• 用Java实现嵌入式设备远程运维平台:批量监控边缘节点的运行状态

    嵌入式边缘节点远程运维别让每台设备都开HTTP轮询。合理架构是“边缘Agent轻量采集→MQTT/TLS上送→Java接入服务聚合→Redis存最新状态、时序库存历史→心跳健康状态机判在线/假死/离线→批量命令/配置/OTA下发→WebSocket推大屏”。千级节点用Spring Boot+MQTT+Redis可落地,万级再拆接入集群。

  • C++ PIMPL模式在嵌入式项目中的应用:大幅降低头文件依赖编译耗时

    嵌入式项目跑C++,模块一多,最头疼的不是运行效率,而是“改一行私有成员,十几个文件跟着重编”。头文件把实现细节全部暴露,HAL句柄、寄存器结构体、私有宏一起传染;底层换驱动,业务层全要重新编译。PIMPL正是为这个痛点设计的:把私有成员和函数隐藏到前向声明的Impl中,公共头文件只留类型指针,依赖边界瞬间变薄。

  • 基于ETL库的嵌入式C++开发:在128KB RAM设备上实现STL类容器功能

    128KB RAM看起来不小,但协议栈、RTOS、图形缓冲一分,留给业务容器的往往只有几十KB。std::vector/std::string/std::map依赖堆分配,运行期扩容会带来碎片和不可预测时延;工业控制器、车载传感节点通常直接禁用动态分配。ETL(Embedded Template Library)提供STL风格接口,但所有容器最大容量在编译期固定,不调用malloc/free/new/delete,存储可放栈、静态区或由内部pool管理,确定性更强。

  • 物联网脱虚向实,传感器筑牢产业实体根基

    近年来,我国物联网产业告别早期概念炒作、模式堆砌的“虚热”阶段,全面迈入脱虚向实、落地深耕的高质量发展新阶段。产业发展重心从单纯的设备联网、数据上云,转向实体经济场景的深度赋能,工业制造、智慧城市、民生医疗、智慧农业等领域的规模化落地成果持续涌现。而在物联网感知、传输、平台、应用全链条体系中,作为万物互联的“神经末梢”,传感器技术是产业落地实体场景、实现价值变现的核心关键,更是物联网产业摆脱空泛概念、扎根实体经济的核心支撑。

  • 软体机器人快不起,管路与材料都在滞后

    阀门动作很快,末端却迟迟不到位,原因通常不只在控制器。软体机器人把可压缩气体与黏弹材料串成同一执行链,两种滞后若用一个静态压力映射补偿,动态误差必然积累。

  • 谁在为工业以太网的稳定可靠保驾护航?

    在智能制造、工业4.0全面落地的当下,工业以太网早已取代传统现场总线,成为工业自动化、智能工厂、轨道交通、能源化工等领域的核心通信骨架。从生产线的精准启停、设备数据的实时传输,到工控系统的联动调控,每一个工业场景的有序运转,都离不开工业以太网的稳定支撑。不同于商用以太网的常温、低干扰环境,工业现场充斥着高温严寒、震动冲击、电磁干扰、粉尘腐蚀等恶劣工况,任何网络波动、延迟中断都可能导致生产线停机、设备故障,甚至引发安全生产事故。看似无感的网络畅通背后,并非偶然,而是多重力量层层防护、协同发力,为工业以太网筑牢稳定可靠的运行屏障。

  • 基于内阻跟踪电流-电压检测的高精度电量计

    随着智能手表、无线蓝牙耳机、智能手环、健康监测穿戴设备的快速普及,小型化、低功耗、高精度电池管理成为设备核心技术痛点。可穿戴设备普遍采用微型锂离子聚合物电池,具备体积小、容量低、放电工况波动大、易受温度与老化影响的特点。传统电量计依赖单纯库仑计数或电压阈值判断,存在累计误差、老化适配差、负载突变检测失真等问题,常出现电量跳变、虚电、续航预估不准等用户体验问题。而基于内部电阻跟踪电流-电压协同检测的高精度电量计,可实时捕捉电池内阻动态变化,精准修正电量数据,完美适配可穿戴设备复杂工况,成为当下穿戴设备电池管理的主流技术方案。

