统的数据采集方法,针对传统的等时间间隔采集机床数据造成的数据冗余问题,分别研究了基于一元线性回归和基于旋转门算法的自适应数据采集方法,对比分析了两种算法的适用场合,并设计实现了数控机床自适应数据采集模块。(3)研究了数控机床过程数据的边缘计算技术,采用基于Apache Flink架构的数据处理方法处理机床过程数据,针对实时效能、故障诊断、OEE指标、生产进度与剩余工时、刀具状态监控等具体业务,进行了计算方法分析,设计了边缘服务数据库存储结构以及数据的上下行传输方案,提出了基于AES对称加密的数据报文安全性设计方法。(4)研究了统一接口技术,智能制造车间数控系统种类繁多,涉及到的通讯协议多种多样,导致数据统一采集困难,通过对几种主流数控系统设备通讯集成中间件以及基于工业4.0标准的OPC UA统一架构的研究,设计并实现了数控机床数据采集统一接口模块,对于物联网统一接口,基于MQTT应用模式,设计并实现了物联网平台统一接口模块。(5)设计并开发了数控机床边缘端服务平台原型系统的各个模块,并基于学院实验室智能制造车间中的西门子、法兰克、海德汉数控系统的机床,测试了服务平台各项功能的可行性,最后,在MES系统中进行了集成与应用,验证了本文研究方法的有效性。
林歆远[9](2020)在《基于眼动和SSVEP的混合脑机接口系统设计》文中指出在过去的几十年里,有许多的研究表明人类可以通过脑机接口(Brain-Computer Interface,BCI)来使用脑电信号与计算机或机器进行通信。脑机接口系统可以通过头皮上的电极放大并记录脑细胞群自发性、节律性的电活动,并将其转化为控制信号传递给外部设备。脑机接口技术被广泛用于心理学、临床诊断、认知研究等领域。混合脑机接口系统是一种多模态的脑机接口系统,它通过集成两个或更多不同的脑机接口系统来消除单一模态的缺点并保留其优点。混合脑机接口的出现在脑机接口领域具有革命性的意义。本研究结合脑电信号(Electroencephalogram,EEG)中的稳态视觉诱发电位(Steady-State Visual Evoked Potential,SSVEP)和眼动追踪(Eye Tracking)技术来构建一个全新的混合脑机接口系统。在这个混合脑机接口中,眼动追踪技术被用于目标的初选,而SSVEP信号则被用于在初选后的子集中识别最终的目标。这种混合脑机接口相比于传统的SSVEP单模态脑机接口有着更高的准确率、信息传输速率和更好的人机交互体验;相比于眼动追踪技术不但可以规避“Midas Touch”问题且有着更高的识别精度。本研究首先使用所提出的混合脑机接口构建了一个打字机。通过在线测试,该打字机获得了 94.7%的平均识别准确率和191.3 bits/min的平均信息传输速率,而同等条件下的SSVEP单模态打字机的这两个指标仅为47.3%和62.1 bits/min。随后我们将指令的数量加至最多112个并且将按钮面积最多缩小了 55.6%以测试该混合脑机接口的横向可扩展性。结果显示,该打字机的识别准确率没有出现显着的降低。本研究后来尝试将这种混合脑机接口应用到更加复杂的场景之中,因此实现了 一个混合脑机接口网络浏览器并设计了一个模拟日常互联网使用的在线测试流程。结果显示,该网络浏览器相比于其他脑机接口网络浏览器不但有着更加易于使用的人机交互方式还有着更短的指令识别时间和更高的信息传输速率。其中,平均指令识别时间达到了 8.09秒,这一结果进一步缩短了脑机接口交互方式与常规键鼠交互方式的差距。目前,脑机接口研究的主要目的是通过外部设备来帮助患有严重运动障碍的患者的改善其生活质量。很多时候我们不仅仅需要高准确率和高信息传输速率,系统的稳定性、易用性、可扩展性也同样非常重要。本研究通过实验证明了所提出的混合脑机接口是一种零训练的、高效的、高可扩展性的、用户友好的。因此,该混合脑机接口可以被很好地用来帮助有需要的患者,为他们树立更多的对生活的信心。
