对于从事ASIC行业及FPGA行业的小伙伴来说，仿真是一件必不可少的事情。或许有人是验证大拿，UVM高手，但相较于软件丰富的验证框架，对于各种各样的场景单纯的SV构建测试用例是否便捷值得推敲。
VNPY仿真柜台的用法快速入门可以参考这篇文章 （来自VNPY知乎官方公众号） https://zhuanlan.zhihu.com/p/166244874
pytest方式调用python库cocotb-test的cocotb-test.simulator.run方法，该方法定义了使用何种仿真器的方法；makefile方式是调用python库cocotb中的makefile.sim，该Makefile会根据运行cocotb的命令行中仿真器的类别来调用不同仿真器的makefile，从而执行相关仿真器的编译和仿真操作。
Carla是一个开源的无人驾驶仿真平台，用于训练和测试自动驾驶算法。它提供高度可配置的场景和传感器设置，模拟城市环境和交通情况，以帮助开发者评估他们的自动驾驶系统在各种现实世界场景下的表现。
本文介绍了cocotb的安装、python tb文件的写法、用xrun仿真cocotb的脚本等，我们来看看体验如何。
课程围绕机器人操作系统（ROS2）的应用展开，包括机器人学的基础理论和常用工具。借助立体多样的示例，课程可以为使用ROS2进行机器人开发设计的学员提供一个扎实的基础和相关应用全貌。课程将学习如何创建软件包、包括仿真、连接传感器和执行器以及集成控制算法，通过一套指导教程，掌握应用ROS2从零开始设置环境，连接各个传感器和执行器并实现机器人控制系统（导航）。
本文主要介绍 HLS 案例的使用说明，适用开发环境： Windows 7/10 64bit、Xilinx Vivado
昨晚分享的可以替代Matlab的几款开源科学计算软件（可以替代Matlab的几款开源科学计算软件），后台有读者留言说modelica，但本质上modelica不属于科学计算软件范畴，他属于系统仿真系列，故本文分享一些可以替代Simulink的几款开源系统仿真软件
FPGA项目开发的过程中，需要完成设计代码开发、验证环境搭建、仿真分析、板级验证等操作，在这个过程中，许多操作虽然必不可少但是步骤是重复的。辅助软件通过预先定义的处理模式，对一些重复性复杂操作通过Python辅助软件使操作简化以提高项目开发效率。独立仿真可以不依赖Vivado，简化仿真步骤，但建立独立仿真往往需要复杂繁琐的步骤，所以简化建立独立仿真的步骤很有必要。
自动驾驶技术正逐渐成为现实，而Autoware是一个开源的自动驾驶软件框架，旨在为开发人员提供一个完整的解决方案。本文将对Autoware的源码进行剖析，并介绍如何进行实际的开发实践。
目前最主流的机器人操作系统为ROS1+ROS2，已成业界共识，如果没有购买机器人硬件又想学习机器人相关知识，那么一款仿真软件必不可少，软件分为免费和付费，下面将详细介绍。
在手上没有真实的西门子PLC设备情况的情况下，PLC本地仿真器可以为我们进行开关量和简单模拟量的程序仿真。但工控安全人员想在没有真实PLC的条件下获取S7通讯数据报文的时候，或者想测试第三方上位软件与西门子PLC通讯的时候，这种本地的PLC仿真器就无法胜任了，本文分享一种西门子PLC的网络仿真器搭建方法。
我们在Windows系统下使用Vivado的默认设置调用第三方仿真器比如ModelSim进行仿真时，一开始仿真软件都会默认在波形界面中加载testbench顶层的信号波形，并自行仿真1000ns后停止。当我们想查看对应模块的波形时，需要自己去手动添加，并且为了防止跑一段时间仿真后，添加新模块或者信号却发现没有记录波形，就要提前手动在控制台上执行log -r ./*命令来实现对全部信号波形的记录。但是每当我们修改完代码，关闭重启仿真器再一次仿真时，就需要将之前的操作（删改添加对应模块信号，执行log -r ./*等）重新完成一遍才能继续跑出想看的信号波形。尽管可以通过将仿真时添加的模块信号保存为*.do文件，下次仿真通过执行do *.do的形式来快速添加之前波形；但在频繁修改代码，需要经常重新仿真的情况下，每次都手动去添加信号的操作会比较影响到我们的情绪，那么能否通过脚本语言比如Python来实现一键仿真并自动添加好所需要的模块信号呢？
