VC++編程指南一書(shū)介紹了vc++里的編程導(dǎo)向，指導(dǎo)程序員一步一步了解熟悉VC++的所有功能。
上傳時(shí)間： 2013-12-19
上傳用戶(hù)：1427796291
，本設(shè)計(jì)采用2片AT89C52單片機(jī)構(gòu)成主從式的控制系統(tǒng)。紅外遙控部分采用遙控車(chē)模專(zhuān)用編、解碼芯片TX-2/RX-2，提高控制的可靠性。采用紅外傳感器進(jìn)行里程檢測(cè)；超聲波傳感器進(jìn)行障礙識(shí)別；感光電阻輔以步進(jìn)電機(jī)控制的轉(zhuǎn)動(dòng)機(jī)構(gòu)進(jìn)行光源方向的檢測(cè)，并能用軟件控制小車(chē)行駛到光源附近。采用步進(jìn)電機(jī)對(duì)小車(chē)的轉(zhuǎn)向進(jìn)行精確的控制。此外，采用四位LED數(shù)碼管和若干LED發(fā)光二極管顯示時(shí)間、行進(jìn)的里程以及小車(chē)的各種狀態(tài)；采用AT24C08串行EEPROM記錄小車(chē)的行駛軌跡，并能按照所記錄的軌跡自動(dòng)行駛。 本次設(shè)計(jì)基于完備的軟硬件系統(tǒng)，很好的實(shí)現(xiàn)了小車(chē)語(yǔ)音遙控、任意曲線行駛、路線記錄與重放、自動(dòng)查找光源、自動(dòng)避障，里程統(tǒng)計(jì)并發(fā)出指示信息等功能。
上傳時(shí)間： 2017-05-11
上傳用戶(hù)：CSUSheep
本程序主要由鍵盤(pán)程序、顯示器程序、步進(jìn)電機(jī)驅(qū)動(dòng)程序三部份組成，主程序首先初始化各變量，將顯示器的高3位消隱，步進(jìn)電機(jī)驅(qū)動(dòng)的各引腳均輸出高電平，然后調(diào)用鍵盤(pán)程序，并作判斷，如果有鍵按下，則調(diào)用鍵盤(pán)處理程序，否則直接轉(zhuǎn)下一步。下一步是將當(dāng)前的轉(zhuǎn)速值轉(zhuǎn)換為BCD碼，送入顯示緩沖區(qū)；接著判斷StartEnd這個(gè)位變量，是“1”還是“0”，如果是“1”，則開(kāi)啟定時(shí)器T1，否則關(guān)閉定時(shí)器T1
標(biāo)簽： 程序 顯示器 步進(jìn)電機(jī) 鍵盤(pán)程序
上傳時(shí)間： 2017-05-22
上傳用戶(hù)：dapangxie
JDK 是整個(gè)Java的核心，包括了Java運(yùn)行環(huán)境（Java Runtime Envirnment），一堆Java工具和Java基礎(chǔ)的類(lèi)庫(kù)(rt.jar)。不論什么Java應(yīng)用服務(wù)器實(shí)質(zhì)都是內(nèi)置了某個(gè)版本的JDK。因此掌握 JDK是學(xué)好Java的第一步。最主流的JDK是Sun公司發(fā)布的JDK，除了Sun之外，還有很多公司和組織都開(kāi)發(fā)了自己的JDK，例如IBM公司開(kāi)發(fā)的JDK，BEA公司的Jrocket，還有GNU組織開(kāi)發(fā)的JDK等等。其中IBM的JDK包含的JVM（Java Virtual Machine）運(yùn)行效率要比Sun JDK包含的JVM高出許多。而專(zhuān)門(mén)運(yùn)行在x86平臺(tái)的Jrocket在服務(wù)端運(yùn)行效率也要比Sun JDK好很多。但不管怎么說(shuō)，我們還是需要先把Sun JDK掌握好。
上傳時(shí)間： 2017-05-27
上傳用戶(hù)：愛(ài)死愛(ài)死
在SamSung2440開(kāi)發(fā)板上wince.net系統(tǒng)下，利用標(biāo)準(zhǔn)的imgdecmp.dll接口，實(shí)現(xiàn)了jpeg.bmp.gif.png等圖片的顯示，在armv4i環(huán)境下絕對(duì)可用
標(biāo)簽： SamSung wince 2440 net
上傳時(shí)間： 2017-06-08