何曦[10](2019)在《脑波可视化技术的研究与实现》文中指出21世纪的重要科学技术包含了脑科学技术和计算机技术。随着脑科学技术的进步,人们对于大脑活动的认识不断地深入。近年来,人们已经能通过脑电波(Electroencephalogram,EEG)等脑波信号从脑电信号、脑磁信号等方面对于大脑活动进行直观的了解。在这其中,由于其成本的低廉性和使用的方便性,脑电波信号已经成为使用较为广泛的方式。另一方面,随着人工智能技术的理论突破,包括生成对抗网络在内的新技术被提出并迅速在各个领域中得到应用。使用人工智能中的新算法、新模型用于脑波信号分析已经成为一个方兴未艾的具有希望的领域。我们的研究旨在将脑波信号可视化,从而探究人类认识能力。文章的主要内容如下:在脑电数据集的处理中,介绍了一些传统方法,但是这些传统方法不能较好地满足需求,因此对其进行了不同程度的改进。然后介绍了本文用到的相关技术,主要包括脑机接口技术、数据可视化技术、生成对抗网络GAN等。在这其中,对脑机接口技术中的脑电波信号采集和基于脑电波信号的脑机接口进行了介绍,以癫痫治疗为例说明了脑电波信号的应用。在数据集和相关技术的基础上,训练了标准图像分类器和脑电波分类器,这样的目的是为了判别脑电波生成图像的正确性,为脑电波生成实验打下较好的基础。对EEG信号的处理及脑波可视化技术进行了研究。由于EEG是非线性、非平稳的随机过程,因此在传统信号处理方法中,引入了相关维度、熵、小波变换等多种数学技巧。值得说明的是,传统方法也能够实现对例如癫痫等脑科疾病的实时检查等医疗应用。但是对于认识意识等人类深层次的思维活动,传统方式无法以直观的方式显示思维的内容。在脑波可视化领域,介绍了发展迅速的生成对抗网络GAN,采用适当方式采集一定规格的脑电波信号,并以一定的损失函数及C+D+G的结构训练GAN,其中C指已训练好的分类器,D指试图鉴别真假图片的鉴别器,G指试图以高斯噪声生成假图片并欺骗鉴别网络的生成器。值得一提的是采取了额外的高斯层以解决脑电波样本集太小的问题。然后利用已经训练好的标准图像分类器对生成结果进行检验,结果证明分类效果较好。达到实验预期。
二、网络管理接口技术比较(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、网络管理接口技术比较(论文提纲范文)
(1)广东汇海农牧科技集团生产中控系统与SAP系统的接口模块的开发与实现(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 汇海集团SAP系统与生产中控系统开发背景 |
1.2 国内外研究现状 |
1.3 本课题研究的意义和目的 |
1.3.1 课题意义 |
1.3.2 研究目的 |
1.4 研究内容及组织结构 |
1.4.1 主要研究内容 |
1.4.2 论文章节安排 |
1.5 本章小结 |
第2章 SAP系统及交换架构介绍 |
2.1 SAP系统 |
2.1.1 SAP系统体系结构 |
2.1.2 工作过程结构 |
2.1.3 SAP应用程序 |
2.2 SAP接口技术 |
2.2.1 SAP系统内部环境搭建 |
2.2.2 RFC接口技术 |
2.2.3 BAPI接口技术 |
2.2.4 HANA数据库 |
2.2.5 SQL Server数据库 |
2.3 本章小结 |
第3章 需求分析 |
3.1 现状和需求 |
3.1.1 业务现状 |
3.1.2 业务需求 |
3.1.3 中控功能需求 |
3.2 SAP与中控系统数据架构分析 |
3.2.1 中控系统数据库架构 |
3.2.2 中控与SAP通讯过程 |
3.3 数据接口 |
3.3.1 物料主数据接口 |
3.3.2 配方主数据接口 |
3.3.3 生产订单接口 |
3.3.4 原料消耗数据接口 |
3.4 本章小结 |
第4章 接口总体设计 |
4.1 业务流程图 |
4.1.1 物料清单主数据维护流程 |
4.1.2 生产订单创建与下达流程 |
4.1.3 订单执行与完工确认流程 |
4.2 数据库逻辑结构 |
4.2.1 物料主数据数据库设计表 |
4.2.2 原料消耗数据库设计表 |
4.2.3 物料清单数据库设计表 |
4.2.4 产量报工数据库设计表 |
4.2.5 半成品生产订单数据库设计表 |
4.2.6 成品订单即时产量数据库设计表 |
