1.針對(duì)一類參數(shù)未知的非線性離散時(shí)間動(dòng)態(tài)系統(tǒng)，提出了一種新的基于神經(jīng)網(wǎng)絡(luò)的MMAC方法。首先，將系統(tǒng)分為線性部分和非線性部分。針對(duì)系統(tǒng)線性部分采用局部化方法逮立多個(gè)固定模型覆蓋系統(tǒng)的參數(shù)范圍，在此基礎(chǔ)上，建立自適應(yīng)模型來提高系統(tǒng)性能；針對(duì)系統(tǒng)非線性部分建立非線性神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型來邏近系統(tǒng)的非線性。然后，針對(duì)每個(gè)子模型設(shè)計(jì)相應(yīng)的擅制器。最后，設(shè)計(jì)基于誤差范數(shù)形式的性能指標(biāo)函數(shù)對(duì)控制器進(jìn)行硬切換。仿真結(jié)果表明，所提出的MMAC方法與傳統(tǒng)的在參數(shù)空間均勻分布的MMAC方法相比能顯著提高非線性系統(tǒng)的暫態(tài)性能。2針對(duì)一類具有參數(shù)跳變的非線性離散時(shí)間動(dòng)態(tài)系統(tǒng)，提出子一種基才聚類方法和神經(jīng)網(wǎng)絡(luò)的MMAC方法，首先，采用模糊c均值聚類算法對(duì)系統(tǒng)先驗(yàn)數(shù)據(jù)進(jìn)行分類處理，再分別對(duì)每類數(shù)據(jù)采用RLS算法建立多個(gè)固定模型。在此基礎(chǔ)上，建立兩個(gè)白適應(yīng)模型來提高系統(tǒng)響應(yīng)速度和控制品質(zhì)，建立神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型來補(bǔ)償系統(tǒng)非線性。然后，分別針對(duì)相應(yīng)的子模型設(shè)計(jì)線性魯棒自適應(yīng)控制器和神經(jīng)網(wǎng)絡(luò)控制器。最后，采用基于信號(hào)有界和測(cè)量誤差的性能切換指標(biāo)對(duì)控制器進(jìn)行切換，并證明閉環(huán)系統(tǒng)的穩(wěn)定性。仿真結(jié)果表明，所提出的算法能更好地解決非線性系統(tǒng)發(fā)生參數(shù)跳變問題，使得系統(tǒng)具有良好的控制品質(zhì)3.針對(duì)MMAC方法中的模型庫(kù)優(yōu)化問題，考慮系統(tǒng)實(shí)際運(yùn)行數(shù)據(jù)，提出了種基于相似度準(zhǔn)則和設(shè)置最大模型數(shù)的動(dòng)態(tài)優(yōu)化模型庫(kù)方法。該方法能對(duì)新數(shù)據(jù)進(jìn)行綜合考量并判斷是否應(yīng)該將該數(shù)據(jù)納入子模型建模，并通過設(shè)置最大模型數(shù)來確保系統(tǒng)用最少的子模型就能保證系統(tǒng)的控制性能。仿真結(jié)果表明，所提出的算法能極大地減少子模型數(shù)量且具有較好的控制效果。關(guān)鍵詞：非線性系統(tǒng)；多模型方法；自適應(yīng)控制；模糊聚類；神經(jīng)網(wǎng)絡(luò)
標(biāo)簽： 自適應(yīng)控制
上傳時(shí)間： 2022-03-11
上傳用戶：
在工業(yè)應(yīng)用中常用一組傳感器對(duì)問一個(gè)被測(cè)量目標(biāo)在一個(gè)過程的不同位置進(jìn)行測(cè)量，然而由于每個(gè)傳感器位于過程的不同位置，它們將不問程度的受到嗓聲的干擾，為了從被嗓聲干擾的多傳感器測(cè)量值中獲得更準(zhǔn)確的測(cè)量結(jié)果，霱要進(jìn)“步研究多傳感器的融合理論多傳感器數(shù)據(jù)融合系統(tǒng)的關(guān)鍵在于如何充分利用各個(gè)傳感器的信息，得到對(duì)被測(cè)參數(shù)的最優(yōu)估計(jì)，本文主要研究了以加權(quán)的方式進(jìn)行多傳感器數(shù)據(jù)融合的方法，即研究如何對(duì)每個(gè)傳感器進(jìn)行加權(quán)，從而得到對(duì)被測(cè)參數(shù)最優(yōu)佑計(jì)的方法為此本文在介紹了多傳感器數(shù)據(jù)融合技術(shù)的基礎(chǔ)上，