上傳用戶(hù)：JasonC
參考課堂迷宮問(wèn)題的解題方法，建立move數(shù)組，若馬當(dāng)前位置是（x,y）,則沿著第i(1<=i<=8)個(gè)方向跳一步，到達(dá)新的位置為（ x’,y’）,下表位置可以根據(jù) move 數(shù)組來(lái)確定，有： x’=x+move[i][0] y’=y+move[i][1]. 馬走過(guò)的信息的 用結(jié)構(gòu)體來(lái)存儲(chǔ)。move數(shù)組用于存儲(chǔ)馬可以走過(guò)的方向，將開(kāi)始的馬的位置的信息存入隊(duì)列，馬沿著8個(gè)方向跳動(dòng)，在馬跳動(dòng)過(guò)程中，將馬的跳動(dòng)步數(shù)加1，如果馬沒(méi)有走到邊界，判斷馬有沒(méi)有在走同樣的步數(shù)到同一個(gè)節(jié)點(diǎn)。如果馬沒(méi)有在同樣的步數(shù)到同一個(gè)節(jié)點(diǎn)，則將這個(gè)節(jié)點(diǎn)的信息存入隊(duì)列的對(duì)尾。在解題中，使用順序隊(duì)列來(lái)記錄馬到達(dá)的位置。使用隊(duì)首指針來(lái)記錄對(duì)首元素。將馬走過(guò)的位置的信息存入隊(duì)列中，當(dāng)該節(jié)點(diǎn)走完8個(gè)方向時(shí)，就將該節(jié)點(diǎn)從對(duì)列中刪除掉。直到走的步數(shù)為指定的步數(shù)時(shí)結(jié)束。
標(biāo)簽： 迷宮
上傳時(shí)間： 2013-12-12
上傳用戶(hù)：cooran
用C#寫(xiě)的帶界面的單純型算法，可以一步一步查看每部的運(yùn)算過(guò)程，非常不錯(cuò)哦！
標(biāo)簽： 算法
上傳時(shí)間： 2014-01-04
上傳用戶(hù)：asdfasdfd
理想的放大器 目前，廠商在線性IC研發(fā)上都有重大的突破。使IC型運(yùn)算放大器的特性和理想相當(dāng)接近。尤其在低頻操作下，OP Amp電路的工作情形實(shí)在太像一個(gè)理想放大器，幾乎與理論的推測(cè)完全相符。→理想的放大器該具備什麼特性？
標(biāo)簽： 算放大器原理
上傳時(shí)間： 2016-07-16
上傳用戶(hù)：WALTER
通過(guò)單片機(jī)設(shè)計(jì)步進(jìn)電機(jī)控制現(xiàn)調(diào)速，快速啟停，正反轉(zhuǎn)控制及制動(dòng)等
標(biāo)簽： 單片機(jī) 仿真 步進(jìn)電機(jī) 控制器 源碼
上傳時(shí)間： 2018-10-21
上傳用戶(hù)：18351330226
在工業(yè)應(yīng)用中常用一組傳感器對(duì)問(wèn)一個(gè)被測(cè)量目標(biāo)在一個(gè)過(guò)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(guò)程的不同位置，它們將不問(wèn)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(guò)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(guò)程中，人們利用多傳感器測(cè)量同一過(guò)程參數(shù)以控制該參數(shù)在過(guò)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(shuō)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(wèn)題，研究了加權(quán)無(wú)氣味卡爾曼濾波（UKF）方法，研究表明無(wú)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(hù)：aben
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