从事FPGA开发无论是仿真还是上板验证，总少不了各种各样的case遍历，手动执行起来就太麻烦了。尤其像从事FPGA加速行业来说，CPU与FPGA版卡的交互和测试基本基于PCIe来实现，而软件有大量的测试框架，不妨“软为硬用”。这里就基于python的自动化测试框架unittest来实现一个简单的自动化上板测试流程，同时自动生成html测试报告。
无人驾驶汽车真实上路后所要面临的外部环境是复杂多变的。通过利用仿真模拟软件可以检查算法，也可以训练无人车面对不同场景下的感知、决策等算法。 模拟平台有很多种，如果分类的话，可以分为两种：开源和收费的。
和朋友交流时，了解到微软开发了一个仿真环境叫Airsim，可以作为插件插入到虚幻引擎4中，进行汽车、无人机等实际环境的仿真。于是打算跟着知乎宁子安写的教程来配置一下环境。
AirSim 是微软推出的开源项目，用于测试人工智能系统的安全性，该系统提供仿真的环境、车辆动力和感知能力，促进无人驾驶技术的发展。近期，微软的工程师推出了一套 AirSim 官方教程，旨在让专家、研究者以及自动驾驶领域的新手们快速掌握开发自动驾驶的基本技能。为方便读者了解 AirSim 的这套教程，AI 研习社将官方介绍编译如下。 在这套教程里，你将会学到如何用从 AirSim 仿真环境搜集到的数据集来训练和测试用于自动驾驶的端对端深度学习模型。你的训练模型将会在 AirSim 的仿真地形中学会如何驾驶
计算与推断思维 一、数据科学 二、因果和实验 三、Python 编程 四、数据类型 五、表格 六、可视化 七、函数和表格 八、随机性 九、经验分布 十、假设检验 十一、估计 十二、为什么均值重要 十三、预测 十四、回归的推断 十五、分类 十六、比较两个样本 十七、更新预测 利用 Python 进行数据分析 · 第 2 版 第 1 章 准备工作 第 2 章 Python 语法基础，IPython 和 Jupyter 笔记本 第 3 章 Python 的数据结构、函数和文件 第 4 章 NumPy 基础：数
zqh_riscv是一套开源SoC开发平台，核心部分包含处理器core、cache、片内互联总线、中断控制器、memory控制器、片内总线slave接口、片内总线master接口、片内总线device、片外总线device、时钟复位控制器、debug控制器。还包含了SOC功能验证/仿真相关的脚本程序和测试用例。除了可以运行电路仿真，平台还提供了ASIC综合脚本，可以对生成的电路做逻辑综合。
本文主要介绍DSP程序固化操作手册，文章内容包括program-tools工具包说明、文件准备、程序固化、多核程序可执行文件转换等。
本文将介绍CoppeliaSim与Gym框架结合来构建强化学习环境的基本方法，通过一个强化学习的经典控制例子cartpole来讲述如何在Gym的框架下，构建基于CoppeliaSim的强化学习仿真环境，如何使用visdom来实时查看训练的过程，以及使用一些现有的强化学习方法（基于stable-baselines3）来训练构建好的模型。本文所涉及的代码已开源在github，开源地址：
2020 年 2 月 25 日，微信的朋友圈大量转载微盟遭遇了系统重大故障（36 小时内尚未恢复核心生产数据）。从而想到本人在两周前处理的一个案例：开发人员误删除了生产数据，本人恢复的一个过程。同时给这个故障的处理过程做一个总结，也对学过的知识做一个梳理，希望对运维的同学们有一个警示作用。