  • 云计算:数字优先组织的核心基石与发展密钥

    在数字经济深度渗透的当下,“数字优先”已不再是企业可选的转型方案,而是组织生存与高质量发展的核心战略。所谓数字优先组织,核心是摒弃传统业务驱动技术的模式,以数字技术为核心底座,重构业务流程、经营模式与决策体系,实现快速响应市场、持续创新迭代、高效精准运营。而云计算作为新一代数字基础设施的核心载体,凭借弹性算力、全域协同、低成本创新、数据赋能等核心优势,成为数字优先组织落地战略、突破瓶颈、构筑核心竞争力的关键支撑,是企业数字化转型不可或缺的核心密钥。

  • 能量收集技术成为智慧产业低碳发展的重要基石

    随着物联网技术全面渗透智慧城市、工业制造、智能家居等领域,海量终端设备的供电难题日益凸显。传统物联网设备依赖化学电池供电,存在寿命有限、更换维护成本高、废旧电池污染环境、无法适配隐蔽部署设备等诸多短板,成为物联网规模化、可持续发展的核心瓶颈。能量收集技术可采集环境中零散的光能、热能、机械能、射频能等微能量并转化为电能,为物联网终端提供自主、长效的供电方案,是实现设备无电池化、零运维化的关键技术,如今已成为物联网能源领域的研究与产业化热点。

  • 突破性体声波(BAW)技术:在信息洪流中推进大数据发展

    数字时代,数据正在以指数级速度持续膨胀,海量的视频、业务日志、AI 训练样本、物联网感知数据汇聚成汹涌的信息洪流。大数据与人工智能业务对数据中心、高速光通信、边缘节点的传输带宽、信号稳定性、系统可靠性提出前所未有的严苛要求。时钟作为数字系统的 “心跳”,其抖动、温漂、抗干扰能力直接决定高速数据传输的误码率。传统石英晶振长期受制于机械结构缺陷,在高密度、高振动、宽温环境下性能衰减明显,难以支撑 800G、1.6T 高速光模块与新一代 SerDes 互联需求。德州仪器突破性的体声波 BAW 谐振器技术,重构了时序器件底层架构,为大数据基础设施搭建起稳定可靠的时序底座,推动海量数据高效流转、存储与计算。

  • 电力电子系统中的寄生电感全链路工程化控制

    根据电磁学的基本定义,任何通有变化电流的闭合回路,都会在周围激发交变磁场,而回路的寄生电感就是描述这个交变磁场储能能力的物理量,其数值大小与电流回路的总面积成正比,与导体的截面积近似成反比。

  • 不靠量化也能把 Transformer 塞进单片机,靠的是删块和 BFloat16

    提到把 Transformer 放进单片机,行业里几乎条件反射地给出同一个答案:量化到 int8,激进一点就 int4。但量化本身要付出代价,量化感知训练需要校准集、需要重训,还需要在精度和位宽之间反复试,模型还没上板,先花掉一轮工程成本。

    端侧AI
    2026-09-21
    AI 端侧AI
  • 仿真里学会走路,到真机上就抖:腱驱双足的虚实差距怎么补

    腱驱机器人把电机挪到靠近躯干的位置,用绳索把力传到关节上。这样换来的轻量化和低惯量,在复杂地形上很有价值,安全性也更好。到了仿真里,这份优点立刻变成麻烦。绳索的弹性、多关节之间的耦合、传动链上的迟滞,任何一项建模不准,训练出来的策略一落到真机就开始抖。

  • 人形机器人的手臂抖动从哪来:改掉注意力机制,显存降七成

    让机器人完成一次抓取不难,难的是让它把一整套多步操作从头做到尾。人形机器人在长时间任务里最容易被看出来的毛病,是手臂在动作衔接处出现细碎的抖动。这种抖动看起来像控制环路没调好,实际上很多案例的根源不在控制器,而在训练数据的采集粒度与模型处理时序的方式上。

  • 同一段程序省下三分之一电:单片机调压调频的账怎么算

    电池供电的端侧设备大多活在同一个循环里:采一段数据,算一遍,把结果发出去,然后睡到下一个周期。这个循环看起来没什么可优化的空间,因为采样率是传感器定的,处理量是算法定的。但如果把主控的供电电压和时钟频率当成两个可以逐任务调整的参数,同一段程序在不同任务阶段用不同的配置运行,一个工作周期的总能耗会出现三分之一以上的差距。

    端侧AI
    2026-09-20
    AI 端侧AI
发布文章