4.2.7 半成品订单状态数据库设计表 |
4.2.8 成品生产订单数据库设计表 |
4.2.9 成品订单包装状态数据库设计表 |
4.2.10 废品入库数据库设计表 |
4.2.11 成品订单对应配料半成品订单配料状态数据库设计表 |
4.2.12 线边仓库存可用性检查数据库设计表 |
4.2.13 包装称量数据库设计表 |
4.2.14 班组主数据数据库设计表 |
4.2.15 产线主数据数据库设计表 |
4.3 详细设计方案 |
4.3.1 物料主数据接口 |
4.3.2 原料消耗接口 |
4.3.3 物料清单主数据接口 |
4.3.4 产量报工确认接口 |
4.3.5 配料半成品生产订单数据接口 |
4.3.6 成品订单即时产量数据接口 |
4.3.7 配料半成品订单状态 |
4.3.8 成品生产订单数据接口 |
4.3.9 成品订单包装状态接口 |
4.3.10 废品入库接口 |
4.3.11 成品订单对应配料半成品订单配料状态接口 |
4.3.12 线边仓及时可用性检查 |
4.3.13 包装称量计数接口 |
4.3.14 班组主数据接口 |
4.3.15 产线主数据接口 |
4.4 连接方式 |
4.4.1 中控系统与SAP系统的连接 |
4.4.2 计数系统与仪表的通信连接 |
4.5 本章小结 |
第5章 接口实现与测试 |
5.1 SAP系统端接口设计 |
5.2 开发中的关键问题和解决方案 |
5.2.1 数据拥堵问题 |
5.2.2 数据重复发送问题 |
5.2.3 投入产出比偏差过大 |
5.2.4 错误数据重复报工问题 |
5.2.5 中控系统其他异常处理 |
5.2.6 SAP异常处理 |
5.3 实施效果 |
5.3.1 生产中控系统之配料系统 |
5.3.2 生产中控系统之计数系统 |
5.4 本章小结 |
第6章 结论与展望 |
致谢 |
参考文献 |
学位论文评阅及答辩情况表 |
(2)群智能建筑电气设备接口技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 本文的研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 群智能的产生及发展 |
1.2.2 群智能技术在建筑中的应用 |
1.2.3 电气设备的运行控制 |
1.3 论文的主要研究工作 |
2 群智能电气设备的接口特性分析 |
2.1 群智能电气设备 |
2.2 电气设备的标准信息模型 |
2.2.1 电气类机电设备的划分 |
2.2.2 信息模型是实现群智能设备互联互通的基础 |
2.2.3 配电箱的标准化信息模型 |
2.3 配电箱及CPN的接口特性 |
2.3.1 配电箱的接口特性 |
2.3.2 CPN的接口特性 |
2.4 本章小结 |
3 负荷预测算法研究 |
3.1 负荷预测算法基础理论 |
3.1.1 负荷预测算法选择 |
3.1.2 人工神经网络模型 |
3.1.3 神经网络的评价指标 |
3.2 循环神经网络 |
3.2.1 循环神经网络数学模型 |
3.2.2 循环神经网络的反向传播 |
3.2.3 循环神经网络的优缺点 |
3.3 基于Attention机制的长短期记忆网络 |
3.3.1 长短期记忆神经网络数学模型 |
3.3.2 基于Attention机制的改进模型 |
3.4 仿真结果及分析 |
3.4.1 传统时间序列模型仿真结果 |
3.4.2 Attention+LSTM的改进效果 |
3.5 基于Attention机制的负荷预测方法 |
3.5.1 STM32与神经网络 |
3.5.2 神经网络在STM32中的实现过程 |
3.6 本章小结 |
4 接口技术的软硬件设计 |
4.1 接口技术的硬件电路设计 |
4.1.1 STM32最小系统 |
4.1.2 与CPN的通讯模块 |
4.1.3 与配电箱的通讯模块 |
4.1.4 FLASH存储模块电路设计 |
4.1.5 电源模块电路设计 |
4.1.6 液晶显示模块电路设计 |
4.2 接口技术的软件设计 |
4.2.1 移植μC/OS-Ⅱ操作系统 |
