自動識別協議的案例
轉速轉矩傳感器接口標準與自動識別協議怎么用？
為了保證不同廠家和系統之間的兼容性，有必要建立一套統一的接口標準和自動識別協議。
一、接口標準
1、電氣接口
（1）電源：定直流5V或12V供電，波動±5%，明確最大工作電流，如不超50mA。
（2）信號輸出
·模擬：設0-5V電壓或4-20mA電流輸出，規定線性度誤差±0.5%FS內。
·數字：支持SPI、I2C、CAN接口，明確數據格式、速率及校驗方式，如SPI用16位補碼，1-10Mbps速率，CRC校驗。
2、機械接口
·外形尺寸：統一定制常見規格，如軸裝式直徑50/75/100mm，長度100/150/200mm等。
·安裝方式：規范軸套、法蘭盤、螺紋安裝尺寸公差，如軸套H7/g6配合，法蘭盤4個M6螺栓均布于直徑80mm圓周。
二、自動識別協議
1、上電初始化識別
·傳感器：通電自檢后發含型號、量程、精度、接口、生產日期等信息的數據包。
·主機：校驗數據包，依接口配通信參數，據量程精度設數據處理與顯示。
2、實時狀態識別與通信
·傳感器：定時發含轉速、轉矩及溫度、電壓等狀態信息數據包，設異常標志位。
·主機：解包校驗，處理數據并評估設備狀態，異常時報警，依診斷標志優化數據。
3、故障診斷與自動修復（若可行）
·傳感器：故障時發含類型、時間、原因的診斷包。
·主機：解析顯示故障，嘗試自動修復，失敗提示人工干預，存儲記錄供分析。
文章來源： https://www.zhboyang.com/news/wenda/7221.html
展開 HyperWorks-Abaqus二次開發之自動抽中面+自動分組+識別厚度+賦予厚度屬性
[圖片]
淺談自動駕駛中的行為風險識別
引言
我們可以通過一個比喻來解釋什么是行為風險識別：自動駕駛的機器大腦在參加一場考試，他遇到一道難題，在兩個答案之間猶豫不決。盡管這道難題他不會做，但我們可以通過許多方式得知他“拿不準”這件事本身，例如題目描述的場景復雜或者之前不熟悉，并進一步針對這道題目請求“人類教練”的幫助。
自動駕駛的機器大腦如何工作？
我們人類在開車的時候，會由眼睛和耳朵等“傳感器”完成對環境信息的探測和感知，然后這些信息傳入我們的大腦，大腦經過所有的處理之后，發出直接的動作指令給“控制器“——我們的手和腳。
對于人類大腦的工作過程，我們還所知有限。而在當前的自動駕駛技術中，有一種嘗試是“端到端”技術，也就是完全模擬我們的大腦，試圖直接將傳感器獲得的環境信息輸入深度神經網絡，直接輸出對車輛的控制信號。
這類方法存在一個最大的問題就是深度神經網絡缺乏可解釋性。當遇到未知的場景時，我們無法保障網絡輸出結果的安全性。因此，當前絕大部分自動駕駛企業還是采用分層和解耦的思路，來解決自動駕駛決策的問題。
在這種思路下，自動駕駛的大腦工作由決策規劃模塊來完成
圖1. 自動駕駛系統中的決策規劃模塊分層結構
如圖1所示，典型的決策規劃模塊可以分為三個層次。
展開 利用圖像識別技術進行全自動非結構化網格劃分
代碼來源：https://github.com/otvam/mesh_from_bitmap_matlab
若Github訪問速度較慢，也可以在公眾號后臺回復：圖像識別劃分網格，便可自動獲取壓縮包。
示例效果
先看看一些效果圖吧：
代碼介紹
主函數文件
用戶可通過調節結構體里面的參數進行圖像的拾取及單元尺寸的控制，需要注意有以下幾點：
在進行選擇圖像時，只能選擇黑、白兩種顏色的圖像，即黑色區域為劃分網格的區域；
圖像通過
imread函數進行讀取，支持
bmp、
png、
jpg格式；
h_min與
h_max分別控制單元的最小尺寸與最大尺寸；
h_growth表示單元尺寸的增長率，具體含義我解釋不清楚，反正，h_growth越大，網格越稀疏，h_growth越小，網格越密集；
scale與
simplify_tol也是控制網格局部加密的函數，會根據內外輪廓進行適當局部加密。scale越大網格越密集，simplify_tol越小越密集，用戶可自己慢慢調節，知道調整至自己想要的效果，具體含義還需自己多玩玩。
展開 
ABAQUS二次開發-參考點坐標自動識別，與更新坐標 ￥80
ABAQUS二次開發-參考點坐標自動識別，與更新坐標
abaqus Python批量自動識別螺栓加載螺栓預緊力
abaqus Python批量自動識別螺栓加載螺栓預緊力，代碼見下，能自動識別與默認XYZ坐標軸方向相同的螺栓，基于網格單元法向確定螺栓力加載方向，無需手動指定方向,自動建立Surface set。step1-bolt建立螺栓力，step2批量修改保持螺栓長度。
Python實戰案例，cv2模塊，Python識別圖形驗證碼實現自動登陸！
()
result = pytesseract.image_to_string(image)
# 畢竟提供的庫識別能力有限，不一定能完整得到結果，需要對結果進行篩選
result = re.sub('[a-zA-Z’!"