首先研究了基于奇異值分解的數(shù)據(jù)融合算法，通過對(duì)傳感器測(cè)量值構(gòu)成的矩陣進(jìn)行奇異值分解，利用每個(gè)傳感器測(cè)量值所對(duì)應(yīng)的奇異值，可以估計(jì)出對(duì)每個(gè)傳感器權(quán)值的最優(yōu)估計(jì)，從而在不要任何先驗(yàn)知識(shí)的條件下，可僅由多傳感器的測(cè)量值，利用提出的算法得到在最小均方誤差意義下的被測(cè)參數(shù)的最優(yōu)估計(jì)，此外，在許多工業(yè)過程中，人們利用多傳感器測(cè)量同一過程參數(shù)以控制該參數(shù)在過程中的不同位置能根據(jù)需要進(jìn)行合理分布，此時(shí)人們希望利用多傳感器融合的測(cè)量結(jié)果，對(duì)每一個(gè)傳感器的測(cè)量數(shù)據(jù)進(jìn)行重建，以獲得對(duì)每一個(gè)傳感器的測(cè)量結(jié)果進(jìn)行更為準(zhǔn)確的估計(jì)。為此，本文進(jìn)一步研究了基于小波降噪和數(shù)據(jù)融合的傳感器數(shù)據(jù)重建算法，仿真和實(shí)驗(yàn)結(jié)果都說明提出算法是有效的，最后，研究了非線性動(dòng)態(tài)系統(tǒng)的狀態(tài)融合問題，研究了加權(quán)無氣味卡爾曼濾波（UKF）方法，研究表明無氣味卡爾曼波波能克服了擴(kuò)展卡爾曼濾波（EKF）在狀態(tài)融合估計(jì)中的不足，可以得到了更準(zhǔn)確的狀態(tài)融合估計(jì)結(jié)關(guān)鍵詞多傳感器系統(tǒng)，數(shù)據(jù)融合，奇異值分解，UKF
標(biāo)簽： 傳感器 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-16
上傳用戶：aben
本文以某油田數(shù)字化改造項(xiàng)目為背景，研究?jī)?nèi)容主要分為如下四個(gè)部分（1）三維激光掃描儀在掃描作業(yè)中會(huì)產(chǎn)生精度不符合項(xiàng)目要求的問題，導(dǎo)致后續(xù)的維模型精度無法達(dá)到要求。本文系統(tǒng)分析了掃描儀的誤差來源，采用單邊法和交叉雙邊法的標(biāo)定實(shí)驗(yàn)方案，可以較快、較準(zhǔn)確的檢驗(yàn)三維激光掃描儀的精度，為后續(xù)數(shù)據(jù)獲取奠定了良好的基礎(chǔ)（2）傳統(tǒng)的紋理圖片采集方法沒有規(guī)則，拍攝的圖片較多，數(shù)據(jù)量較大，且有時(shí)會(huì)遺漏部分場(chǎng)景信息。通過對(duì)比分析研究前后幾次采集的大量紋理圖片數(shù)據(jù)，提出了一種快速、全面的紋理采集方法，提高了采集效率，降低了數(shù)據(jù)量。通過研究降噪、增強(qiáng)特征等算法，對(duì)紋理圖片進(jìn)行處理，獲取了較好的模型顯示細(xì)膩感。最后，通過對(duì)比實(shí)驗(yàn)分析了上種不同理貼圖方法在模型真實(shí)度、內(nèi)存占用量和操作易程度等力面的影響，得出各個(gè)貼圖方法的優(yōu)缺點(diǎn)及適用范圍，為后續(xù)的高質(zhì)量、快速度的紋理貼圖提供了理論依據(jù)（3）針對(duì)地面激光掃描儀在點(diǎn)云拼接時(shí)出現(xiàn)無法識(shí)別標(biāo)靶球的問題，分析研究了大量其它站掃描的點(diǎn)云數(shù)據(jù)和標(biāo)靶擺放位置，提出了相應(yīng)的擺放規(guī)則，提高了識(shí)別標(biāo)靶的成功率和點(diǎn)云拼接效率。復(fù)雜的曲面類模型在正向建模軟件中的操作難度較大，且操作復(fù)雜，作者通過轉(zhuǎn)換格式將點(diǎn)云放置在逆向軟件中使用曲面擬合建模方法進(jìn)行三維建模，提高了建模效率。非規(guī)則類模型在通過交集、并集和差集操作時(shí)會(huì)出現(xiàn)模型消失的問題，經(jīng)過實(shí)驗(yàn)和研究，詳細(xì)提出了其建模步驟，減少了該類問題的出現(xiàn)。團(tuán)隊(duì)協(xié)同作業(yè)的模型整合階段容易出現(xiàn)材質(zhì)和模型重復(fù)問題，結(jié)合項(xiàng)目的建模技術(shù)要求提出了相關(guān)的模型建模規(guī)范，提高了模型整合效率
