我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

基于工业机器人的PCBA自动化测试系统 下载：59 浏览：379

晏亮1，2 王伟峰1，2 陈一凡1，2 韩非1，2 涂建2 《中国仪器》 2020年6期

摘要:
针对PCBA传统测试方法自动化程度低的问题，设计一种基于工业机器人的PCBA自动化测试系统，实现PCBA自动转移、自动测试。详细介绍了4个核心分系统(执行系统、测试系统、自动定位及标定系统和过程追溯系统)的实现方法，它们分别实现产品抓取和安全保障、自动化测试、产品自动定位及治具自动标定、生产过程数据追溯。经过100片PCBA的试生产测试，验证了该系统的可行性和稳定性。

基于Wide&Deep-LSTM模型的短期台区负荷预测 下载：81 浏览：435

吕海灿1 王伟峰1 赵兵2 张毅3 郭秋婷3 胡伟3 《电网技术研究》 2020年7期

摘要:
负荷预测是电力系统经济运行的基础,其对电力系统规划和运行都极其重要。由于影响负荷预测的因素较多,因此用常规的方法很难获得较好的预测结果。随着新一代人工智能技术的兴起,尤其以深度学习和大数据技术的快速发展,为进一步提高负荷预测的精确度奠定了良好的基础。文中将深度学习方法引入到电力系统的短期台区负荷预测中,综合利用了负荷台区的电压、电流、功率以及时间等特征信息。同时在已有的长短期记忆网络(LSTM)模型和宽度&深度(Wide&Deep)模型的基础上,建立了基于Wide&DeepLSTM的深度学习短期负荷预测模型,并在此基础上进行了日前台区负荷预测。该模型能够兼具深度神经网络的学习能力与LSTM模块的时间序列信息表达特性,能够较好地解决台区电力负荷预测的多特征维度及时序性特征问题。最后利用Tensorflow深度学习框架生成了仿真模型并加以验证,仿真结果充分证明了所提方法的准确性与实用性。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享