剑指工控 在“剑指工控”网站上,我们谈Ethernet-APL 已经谈了很多了,而与之关系密切的单对线以太网SPE却没怎么说,其实SPE挺重要的,所以我就请大家关注一下单对线以太网SPE。 2 SPE工业合作伙伴网络 2019年,为了推动单对线以太网SPE技术发展,HARTING、TE Connectivity、HIROSE、Würth Electronics、Bizlink、MURR Elektronik和Softing七家公司作为创始成员,组建了SPE工业合作伙伴网络(SPE Industry Partner Network),后来IMS CS、罗森伯格、Datwyler、Kyland 会员公司网络还运营着一个专门的SPE合作伙伴网站,提供更多的信息。 在合作伙伴网络中,来自不同行业和应用领域的领先技术公司聚集在一起,整合各自的SPE专业知识并有针对性开展交流。 该合作伙伴网络的成员将SPE视为工业物联网(IIoT)快速和可持续增长的基础,以追求共同推动SPE在工业物联网(IIoT)及相关领域的进一步发展为目标。
在此背景下,单对双绞线以太网(SPE)逐渐成为关注的焦点。那么究竟什么是单对双绞线以太网(SPE)?它的技术核心是什么?什么是“单对双绞线以太网(SPE)”? 单对双绞线以太网(通常被称为单对以太网,英文 SPE,Single Pair Ethernet)是一种新兴的以太网物理层标准。 与我们熟悉的传统以太网(如家用的网线)的对比特性单对双绞线以太网 (SPE)传统以太网 (如百兆/千兆网)线对数量仅用1对双绞线进行数据传输通常使用2对(如百兆)或4对(如千兆)最大传输距离在10Mbps 可节省高达50%的安装空间和重量线缆较粗、较重,在多线缆场景下会占用大量空间和重量主要应用场景工业自动化、汽车网络、物联网传感器、机器人等办公室、家庭、数据中心等传统局域网环境技术原理与核心优势单对双绞线以太SPE 您只需提出最终的应用需求及预算,VOOHU即可提供完整的一站式解决方案,为您的产品研发助力不同的SPE标准SPE主要包含以下IEEE标准:1. 10BASE-T1L / 10BASE-T1S: 速率10Mbps
今天说一说System.Data.OracleClient.OracleException:ORA-12154: TNS:could not resolve the connect identifier spe 服务器上放的时候发生错误- System.Data.OracleClient.OracleException:ORA-12154: TNS:could not resolve the connect identifier spe
@images$Lung@coordinates的信息改为): for (i in colnames((spe@images$Lung@coordinates))) { spe@images$Lung (spe,alpha = 1) p0 + p1 非常建议通过 str(spe)查看一下空转的数据结构 ,有助于后续更好的分析! (counts = spe2, assay = "Spatial") image2 <- image2[Cells(x = spe2)] DefaultAssay(spe2 = image2) <- 4.2 已有Seurat object 如果前面已经创建了seurat object ,不想从头分析的话 也可以直接替换的,如下先重新定义一个spe5 spe5 <- spe2 lowres = spe5 spe5@images$slice1 = hires #没有报错,无需转化 for (i in colnames((spe5@images$slice1@coordinates))) { spe5@
单对以太网(Single Pair Ethernet, SPE,单对双绞线以太网)的诞生,正是为了终结这一局面。 SPE的基本电路设计需配备共模流器(CMC)以及共模节点端接装置以抑制共模噪声,并需配置直流阻隔电容。 SPE方案支持10BASE-T1和100BASE-T1标准,信号稳定性可达1000米,布局简洁紧凑,是工业物联网和全IP化工厂网络的核心组件2:SPE连接器的主要结构有哪些特点? 3:SPE连接器适用于哪些应用场景?SPE连接器广泛应用于以下领域:工业物联网:智能传感器网络(温度、压力、流量传感器直接以太网连接)、分布式IO系统、机器视觉集成、预测性维护。 过程自动化:化工防爆区通过SPE+隔离栅实现Ex ia认证,替代传统4-20mA方案。
8,] spa <- doubs$xy[-8,] spe.norm <- decostand(spe, "normalize") spe.ch <- vegdist(spe.norm, "euc") par(mfrow = c(2, 3)) spe.ch.single <- hclust(spe.ch, method = "single") plot(spe.ch.single, sub = "Single method") spe.ch.complete <- hclust(spe.ch, method = "complete") plot(spe.ch.complete, sub = method") spe.ch.ward <- hclust(spe.ch, method = "ward.D") plot(spe.ch.ward, sub = "Ward method") <- sum((spe.ch - spe.ch.comp.coph) ^ 2)) ## [1] 40.48897 (gow.dist.UPGMA <- sum((spe.ch - spe.ch.UPGMA.coph
spe <- runPCA(spe, subset_row = sel) 此外,我们可以使用 UMAP 算法进行非线性降维,应用于 top PCs 的集合(默认 50 个)。 spe <- runUMAP(spe, dimred = "PCA") 聚类 接下来,我们在上述处理步骤之后,展示一些下游分析的简短示例。 # run BayesSpace clustering .spe <- spatialPreprocess(spe, skip.PCA = TRUE) .spe <- spatialCluster(.spe pcs <- reducedDim(spe, "PCA") pcs <- pcs[, seq_len(4)] lapply(colnames(pcs), \(.) { spe[[.]] <- pcs # using scran package mgs <- findMarkers(spe, groups = spe$BayesSpace, direction = "up") top <- lapply