標(biāo)簽： 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-17
上傳用戶：XuVshu
基于深度語義分割的無人機(jī)多光譜遙感作物分類方法基于深度語義分割的無人機(jī)多光譜遙感作物分類方法
標(biāo)簽： 無人機(jī)
上傳時(shí)間： 2022-03-18
上傳用戶：
高清PDF電子書-基于嵌入式Linux的Qt圖形程序?qū)崙?zhàn)開發(fā)351頁本書的主要內(nèi)容 第一章認(rèn)識(shí) Qt。主要介紹了 Qt 的相關(guān)概念，Qt 不同的版本，Qt 安裝在不同的平臺(tái)上。 開發(fā)嵌入式的 Qt 應(yīng)用軟件時(shí)，需要建立的交叉編譯環(huán)境。最后一小節(jié)，通過 Hello Qt 的文 本顯示，簡(jiǎn)單的了解了一下 Qt 的開發(fā)以及編譯流程。 第二章信號(hào)與槽。主要介紹了信號(hào)與槽的實(shí)現(xiàn)機(jī)制。信號(hào)與槽機(jī)制是 Qt 的核心機(jī)制， 信號(hào)與槽的關(guān)聯(lián)通過調(diào)用 QObject 對(duì)象的 connect 函數(shù)來將某個(gè)對(duì)象的信號(hào)與另外一個(gè)對(duì) 象的槽函數(shù)相關(guān)聯(lián)，這樣當(dāng)發(fā)射者發(fā)射信號(hào)時(shí)，接收者的槽函數(shù)將被調(diào)用。并通過實(shí)例介紹 了信號(hào)和槽的創(chuàng)建和使用方法，最后介紹了信號(hào)與槽需要注意的問題。 第三章對(duì)話框設(shè)計(jì)。主要介紹了 Qt 中最常見的對(duì)話框類。其中包括如何自定義對(duì)話框 以及內(nèi)建對(duì)話框的使用。對(duì)話框幾乎貫穿整個(gè)學(xué)習(xí)過程，在常用軟件中會(huì)經(jīng)常出現(xiàn)，通過幾 個(gè)例子介紹了它們的使用方法。 第四章創(chuàng)建主窗口。主要介紹了應(yīng)用程序主窗口框架的組成：菜單欄、工具欄、錨接窗 口、中心部件、狀態(tài)欄。常用的創(chuàng)建主窗口的方法，以及其優(yōu)缺點(diǎn)和適用場(chǎng)合；完全使用代 碼創(chuàng)建主窗口的方法和步驟；一些有關(guān)窗口部件的知識(shí)。 第五章自定義窗口部件。主要介紹了如何通過 Qt 類庫(kù)中提供的多種類，子類化出相應(yīng) 的窗口部件。另外介紹從 QWidget 基類直接開始繼承，創(chuàng)造出自己的窗口部件。但一般提 倡使用 Qt 庫(kù)中提供的已經(jīng)存在的比較完善的類庫(kù)，不提倡自己創(chuàng)建。在本章的最后介紹雙 緩沖技術(shù)，雙緩沖技術(shù)是用來優(yōu)化繪制事件的顯示。 第六章部件布局。主要介紹了 GUI 編程不可缺少的部分——Qt 布局管理，即使再簡(jiǎn)單 的程序，也需要有合理的布局，否則界面將失去價(jià)值。在本章詳細(xì)介紹了 Qt 中的布局管理， 其中涉及到的布局管理類有布局管理器、分裂器、棧部件以及工作空間。其實(shí)多文檔屬于布 局管理，在第十三章中詳細(xì)介紹。 第七章文本輸入和表。主要介紹了 Qt 中的基本的文本輸入控件，主要包括 QComboBox、 QLineEdit、QTextEdit。并介紹了 QTableView 類的子類 QTableWidget 類和 QTableWidgetItem 類，本章通過自己構(gòu)造一個(gè)簡(jiǎn)單的單元格模型類 Cell 來介紹其有關(guān)各類的詳細(xì)屬性、成員 函數(shù)可參考 Qt 4.7 幫助文檔。 第八章容器類。主要介紹了 Q
上傳時(shí)間： 2022-03-22
上傳用戶：