4.2.2 系统的任务划分及设计 |
4.2.3 主程序设计 |
4.2.4 通讯程序设计 |
4.2.5 协议转换程序设计 |
4.2.6 负荷预测程序设计 |
4.3 本章小结 |
5 实验结果分析 |
5.1 信息交互实验结果分析 |
5.1.1 与配电箱模拟控制器的信息交互 |
5.1.2 与带载配电箱的信息交互 |
5.2 负荷预测实验结果分析 |
5.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(3)《大脑与计算机连接以改善脑损伤后的沟通和康复》英汉翻译实践报告(论文提纲范文)
摘要 |
abstract |
第一章 引言 |
1.1 翻译背景介绍 |
1.2 翻译实践目的及意义 |
第二章 文本介绍 |
2.1 文本选择 |
2.2 文本特点 |
第三章 翻译指导理论 |
3.1 关联理论的定义 |
3.2 关联理论的指导意义 |
第四章 翻译过程介绍 |
4.1 译前准备 |
4.2 译中过程 |
4.3 译后校审 |
第五章 翻译实践案例分析 |
5.1 词汇层面 |
5.1.1 词的直译与意译 |
5.1.2 词的引申与转换 |
5.1.3 词的增译与减译 |
5.2 句法层面 |
5.2.1 简单句的翻译 |
5.2.2 复合句的翻译 |
5.2.3 被动句的翻译 |
5.3 篇章层面 |
5.3.1 一致性表达 |
5.3.2 衔接性表达 |
第六章 翻译实践总结 |
参考文献 |
致谢 |
附录 A:原文 |
附录 B:译文 |
附录 C:术语表 |
(4)基于ARM的多总线程控仪器接口软件设计(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究的背景与意义 |
1.2 国内外研究历史与现状 |
1.2.1 虚拟仪器的发展过程 |
1.2.2 各总线的发展态势和研究现状 |
1.2.3 多总线程控仪器接口转换的发展趋势 |
1.3 本文的主要研究内容 |
1.4 本论文的结构安排 |
第二章 多总线程控仪器接口系统方案设计 |
2.1 功能需求分析 |
2.2 硬件模块介绍 |
2.3 软件系统设计方案 |
2.4 软件开发平台介绍 |
2.5 系统方案可行性分析 |
2.5.1 经济可行性分析 |
2.5.2 技术可行性分析 |
2.6 本章小节 |
第三章 相关总线接口技术的设计与实现 |
3.1 USBTMC(USB TEST AND MEASUREMENT CLASS)程控接口设计 |
3.1.1 USBTMC协议 |
3.1.1.1 USB数据的构成与传输类型 |
3.1.1.2 USBTMC通信模型与数据格式 |
3.1.1.3 USBTMC协议请求 |
3.1.2 USBTMC驱动软件设计 |
3.1.2.1 USB外设接口模块介绍 |
3.1.2.2 USBTMC驱动程序编写 |
3.2 GPIB接口的软件模拟设计 |
3.2.1 GPIB协议 |
3.2.1.1 GPIB总线结构及信号线 |
3.2.1.2 接口功能与器件接口功能设置 |
3.2.1.3 消息编码及传递 |
3.2.2 GPIB接口设计 |
3.2.3 GPIB接口的软件模拟程序设计 |
3.3 以太网程控接口设计 |
3.3.1 TCP/IP原理 |
3.3.1.1 TCP/IP基础协议 |
3.3.1.2 数据封装 |
3.3.1.3 SOCKET通信 |
3.3.2 以太网接口设计 |
3.3.2.1 以太网接口芯片 |
3.3.2.2 W5500 工作模式 |
3.3.3 以太网接口程序设计 |
3.4 本章小结 |
第四章 程控仪器接口协议转换软件设计 |
4.1 系统的移植与内核拓展 |
4.1.1 μC/OS-Ⅲ简述 |
4.1.2 移植操作系统 |
4.1.3 任务调度介绍 |
4.2 系统软件总体设计 |
4.3 USB-LAN模块软件设计 |
4.3.1 USB-LAN模型 |
4.3.2 USB-LAN软件设计 |
4.4 GPIB-LAN模块软件设计 |
4.4.1 GPIB-LAN模型 |