# calculate library size factors spe <- computeLibraryFactors(spe) summary(sizeFactors(spe)) ## "Histogram of size factors") # calculate logcounts spe <- logNormCounts(spe) assayNames(spe) ## # remove mitochondrial genes spe <- spe[! # using scater package set.seed(123) spe <- runPCA(spe, subset_row = top_hvgs) spe <- runUMAP(spe, dimred = "PCA") reducedDimNames(spe) ## [1] "PCA" "UMAP" dim(reducedDim(spe, "PCA")) ## [1] 3614 50
spot") hist(spe$subsets_mito_percent, xlab = "pct mito", main = "Percent mito UMIs") hist(spe$cell_count # select QC threshold for library size, add to colData spe$qc_lib_size <- spe$sum < 600 table(spe$qc_lib_size qc_detected <- spe$detected < 400 table(spe$qc_detected) ## FALSE TRUE ## 3632 7 # select QC threshold for mito proportion, add to colData spe$qc_mito_prop <- spe$subsets_mito_percent > 30 table # check spatial pattern of discarded spots if threshold is too high spe$qc_lib_size_2000 <- spe$sum <
链球菌致热外毒素B(Streptococcal pyrogenic exotoxin B, Spe B)是A族链球菌(Group A Streptococcus, GAS)分泌的一种关键半胱氨酸蛋白酶,属于木瓜蛋白酶超家族。该蛋白酶以酶原形式(zymogen)被分泌至胞外,随后通过自体催化或宿主蛋白酶的作用切除N端前肽,转化为具有催化活性的成熟形式。成熟的Spe B分子量约为28 kDa,其活性中心包含由半胱氨酸、组氨酸和天冬氨酸组成的催化三联体,这一结构特征决定了其对底物肽键的特异性水解功能。Spe B的表达受多种环境信号及细菌全局调控系统的精密控制,是GAS适应宿主环境、建立感染的核心毒力因子之一。
剑指工控 在“剑指工控”网站上,我们谈Ethernet-APL 已经谈了很多了,而与之关系密切的单对线以太网SPE却没怎么说,其实SPE挺重要的,所以我就请大家关注一下单对线以太网SPE。 1. 什么是SPE 单对线以太网(Single Pair Ethernet,SPE)据说源于博通(Brodcom)公司首创的BroadR-Reach(宽带覆盖)技术,它对标准以太网技术进行了调整,以用于汽车网络 目前,SPE已经成为汽车电子设备中的主流通信技术之一,可以用于连接车载摄像头、传感器、娱乐系统等设备,同时提高了车辆的能源效率和安全性能。 那么,什么是单对线以太网SPE呢? 因此,单对线以太网SPE为工业物联网(IIoT)开辟了全新的可能性和应用领域。 所以单对线以太网SPE 技术突破了过往以太网传输的高空间占用和高传输成本的限制,首次实现以更少空间占用和更低成本的方式来满足从远端到应用现场的以太网通讯。
# library size spe <- localOutliers(spe, metric = "sum", direction = "lower", log = TRUE) # unique genes spe <- localOutliers(spe, metric = "detected", direction = "lower", log = TRUE) # mitochondrial percent spe <- localOutliers(spe, metric = "subsets_mito_percent", direction = "higher # spot plot of log-transformed library size p1 <- plotCoords(spe, annotate="sum_log") + ggtitle , annotate = "detected_log") + ggtitle("log2(Detected)") p4 <- plotObsQC(spe, plot_type = "spot
(SPE)技术通过突破物理层设计,显著提升了以太网在工业场景中的适应性。相较于传统快速以太网(100Mbps)和千兆以太网分别需要两对或四对双绞线进行数据传输,SPE仅需单对双绞线即可完成信号传输。 极致小型化 M12 SPE连接器直径仅16mm,适配微型传感器(如光电开关尺寸≤10mm³)。 四、SPE工业应用全景1.智能工厂无线替代场景:高温炉区等射频干扰区域,SPE替代Wi-Fi传输温度数据。2. 五、SPE vs. 传统工业通信方案六、SPE技术生态与标准化进程七、实施指南与成本分析1.改造升级路径旧系统兼容性:利用现有双芯线缆(如CAN总线线材)升级SPE,节省60%物料。 混合网络架构:上层仍用千兆以太网,边缘侧SPE接入TSN交换机。2. ROI测算初始投资:SPE传感器(约$35/个)对比传统以太网IO模块($120/个)。
# load data spe <- Visium_humanDLPFC() class(spe) ## [1] "SpatialExperiment" ## attr(,"package") # spe$qc_lib_size <- spe$sum < 600 spe$qc_detected <- spe$detected < 400 spe$qc_mito <- spe$subsets_mito_percent # number of identifed spots for each metric apply(cbind(spe$qc_lib_size, spe$qc_detected, spe$qc_mito ), 2, sum) ## [1] 8 7 17 # combined set of identified spots spe$discard <- spe$qc_lib_size | spe$ 过滤低质量的spots # filter out low-quality spots spe <- spe[, !