基于藥物治療在臨床治療中的重要性,分析目前服藥提醒裝置存在的不足,以STM32F103VET6單片機(jī)為控制核心,設(shè)計(jì)了一種多功能電子藥箱。該系統(tǒng)包括顯示模塊、語音模塊和數(shù)據(jù)存儲(chǔ)模塊。顯示模塊通過觸摸屏電路和LED指示燈電路,與語音模塊相配合,實(shí)現(xiàn)了服藥提醒及指導(dǎo)的功能;數(shù)據(jù)存儲(chǔ)模塊通過EEPROM存儲(chǔ)電路,能夠?qū)崿F(xiàn)掉電時(shí)服藥信息不丟失的功能。并且為了實(shí)現(xiàn)電子藥箱的智能化控制,開發(fā)了手機(jī)APP,兩者之間可通過WIFI進(jìn)行數(shù)據(jù)通信。經(jīng)測(cè)試,該藥箱能夠有效地幫助慢性病患者按時(shí)、定量、正確服用藥物,適合在家庭中推廣使用,具有較高的應(yīng)用價(jià)值和實(shí)踐意義。Based on the importance of drug therapy in clinical treatment, this paper analyzes the shortcomings of current drug reminder devices, and designs a multi-function electronic medicine box with STM32 F103 VET6 microcontroller as the control core. The system includes a display module, a voice module, and a data storage module. The display module cooperates with the voice module through the touch screen circuit and the LED indicator circuit to realize the function of reminding and guiding the medicine;the data storage module can realize the function of not losing the medication information when the power is off through the EEPROM storage circuit.After testing, the medicine box can effectively help chronic diseases patients to take drugs on time, in a quantitative and correct manner,and is suitable for popularization in the family, and has high application value and practical significance.
標(biāo)簽： 電子藥箱
上傳時(shí)間： 2022-03-27
上傳用戶：
ADC-IN:PA4~7 ，采樣獲取以及多次采樣平均值，注意ADC通道寄存器的重新賦值，否則無法實(shí)現(xiàn)多通道采集
標(biāo)簽： stm32f030c8t6 adc 多通道采集 keil工程
上傳時(shí)間： 2022-04-25
上傳用戶：
MPLAB X IDE v5.40-XC8編譯器的下載鏈接包括百度的和tmp.link的
上傳時(shí)間： 2022-05-02
上傳用戶：bluedrops
1. 文檔概述1.1. 文檔目的本文檔描述對(duì)SPI-4.2 協(xié)議的理解，從淺入深地詳細(xì)講解規(guī)范。1.2. SPI-4.2 簡(jiǎn)介SPI-4.2 協(xié)議的全稱為System Packet Interface ，可譯為“系統(tǒng)包接口” 。該協(xié)議由OIF（ Optical Internetwoking Forum ）創(chuàng)建，用于規(guī)定10Gbps 帶寬應(yīng)用下的物理層（ PHY）和鏈路層（ Link ）之間的接口標(biāo)準(zhǔn)。SPI-4.2 是一個(gè)支持多通道的包或信元傳輸?shù)慕涌冢饕獞?yīng)用于OC-192 ATM 或PoS 的帶寬匯聚、及10G 以太網(wǎng)應(yīng)用中。1.3. 參考資料1) SPI-4.2 協(xié)議的標(biāo)準(zhǔn)文檔。2) 中興公司對(duì)SPI-4.2 協(xié)議文檔的翻譯稿。