4.4.2 GPIB-LAN软件设计 |
4.5 数据存储/配置软件设计 |
4.5.1 FLASH简介 |
4.5.2 参数存储方式 |
4.5.3 数据存储/配置程序设计 |
4.6 通信接口管理任务软件设计 |
4.7 本章小结 |
第五章 软件功能测试 |
5.1 搭建测试平台 |
5.2 USB-LAN模块测试 |
5.3 GPIB-LAN模块测试 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 研究工作总结 |
6.2 后续工作展开 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(5)面向智能辅助驾驶的迁移学习脑机接口(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.1.1 课题研究背景 |
1.1.2 课题研究目的及意义 |
1.2 智能辅助驾驶研究现状 |
1.2.1 基于视觉的智能辅助驾驶 |
1.2.2 基于车载传感器的智能辅助驾驶 |
1.2.3 基于生理信息的智能辅助驾驶 |
1.3 脑机接口技术及其在智能辅助驾驶中的应用 |
1.3.1 脑机接口技术的概念与构成 |
1.3.2 脑机接口技术的分类与应用 |
1.3.3 脑机接口技术现存问题 |
1.4 本文研究的主要内容 |
第2章 运动想象生理基础及脑电信号处理方法 |
2.1 引言 |
2.2 运动想象生理基础 |
2.3 运动想象脑电信号预处理 |
2.3.1 去除基线漂移 |
2.3.2 去除工频干扰 |
2.3.3 有效频段截取 |
2.3.4 去除伪迹 |
2.3.5 脑电信号通道选择与降采样 |
2.4 运动想象脑电信号特征提取 |
2.4.1 基于Hjorth参数的时域特征提取 |
2.4.2 基于最大熵功率谱估计的频域特征提取 |
2.4.3 基于时频能量的时频特征提取 |
2.5 运动想象分类识别方法 |
2.5.1 支持向量机 |
2.5.2 BP神经网络模型 |
2.6 本章小节 |
第3章 迁移学习及其在脑机接口中的应用 |
3.1 引言 |
3.2 迁移学习与机器学习 |
3.3 迁移学习的分类 |
3.3.1 依据源域与目标域是否包含带标签样本划分 |
3.3.2 依据源域与目标域结构异同划分 |
3.3.3 依据迁移方法划分 |
3.4 迁移学习脑机接口的实现过程 |
3.4.1 情绪迁移脑机接口 |
3.4.2 驾驶状态迁移脑机接口 |
3.4.3 运动想象迁移脑机接口 |
3.5 本章小节 |
第4章 基于实例样本与特征空间的混合迁移算法研究 |
4.1 引言 |
4.2 混合迁移学习算法原理及设计 |
4.2.1 实例迁移——改进的Tr Ada Boost算法 |
4.2.2 特征迁移——大间隔投射迁移支持向量机 |
4.2.3 混合迁移学习模型 |
4.3 混合迁移学习算法可行性分析 |
4.3.1 基于传统机器学习算法的跨领域模型适配 |
4.3.2 基于实例迁移的跨领域模型适配 |
4.3.3 基于特征迁移的跨领域模型适配 |
4.3.4 基于混合迁移学习的跨领域适配 |
4.4 运动想象数据库仿真分析 |
4.5 本章小结 |
第5章 智能辅助驾驶模拟系统搭建及测试分析 |
5.1 引言 |
5.2 系统总体框架设计 |
5.3 基于脑机接口的模拟驾驶平台设计 |
5.3.1 脑电信号采集系统 |
5.3.2 上位机刺激及脑机接口系统 |
5.3.3 下位机控制及驾驶反馈系统 |
5.4 实验测试及结果分析 |
5.4.1 实验对象与过程 |
5.4.2 实验结果分析 |
5.5 本章小节 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
作者简介 |
(6)脑机接口的认识论分析(论文提纲范文)
摘要 |
Abstract |
一、绪论 |
(一)研究目的和意义 |
(二)国内外研究综述 |
1、国外研究现状 |
2、国内研究现状 |
3、对国内外研究现状的评价 |