英偉達打造自動駕駛汽車 用面部識別實現無鑰匙進入
日前據外媒報道，英偉達和VisionLabs公司（一家專注于開發面部識別、數據分析、以及機器人技術的俄羅斯初創公司）正合作打造一輛名為“BB8”的自動駕駛汽車，這或將是首批用面部識別替代汽車鑰匙的車輛之一，真正做到“無鑰匙進入”。
這對搭檔表示，他們在自動駕駛汽車中配備面部識別技術的原因是為了改善駕駛體驗，讓駕駛員更為安全輕松。車輛掃描記錄駕駛員面部后，當有人接近汽車時識別車輛所有者，重新確認駕駛員和乘客身份后，從而實現智能無鑰匙訪問以及其他個性化設置。
此外，除了便利性的考慮，該技術也有利于提高車輛安全性，由于沒有鑰匙（或者說人臉才是它的鑰匙），汽車被盜的風險也得以降低，不過該據悉技術推廣至商用車隊仍需時間。目前它剛剛在慕尼黑舉行的英偉達GTC開發者大會上完成首秀。
展開 鈑金件螺栓孔自動識別并建立rigid,同時連接多層螺栓孔 ￥15
視頻操作鏈接avc_鈑金件螺栓孔自動識別并建立rigid,同時連接多層螺栓孔.mp4
大家好，歡迎觀看和使用本教程的插件實現鈑金件螺栓孔自動識別，并用rigid將螺栓孔washer抓起來，同時自動實現多層鈑金螺栓孔用rbe2將上下兩層或多層連接起來，案例為普通車門模型，體現了單層螺栓孔、多層螺栓孔，具體操作請看視頻。
打開模型，點擊File/ Run/Tcl Tk Script，運行本插件luoshuan_rb2.tbc，詳細操作請觀看視頻。
（利用該插件，可實現各種繁瑣的washer孔rbe2抓取，特別是白車身等大型模型，極大提高效率。同時本人提供各種其他小插件，如自動加載荷工況等等，用于各種強度校核分析，同時可添加約束等等，可聯系本人定制各種小插件，高效完成各種分析任務）
輸入最小孔尺寸
輸入最大孔直徑
輸入兩層鈑的距離 <= ?，我們設置6，根據自己需求設定
自動完成 ，感謝
展開 abaqus Python批量自動識別螺栓加載螺栓預緊力_完整代碼!.py ￥20
abaqus Python批量自動識別螺栓加載螺栓預緊力，自動修改第二分析步為固定螺栓長度_完整代碼下載見付費內容! 因上傳不支持.py換成.txt格式上傳，下載后只需改一下后綴名為.py。按照下圖操作即可。
使用python進行ABAQUS批處理，自動識別文件夾內的待處理inp文件 ￥10
平時工作中，有時會接手好多項目，或者一個項目需要使用不同的參數進行分析，并且如果涉及非線性的分析會耗時很久，為了有效的利用時間，我決定下班的時間讓工作站自動計算，計算完成后工作站關機，并在此基礎上，構思了使用Python自動識別工作文件夾內的待計算inp文件然后順序提交求解。
程序描述：
獲取當前工作目錄后，創建用于存放結算結果的Result文件夾；
獲取當前文件夾的文件信息列表，并對該信息列表進行遍歷提交；
遍歷操作：如果這個文件是inp文件，則根據該文件提交ABAQUS求解，提取其文件名并將名字中的'.'替換為'-'（該替換是因為在使用CAE GUI提交的時候不允許有'.'，使用非ABAQUS前處理生成inp的時候文件名有可能會帶有ABAQUS提交計算時的非法字符）；
重新獲取當前文件夾的文件信息，并根據后綴類型進行保存或刪除，'.inp' '.sta' '.odb''.msg'被保存，其余的刪除，如果需要保存別的類型文件，就在類型判斷中添加即可；
工作站自動關機，如果不需要自動關機，那么可以將程序的最后兩行使用#進行注釋化或者刪除。
由于我并未選擇保留py文件，所以注意該程序的備份。
使用方法：
新建一個文件夾，將需要計算的inp文件與用于提交求解的py文件復制進去；
打開ABAQUS command，將當前工作目錄設置為1中建立的文件夾；
使用命令abaqu cae noGUI=python_BatchAbaqus.py進行求解。
如果各位大俠在使用該程序過程中出現什么問題或者有什么好的建議，歡迎留言交流。
展開 
Ansys DDR Plus：效率提升5倍以上，開啟SI仿真全自動化時代
Ansys DDR Plus——全自動化的DDR協議SI仿真軟件
面向高速DDR設計的自動化SI仿真平臺，智能識別DDR協議通道，一鍵完成建模與仿真，顯著縮短DDR的Sign-off周期。
支持DDR3/4/5、LPDDR4(X)、LPDDR5(X)協議；
根據協議自動識別出PCB設計中的DDR協議通道；
支持BGA和Wire-Bond的芯片封裝設計；
提供用戶友好Web-Based的自動化仿真設置頁面；
基于Ansys HFSS/SIwave自動提取通道的S參數;
自動搭建Read、Write的Spice仿真鏈路，支持Nexxim 和 HSPICE求解器；
自動產生DDR仿真所需要的分析指標；
仿真結果后處理集成JEDEC規范的Sign-off標準；
在Ansys 近期推出的新功能及應用類系列網絡研討會中，也有SI相關主題，歡迎點擊報名觀看點播或線上參會！
展開 