2. SPI-4.2 協(xié)議2.1. SPI-4.2 系統(tǒng)參考模型圖 1 SPI-4.2 系統(tǒng)參考模型圖X:\ 學(xué)習(xí)筆記\SPI-4.2 協(xié)議詳解.doc - 1 - 創(chuàng)建時(shí)間： 2011-5-27 21:53:00田園風(fēng)光書屋NB0005 v1.1 SPI-4.2 協(xié)議詳解SPI-4.2 是一種物理層和鏈路層之間的支持多通道的數(shù)據(jù)包傳輸協(xié)議，其系統(tǒng)參考模型如上圖所示，從鏈路層至物理層的數(shù)據(jù)方向，稱為“發(fā)送”方向，從物理層至鏈路層的數(shù)據(jù)方向，稱為“接收”方向。在兩個(gè)方向上，都存在著流控機(jī)制。值得注意的是， SPI-4.2 是一種支持多通道（ Port）的傳輸協(xié)議。一個(gè)通道，指接收或發(fā)送方向上，相互傳輸數(shù)據(jù)的一對(duì)關(guān)聯(lián)的實(shí)體。有很多對(duì)關(guān)聯(lián)的實(shí)體，即很多個(gè)通道，都在同時(shí)傳輸數(shù)據(jù)，它們可復(fù)用SPI 總線。最多可支持256 個(gè)通道。例如OC-192 的192 個(gè)STS-1 通道，快速以太網(wǎng)中的100 個(gè)通道等， 各個(gè)通道的數(shù)據(jù)都可以相互獨(dú)立地復(fù)用在SPI總線上傳輸。
標(biāo)簽： SPI-4.2協(xié)議
上傳時(shí)間： 2022-06-19
上傳用戶：
研究了視線環(huán)境下毫米波降雨衰減和信號(hào)起伏效應(yīng)，為分析多徑環(huán)境對(duì)雨衰和雨致信號(hào)起伏效應(yīng)的影響提供了“比較標(biāo)準(zhǔn)”。基于粒子散射吸收理論，簡(jiǎn)述了雨衰機(jī)理，并通過仿真分析了現(xiàn)有雨哀工程模型的局限性，進(jìn)而提出了一種修正特征衰減模型參數(shù)的方法，基于ITU-R給出的35GHz模型參數(shù)對(duì)該修正方法進(jìn)行了驗(yàn)證：根據(jù)隨機(jī)介質(zhì)波傳播理論，研究了雨粒子散射引起的信號(hào)起伏效應(yīng)。基于自主搭建的Ka波段信道哀落特性和降雨物理特征測(cè)量系統(tǒng)，分別在視線環(huán)境和多徑環(huán)境下，開展了關(guān)于雨哀和雨致信號(hào)起伏特性的測(cè)量實(shí)驗(yàn)，根據(jù)儀器的測(cè)量原理，優(yōu)化了實(shí)測(cè)雨滴譜的提取方法，并提出了基于實(shí)測(cè)雨滴譜修正weibul模型參數(shù)的方法，建立了適用于西安地區(qū)精確的南滴尺寸分布模型，進(jìn)而結(jié)合等效介電常數(shù)理論修正了指數(shù)雨衰模型參數(shù)，比較了視線環(huán)境下修正模型的雨哀計(jì)算結(jié)果與實(shí)驗(yàn)測(cè)量結(jié)果，以驗(yàn)證所提出的模型參數(shù)修正方法的正確性和可行性。然而，將多徑環(huán)境下降雨特征代入修正模型中，其計(jì)算和實(shí)驗(yàn)結(jié)果表明地形地物多徑環(huán)境會(huì)“放大”雨衰和信號(hào)起伏深度。基于電波傳播理論和等效均勻介質(zhì)理論，建立了復(fù)合環(huán)境下的電波傳播模型；在該模型基礎(chǔ)上，推導(dǎo)出了地形地物多徑傳播環(huán)境影響下的降雨衰減模型和信號(hào)起伏統(tǒng)計(jì)特性模型：仿真和討論了在典型地形地物多徑環(huán)境下，典型降雨時(shí)間序列下的衰減和信號(hào)起伏效應(yīng)，揭示了多徑環(huán)境“放大”大氣傳輸效應(yīng)的機(jī)理，并與實(shí)驗(yàn)結(jié)果進(jìn)行了比較，驗(yàn)證了該模型的有效性。本文研究方法對(duì)降雪、沙塵暴等惡劣天氣環(huán)境和地形地物多徑傳播環(huán)境綜合作用下毫米波傳播特性的研究具有重要的指導(dǎo)意義，同時(shí)其研究成果對(duì)5G應(yīng)用場(chǎng)景下亳米被信道建模，以及提高5G毫米波移動(dòng)通信系統(tǒng)性能具有重要的應(yīng)用價(jià)值。
標(biāo)簽： 5g 移動(dòng)通信 毫米波
上傳時(shí)間： 2022-06-20
上傳用戶：
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