(三)研究进路 |
(四)拟解决的关键性问题 |
二、脑机接口的内涵和类型 |
(一)脑机接口的内涵 |
1、脑机接口的定义 |
2、脑机接口技术变迁 |
3、脑机接口的哲学内涵 |
(二)脑机接口的类型——基于接口深度的分类 |
1、非侵入式脑机接口 |
2、半侵入式脑机接口 |
3、完全侵入式脑机接口 |
(三)脑机接口的类型——基于接口指向的分类 |
1、由机到脑的脑机接口(输入型) |
2、由脑到机的脑机接口(输出型) |
本章小结 |
三、脑机接口与延展认知问题 |
(一)认知不再局限于人脑之内 |
(二)延展感知觉 |
(三)技术化增强认知 |
本章小结 |
四、脑机接口与认知主体问题 |
(一)脑机接口使认知主体认知过程变化 |
1、认知活动的技术渗透 |
2、思维活动的对象化显现 |
3、人脑思维与外部世界趋向融合 |
(二)脑机接口使认知主体认知能力变化 |
1、主体认知获取能力和方式变化 |
2、认知对象化和认知环境的技术把控 |
3、提升主体认知处理能力 |
(三)脑机接口与认知主体结构的变化 |
1、结构内涵变化:从人体向人机体转变 |
2、结构机制变化:优化生理机制与心理机制 |
3、结构功能变化:主体认知结构的外化 |
本章小结 |
五、脑机接口技术的认识论难题 |
(一)情感表征难题 |
(二)身体图式变化 |
(三)主客体关系变化 |
本章小结 |
结论 |
参考文献 |
攻读博士/硕士学位期间取得的研究成果 |
致谢 |
附件 |
(7)RBC测试平台接口仿真系统的研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 背景与意义 |
1.2 国内外研究现状 |
1.3 本文研究的主要内容 |
第2章 RBC测试平台接口仿真系统研究基础 |
2.1 RBC介绍 |
2.1.1 RBC功能和结构 |
2.1.2 RBC工作原理 |
2.2 RBC外部接口规范 |
2.2.1 RBC与计算机联锁接口 |
2.2.2 RBC与临时限速服务器接口 |
2.2.3 RBC与调度集中系统接口 |
2.2.4 RBC与相邻RBC接口 |
2.3 UML建模方法 |
2.3.1 UML简介 |
2.3.2 模型图介绍 |
2.4 开发环境及相关技术介绍 |
2.5 本章小结 |
第3章 RBC测试平台接口仿真系统设计 |
3.1 RBC测试平台 |
3.1.1 测试平台的功能和结构 |
3.1.2 测试平台工作原理及建模分析 |
3.2 接口仿真系统需求及建模分析 |
3.2.1 接口仿真系统功能和结构 |
3.2.2 接口仿真系统工作原理及建模 |
3.3 接口仿真系统各接口交互建模分析 |
3.3.1 RBC与计算机联锁接口间建模分析 |
3.3.2 RBC与临时限速服务器接口间建模分析 |
3.3.3 RBC与调度集中接口间建模分析 |
3.3.4 RBC与相邻无线闭塞中心接口间建模分析 |
3.4 本章小结 |
第4章 RBC测试平台接口仿真系统实现 |
4.1 接口数据编解码功能的实现 |
4.1.1 RBC与 CBI接口数据模块的实现 |
4.1.2 RBC与 TSRS接口数据模块的实现 |
4.1.3 RBC与 CTC数据模块的实现 |
4.1.4 RBC与相邻RBC接口数据模块的实现 |
4.2 通信管理功能的实现 |
4.2.1 基本通信模块实现 |
4.2.2 与测试执行与监督系统的通信模块实现 |
4.2.3 与RBC接口通信模块实现 |
4.3 本章小结 |
第5章 RBC测试平台接口仿真系统应用分析 |
5.1 测试环境 |
5.1.1 设备组成 |
5.1.2 测试线路数据 |
5.2 RBC接口静态测试 |
5.3 RBC接口动态测试 |
5.4 本章小结 |
结论 |
致谢 |
参考文献 |
攻读学位期间发表的学术论文 |
(8)面向智能制造车间的数控机床边缘端服务平台技术研究(论文提纲范文)
摘要 |
abstract |
缩略词 |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外相关技术研究情况 |