pycharm pro 2022是一款强大的Python编辑开发环境，PyCharm用于一般IDE具备的功能，比如， 调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。另外，PyCharm还提供了一些很好的功能用于Django开发，同时支持Google App Engine，更酷的是，PyCharm支持IronPython。
Playwright会自动等待页面数据展示, 无需手动设置, 这在某些场景下是有害的
对于使用CAE进行仿真计算的的用户而言，材料的定义是一个细致且繁琐的过程，细致是因为材料参数对于仿真结果至关重要，需要确认每个参数的准确性；繁琐是当材料较多且含有多种属性时，定义和编辑属性的工作量较大。而采用脚本来定义材料是一个很好的方式。大型通用仿真CAE软件WELSIM可以通过自动化测试系统支持脚本定义材料，对于大量的材料集，可以通过XML脚本实现。
基于蓝鲸平台强大的应用对接和调度能力，集成主流的模拟仿真测试框架Selenium，将各业务应用或管理系统有机集成起来（ESB注册），利用定制化APP实现数据的分析和转换，从而实现应用功能自动化拨测。
自动驾驶系统是一个复杂的集成系统，涵盖了多个关键组件和模块，涉及的开发语言也不近相同。一般来说，自动驾驶系统包含环境感知、地图定位、决策规划、控制执行等多个算法模块的online（在线）系统，这些组件共同协作，使得自动驾驶系统能够感知周围环境、做出决策、规划路径并安全地控制车辆到达目的地。除了算法模块，online系统还包含人机交互、通信连接、状态监控、数据采集等模块，以给安全员和乘客提供必要的信息显示，在必要时为乘客提供紧急安全接管服务，并记录数据来保障研发迭代。
Author：bakari Date:2014.1.14 本学期开始做真正意义上的研究，主要方向为wireless and mobile network，VANET。之前一直在看paper，现在由于任务需求，需要尽早把一些科研工具学透，包括模拟器，建模解模工具以及非常重要的python，一切都是新东西，只能边学边实践，并尽可能提高效率，尽量地往前赶。 今天第一次接触one这个模拟器，关于MN的模拟器有很多，之前有接触过NS2和NS3，NS2是一款开源的免费软件，用C++外加tcl脚
市面上流行的压力/负载/性能测试工具多是来自国外，近年来国内的性能测试工具也如雨后春笋崛起。同时由于开发的目的和侧重点不同，其功能也有很大差异，下面就为您简单介绍10款目前最常见的测试产品。
今天发一篇与以往不同的内容，这是一篇来自生产实践的记录。我只是做了一下编辑和修订的工作。
pycharm professional 2022 mac永久激活是Mac平台的Python编辑利器，具有智能代码编辑器，能理解 Python 的特色并提供卓越的生产力推进工具：自动代码格式化、代码完成、重构、自动导入和一键代码导航等。
今天开始会陆续介绍一些优秀的开源项目，项目基本都是和FPGA或HDL相关的。对于一些找工作或者急需项目经验的人来说，这些项目都有一定的参考价值。
☞ 2020年最好的机器人学仿真工具软件汇总_zhangrelay的博客-CSDN博客_机器人仿真软件
CT技术伴随着一定剂量的辐射，会对患者的身体健康造成影响，而且 高剂量的辐射会损害人体的遗传物质，甚至造成不可逆的损伤，进而诱发癌症。 因此，如何在保证成像质量的前提下尽可能地降低 CT 辐射剂量一直是科学家们 研究的热点目标之一。此外，传统的CT扫描技术只能显示患者体内病灶的形态， 无法显示目标结构的化学成分信息。由于不同化学组分的生物组织经过 X 射线扫描后可能会具有相近甚至相同的衰减系数，从而导致成像不准确进而造成误诊。
