重庆六号线列车广播系统车侧LED屏坏点检测与维修

来源 :光源与照明 | 被引量 : 0次 | 上传用户:mythology_leonie
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
LED屏能够显示图形和汉字,应用于列车广播系统给人们日常生活带来更多方便,LED点阵显示屏较为多见。文章对重庆六号线列车广播系统车侧LED屏坏点检测进行研究,以提高故障检测效率,并提供对应的维修措施,以提高列车广播系统服务质量。
其他文献
vSLAM(visual Simultaneous Localization and Mapping,视觉同步定位与建图)技术被广泛应用在机器人、无人机、混合现实等领域。该技术对实时性要求较高,且常被部署于嵌入式设备。然而由于功耗、资源等因素限制,嵌入式系统的性能往往不足以支持实时的vSLAM应用。为了提高嵌入式vSLAM系统的实时性,现有研究开始使用硬件加速器来加速vSLAM中的部分计算过程。特
学位
在当前新课程背景下,初中数学教师在教学活动中需要采取更加科学有效的教学举措、教学方法,找到新课程视域下的数学教学核心问题,结合更加科学有效的教学方法,帮助学生在学习探索环节实现学科情感、素质、能力、思维的高效发展。本文对新课程标准下初中数学教学存在的问题进行简要分析,并且提出在当前新课标视域下提高数学教学效率的关键举措。
会议
深度神经网络(Deep Neural Network,DNN)如今在各种计算平台上受到了广泛应用,忽视或者低估深度神经网络计算平台所可能遭受的硬件风险有可能会给使用者带来巨大的危害。目前,DNN硬件平台上所面临的被动威胁(比如制造工艺上的缺陷,永久性故障以及软错误等)已经受到了学术界与工业界全面的研究。然而,DNN的硬件加速技术使其在能够为边缘设备提供实时的决策与推断的同时也引入了新的安全隐患。即
学位
基于生物电信号的手势识别技术是通过采集人体表面的生物电信号,根据生物电信号的变化来判别手势的变化,因此生物电信号采集技术是该领域的重要组成部分,生物电信号的采集质量直接影响到后续手势识别的精度,因此需要设计采集精度高,抗干扰能力强的生物电信号采集系统用于手势交互。本文根据表面肌电信号特征和电阻抗采集特点分别设计了手臂表面肌电信号采集系统和手臂电阻抗采集与断层成像系统,为生物电信号的采集提供精确,便
学位
随着第五代移动网络(The 5th Generation,5G)的商业部署,以人工智能、云计算、物联网为代表的新兴行业不断涌现,各种便携式无线通信设备的数量出现了爆炸性的增长,这对5G网络容量的可持续发展提出了极大的挑战。为了尽可能地节省无线通信设备的能耗和成本,同时满足高速率大带宽的系统需求,智能反射面(Intelligent Reflecting Surface,IRS)辅助的毫米波通信技术以
学位
近年来,个人媒介以及互联网技术的发展产生了海量的数据资源,为机器学习的飞速发展提供了绝佳的土壤,但随之而来的海量数据的标注问题也面临着巨大的挑战。另外,在某些实际应用中,单个的正向标签往往更容易被获得或引起人们的关注。因此,对仅有部分正例数据(被标注为正例的样本)与无标注数据的场景展开研究,充分挖掘隐藏在这些数据中的潜在信息,开发有效的正例无标注学习算法具有重要的理论意义。但现有的正例无标注学习大
学位
<正>如果我带着很多星星走到彩虹桥上,把星星挂在美丽的夜空,那么天上不就多了千万个闪闪发光的星星吗?如果我把许多美味的巧克力糖带到彩虹桥上,再把这些糖撒下来,那不就是在下巧克力雨吗?如果我带着滑板车从彩虹桥的这头滑到那头,那该有多刺激啊!
期刊
《义务教育数学课程标准(2022年版)》于2022年4月正式发布,对比于2011年版课标,《2022版课标》将“立德树人”作为整个课标编写的目标与宗旨,强调数学核心素养的培养,调整并优化了相关课程内容.本文以初中数学教师的视角,简要阐述基于核心素养对《2022版课标》调整与优化部分的理解以及如何落实在教学一线的思考.
期刊
综合管廊是地下空间浅层开发的市政基础设施,是指把原先直埋的管线(供水、排水、燃气、热力、电力、通信、广播电视、工业等)都入廊集束起来。目前已运行的综合管廊,暴露出许多安全隐患。汇总了综合管廊监控与报警系统案例,剖析了问题并提出相应整改建议。
期刊
生物种苗作为水产产业链的源头,亦是水产行业之根基所在,其好坏直接关系到养殖成败,决定着未来产业的命脉。种苗被称为水产业中的“芯片”,中国种业不仅要克服自然环境的挑战,也要减少对外进口的依赖。面对水产种质资源安全性的严峻挑战,许多科研院所开始对苗种培育和种苗优选进行攻关。水产生物的表型数据是育种优选过程中重要的参考因素,但目前国内缺少相应的智能装备。论文以沼虾表型数据测定的深度学习压缩模型为研究目标
学位