1.2.1 智能制造车间信息化发展现状 |
1.2.2 数控机床数据采集技术 |
1.2.3 工业互联网中的边缘计算技术 |
1.3 本文主要的研究内容 |
第二章 边缘端服务平台总体设计 |
2.1 需求分析 |
2.2 边缘端服务平台总体设计 |
2.2.1 边缘端服务平台体系架构模型 |
2.2.2 边缘端服务平台功能结构模型 |
2.2.3 边缘端服务平台业务流程模型 |
2.3 关键技术研究 |
2.3.1 数控机床自适应数据采集技术 |
2.3.2 数控机床过程数据的边缘计算技术 |
2.3.3 统一接口技术 |
2.4 本章小结 |
第三章 数控机床自适应数据采集技术的研究与实现 |
3.1 主流数控机床数据采集方法研究 |
3.1.1 SIEMENS数控系统的通讯方式和数据采集方法 |
3.1.2 FANUC数控系统的通讯方式和数据采集方法 |
3.1.3 HEIDENHAIN数控系统的通讯方式和数据采集方法 |
3.2 自适应数据采集方法研究 |
3.2.1 传统等时间间隔采集问题分析 |
3.2.2 基于一元线性回归的自适应采集方法 |
3.2.3 基于旋转门算法的自适应采集方法 |
3.3 数控机床自适应数据采集方法与实现 |
3.3.1 二种数控机床自适应采集方法的效果分析 |
3.3.2 设计与实现 |
3.4 本章小结 |
第四章 数控机床过程数据的边缘计算技术研究与实现 |
4.1 基于Apache Flink的机床过程数据的处理方法 |
4.2 数控机床设备数据分析处理指标的确定 |
4.3 数据的计算分析 |
4.3.1 实时效能分析计算 |
4.3.2 故障诊断分析计算 |
4.3.3 OEE指标分析计算 |
4.3.4 生产进度统计与剩余工时分析计算 |
4.3.5 刀具状态监控分析计算 |
4.4 数据的存储 |
4.4.1 Mysql数据库的选择 |
4.4.2 本地数据库存储结构设计 |
4.5 数据的传输 |
4.5.1 数据上下行传输方案设计 |
4.5.2 数据传输报文安全性设计 |
4.6 本章小结 |
第五章 统一接口技术的研究与实现 |
5.1 OPC UA工业统一接口技术的研究与实现 |
5.1.1 车间异构数控机床信息源模型建立的研究 |
5.1.2 基于OPC UA的数控机床信息源模型的映射 |
5.1.3 基于OPC UA工业统一接口的实现方法 |
5.2 数控机床集成通讯中间件设计 |
5.2.1 数控机床集成通讯中间件结构设计 |
5.2.2 数控机床数据采集点位地址分析 |
5.2.3 数控机床集成通讯库封装方法与实现 |
5.3 MQTT物联网统一接口技术的研究与实现 |
5.3.1 MQTT协议在系统中的应用模式 |
5.3.2 机床通讯报文到MQTT报文的封装 |
5.3.3 基于MQTT协议的物联网平台接口设计与实现 |
5.4 本章小结 |
第六章 数控机床边缘端服务平台原型系统的开发与验证 |
6.1 开发环境选择 |
6.1.1 硬件环境选择 |
6.1.2 软件环境选择 |
6.2 原型系统平台总体功能设计 |
6.3 平台功能开发 |
6.3.1 用户登录管理模块 |
6.3.2 机床管理模块 |
6.3.3 自适应数据采集服务配置管理模块 |
6.3.4 边缘计算服务管理模块 |
6.3.5 云平台接口服务管理模块 |
6.3.6 OPC UA接口服务管理模块 |
6.3.7 实时监控模块 |
6.4 实验测试 |
6.4.1 连接OneNet云平台数据上下行测试 |
6.4.2 OPC UA Server统一接口测试 |
6.5 在智能制造实验室MES系统中的集成与应用 |
6.6 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
(9)基于眼动和SSVEP的混合脑机接口系统设计(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 引言 |
1.2 研究背景及意义 |
1.3 脑机接口技术概述 |