首先,结构部分为:
-", rownames(spe))) spe <- addPerCellQCMetrics(spe, subsets=sub) # determine outliers via thresholding 预处理 # log-library size normalization spe <- logNormCounts(spe) # highly variable feature selection tbl <- modelGeneVar(spe) sel <- getTopHVGs(tbl, n=2e3) # principal component analysis spe <- runPCA(spe, pcs <- reducedDim(spe, "PCA") colData(spe)[colnames(pcs)] <- pcs lapply(colnames(pcs)[seq_len(6)], lapply(top, \(.) { spe[[.]] <- scale(spe[[.]]) # scaling plotCoords(spe, annotate=.) # plotting
单对以太网(Single Pair Ethernet,SPE)是一种基于单对双绞线实现以太网数据传输的创新型技术。 技术起源与演进 SPE技术最早在汽车电子领域得到应用与验证。 未来,随着IEC 63171-2与IEC 63171-5等新标准的发布,SPE连接器的选型将更加丰富。 线缆规范与性能分类 SPE线缆在IEC 61156系列标准中按安装方式、传输距离与速率进行系统划分。 总体而言,SPE通过简化布线、融合供电与数据传输,为设备连接提供了更具性价比与适应性的解决方案。
(spe <- Visium_humanDLPFC()) 计算 QC 指标 我们结合 scater 包中的方法(适用于 scRNA-seq 数据的指标,这里把spots视作细胞)以及我们自写的函数,来计算上述 # subset to keep only spots over tissue spe <- spe[, spe$in_tissue == 1] dim(spe) ## [1] 33538 3639 # identify mitochondrial genes is_mito <- grepl("(^MT-)|(^mt-)", rowData(spe)$gene_name) table(is_mito MT-ND4L" "MT-ND4" "MT-ND5" "MT-ND6" "MT-CYB" # calculate per-spot QC metrics and store in colData spe <- addPerCellQC(spe, subsets = list(mito = is_mito)) head(colData(spe)) 未完待续,欢迎关注!
在模型初始化阶段,可以通过detect_outliers参数同时指定霍特林T²(ht2)和SPE/DmodX(spe)两种异常值检测方法。 输出结果包含多个统计指标:前四列(y_proba、p_raw、y_score、y_bool)对应霍特林T²方法的检测结果,后两列(y_bool_spe、y_score_spe)则基于SPE/DmodX方法计算得出 通过SPE/DmodX方法,本案例共检测并标记了11个异常值样本。 ['outliers']['y_bool_spe'], :] 图3A. 异常值检测结果的综合展示:菱形标记表示SPE/DmodX方法检测的异常值,叉号标记表示霍特林T²方法检测的异常值。 图3B. SPE/DmodX方法检测异常值的三维空间可视化结果。
# load data saved in previous chapter (spe <- readRDS("seq-spe_qc.rds")) 标准化 一种简单且快速的标准化方法是 “library # calculate library size factors spe <- computeLibraryFactors(spe) summary(sizeFactors(spe)) hist(sizeFactors (spe), breaks = 50, main = "Histogram of size factors") # calculate logcounts and store in new assay spe <- logNormCounts(spe) assayNames(spe) Spatially-aware normalization SpaNorm是专门为 ST 数据开发的,它采用逐基因的模型 ) table(mt) # remove them spe <- spe[!