【编者推荐语】最近看到了一个开源的RISC-V处理器设计，仅仅5000行左右的verilog代码，功能却非常完善。代码全部为手动设计的verilog代码，可读性非常强。设计者完成了包括CPU内核设计，总线设计，debug模块设计，外设模块设计，以及相关的软件设计，测试模块设计。整个项目的完成度非常高，值得FPGA入门后想要再提高的人来学习。
工业控制系统离不开上位机监控系统和下位机控制器即PLC，上位机软件相对比较容易获得，比如本文采用kingview6.53，但PLC的获得相对来说就没有那么轻松，考虑这种情况，本文借助一款模拟工业自动化环境的开源软件OpenPLC基于modbus协议实现与组态王的通讯仿真。同时基于环境进行模拟测试，对组态王的组态画面、OpenPLC Editor梯形图简单编程进行简单介绍，亲测效果不错。
F1TENTH线上仿真赛，乃无人车竞速之盛事，以ROS机器人操作系统与Gazebo仿真平台为核，为参赛者构建逼真之虚拟世界，以测试优化其自动驾驶之算法与策略。无硬件之限，参赛者可大胆尝试，创新自动驾驶之技术，推动其前沿发展。
创龙科技TL62x-EVM是一款基于TI Sitara系列AM62x单/双/四核ARM Cortex-A53 + 单核ARM Cortex-M4F异构多核处理器设计的高性能低功耗工业评估板，由核心板和评估底板组成。处理器ARM Cortex-A53(64-bit)主处理单元主频高达1.4GHz，ARM Cortex-M4F实时处理单元主频高达400MHz，采用16nm最新工艺，具有可与FPGA高速通信的GPMC并口，同时支持双屏异显、3D图形加速器。核心板经过专业的PCB Layout和高低温测试验证，稳定可靠，可满足各种工业应用环境。
在上一期的文章中，我们对线性倒立摆在2D平面内的运动过程进行了分析，并给出了基于轨道能量的线性倒立摆控制过程。
ABAQUS/CAE采用了参数化建模方法，为实际工程结构的参数设计与优化，结构修改提供了有力工具。具有很强的开放性，可以结合 Python 语言方便的定制用户化界面，方便用户操作。
自动化测试系统是现代大型软件的必备设施，通用CAE仿真软件由于功能复杂，维护时间长，对计算结果要求高，因此必须要有自动化测试系统来维护产品的鲁棒性与精确性。除了测试系统以外，海量的测试算例也是重要的知识资产，需要投入大量的开发资源。笔者曾详细介绍了CAE软件的自动化测试相关内容，参见《快速创建WELSIM的回归测试算例》、《大型工程仿真CAE软件的自动化回归测试》二文。本文着重介绍运行工程仿真CAE软件的自动化测试。
前端时间，写了一篇 PHP 在 Console 模式下的进度显示 ，正好最近的一个数据合并项目需要用到控制台颜色输出，所以就把相关的信息整理下，写到OSC的博客中。
我们分享的 python 入门是根据公司实际自动化项目，抽出来的需要快速掌握的 python 基础知识以及掌握知识的方法。
2018年目标：F1赛车全视觉无人驾驶：需要的软件（自动驾驶框架等）、硬件（底盘控制、芯片、传感器训练用）、算法（模仿学习-强化学习-生成模型）、模拟、可视化、组织、场地、车辆等方面。
提供智能代码完成，代码检查，动态错误突出显示和快速修复，以及自动代码重构和丰富的导航功能。
Webots的主要功能是机器人的建模、控制与仿真，用于开发、测试和验证机器人算法。其内核基于ODE引擎，动力学仿真效果较为真实。
开课时间： 2018年11月20日 ~ 2019年02月12日 学时安排： 1-3小时每周
摘要：本文基于dronekit在实体无人机上实现最基本的起飞和降落，测试了这一过程中速度的变化以及起落位置的偏移。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