1.3.1 脑机接口技术的特征阐述 |
1.3.2 单模态脑机接口的国内外研究现状 |
1.3.3 脑机接口系统的评价指标 |
1.3.4 脑机接口技术的局限性 |
1.4 眼动追踪技术概述 |
1.4.1 眼动追踪技术的特征阐述 |
1.4.2 眼动追踪技术的局限性 |
1.5 混合脑机接口系统 |
1.6 本文主要工作 |
第2章 混合脑机接口的系统设计 |
2.1 引言 |
2.2 系统框架 |
2.2.1 硬件系统 |
2.2.2 软件平台 |
2.2.3 眼动数据处理 |
2.2.4 EEG信号处理 |
2.2.5 SSVEP刺激模式 |
2.3 本章小结 |
第3章 混合脑机接口打字机 |
3.1 引言 |
3.2 系统设计 |
3.3 实验方法 |
3.4 实验结果 |
3.5 本章小结 |
第4章 混合脑机接口网络浏览器 |
4.1 引言 |
4.2 系统设计 |
4.3 实验方法 |
4.4 实验结果 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
本人在读期间的研究成果 |
(10)脑波可视化技术的研究与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 背景介绍 |
1.2 研究现状 |
1.3 尚未解决的问题 |
1.4 本文主要工作 |
1.5 本文章节安排 |
第二章 相关技术介绍 |
2.1 脑机接口技术 |
2.1.1 EEG信号的采集与量化 |
2.1.2 基于EEG信号的脑机接口 |
2.2 数据可视化技术 |
2.2.1 基于信号分析的方法 |
2.2.2 基于机器学习的方法 |
2.3 生成对抗网络GAN与可视化 |
2.3.1 基于文本的GAN图像生成 |
2.3.2 基于属性的GAN图像生成 |
2.4 相关数据集介绍 |
2.5 本章小结 |
第三章 基于卷积神经网络的脑电分类与图片分类 |
3.1 引言 |
3.2 相关研究 |
3.3 方法 |
3.3.1 实验环境搭建 |
3.3.2 数据集选择 |
3.3.3 信号预处理 |
3.3.4 EEG分类 |
3.3.5 图像分类 |
3.4 分类实验 |
3.5 结论 |
3.6 本章小结 |
第四章 脑波可视化 |
4.1 引言 |
4.2 相关研究 |
4.3 方法 |
4.3.1 总体结构 |
4.3.2 生成器G的结构与实现 |
4.3.3 鉴别器D的结构与实现 |
4.3.4 小样本集扩展 |
4.4 网络整合与生成实验 |
4.4.1 实验基准 |
4.4.2 评价指标 |
4.4.3 实验结果 |
4.5 结论 |
4.6 本章小结 |
第五章 总结和展望 |
5.1 总结 |
5.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
四、网络管理接口技术比较(论文参考文献)
- [1]广东汇海农牧科技集团生产中控系统与SAP系统的接口模块的开发与实现[D]. 曹海妹. 山东大学, 2020(12)
- [2]群智能建筑电气设备接口技术研究[D]. 陈志伟. 大连理工大学, 2020(02)
- [3]《大脑与计算机连接以改善脑损伤后的沟通和康复》英汉翻译实践报告[D]. 刘蕊. 天津理工大学, 2020(05)
- [4]基于ARM的多总线程控仪器接口软件设计[D]. 刘巾滔. 电子科技大学, 2020(07)
- [5]面向智能辅助驾驶的迁移学习脑机接口[D]. 刘兆军. 燕山大学, 2020(01)
- [6]脑机接口的认识论分析[D]. 曾梓航. 华南理工大学, 2020(02)
- [7]RBC测试平台接口仿真系统的研究[D]. 王建超. 西南交通大学, 2020(07)
- [8]面向智能制造车间的数控机床边缘端服务平台技术研究[D]. 尚关卿. 南京航空航天大学, 2020(07)
- [9]基于眼动和SSVEP的混合脑机接口系统设计[D]. 林歆远. 浙江大学, 2020(02)
- [10]脑波可视化技术的研究与实现[D]. 何曦. 电子科技大学, 2019(01)