模糊控制器：利用matlab建立復雜的模糊規則。既可以編寫程序實現，也可以使用matlab自帶fuzzy工具箱完成。
上傳時間： 2015-11-19
上傳用戶：
CAN控制器SJA1000的標準幀，BsaicCAN模式，調好的初始化、發送、接收底層程序，大家共享。
上傳時間： 2015-12-18
上傳用戶：guanliya
ollydbg完全教程。OllyDbg 是一種具有可視化界面的 32 位匯編-分析調試器。它的特別之處在于可以在沒有源代碼時解決問題，并且可以處理其它編譯器無法解決的難題。 一，什么是 OllyDbg？ 二，一般原理［General principles］ 三，反匯編器［Disassembler］ 四，分析器［Analysis］ 五，Object掃描器［Object scanner］ 六，Implib掃描器 ［Implib scanner］ 七，如何開始調試［How to start debugging session］ 八，CPU 窗口［CPU window］ 九，斷點［Breakpoints］ 十，內存映射窗口［Memory map window］ 十一、十二，監視與監察器［Watches and inspectors］ 十三，線程［Threads］ 十四，復制到剪切板［Copy to clipboard］ 十五，調用棧［Call stack］ 十六，調用樹［Call tree］ 十七，選項［Options］ 十八，搜索［Search］ 十九，自解壓文件［Self-extracting (SFX) files］ 二十，單步執行與自動執行［Step-by-step execution and animation］ 二一，Hit跟蹤［Hit trace］
上傳時間： 2016-01-02
上傳用戶：xhz1993
背包問題是關於最佳化的問題，要解最佳化問題可以使用「動態規劃」（Dynamic programming），從空集合開始，每增加一個元素就先求出該階段的最佳解，直到所有的元素加入至集合中，最後得到的就是最佳解。 以背包問題為例，我們使用兩個陣列value與item，value表示目前的最佳解所得之總價，item表示最後一個放至背包的水果，假設有負重量 1～8的背包8個，並對每個背包求其最佳解
標簽：
上傳時間： 2014-01-22
上傳用戶：aix008
2410的monitor程序。可初始化USB，下載程序到指定地址，從指定地址開始運行指令，內存訪問等等。對學習2410的USB控制器很有幫助
上傳時間： 2014-06-03
上傳用戶：獨孤求源
摘要 總線上的節點是網絡上的信息接收和發送站 智能節點能通過編程設置工作方式 地址 波 CAN ID 它主要由單片機和可編程的 通信控制器組成 本文介紹這類節點的硬件設計和軟件設計 其中 特率等參數 CAN 軟件設計包括 的初始化 發送和接收等應用中的最基本 SJA
上傳時間： 2013-12-24
上傳用戶：kernaling
Visual C++（以下簡稱VC++） 是面向對象與可視化軟件開發工具中比較成熟的一類。MFC是VC++中直接由Microsoft提供的類庫，它集成了大量已定義好的類，我們可以根據需要，調用相應類，或根據需要自定義類。正是基于MFC的這種特性，我們試圖設計出具有封裝性、獨立性的功能模塊------函數數據生成模塊，函數曲線輸出模塊，模塊之間的橋梁是由模板類CArray派生的CPoint類數組充當的。函數數據生成模塊用來實現對函數的設置并獲得采樣點，數組得到采樣點數據并將其傳遞到輸出模塊中。從整體來看，實現了各程序模塊的獨立性，使得在函數模塊中可任意添加、刪除函數，可使用不同的DC和GDI，可實現不同的輸出方式，整個工程在函數繪圖功能上是無限擴展的。經過反復的調試和檢驗，我們實現了預期目標。我們的主要目的是嘗試VC++在數學函數繪圖方面的功能和應用。這是對VC++的探索，也是對數學函數繪圖多樣化的嘗試。
上傳時間： 2013-12-30
上傳用戶：邶刖
液晶控制器T6963的C語言驅動程序，自做的漢字點陣庫
上傳時間： 2014-01-17
上傳用戶：hwl453472107
ACE自適配通信環境（ADAPTIVE Communication Environment）是可自由使用、開放源碼的面向對象（OO）框架（framework），它實現了許多用于并發通信軟件的核心模式。ACE提供了一組豐富的可重用C++包裝外觀（wrapper facade）和框架組件，可跨多種平臺完成通用的通信軟件任務，其中包括：事件多路分離和事件處理器分派、信號處理、服務初始化、進程間通信、共享內存管理、消息路由、分布式服務動態（重）配置、并發執行和同步，等等。
標簽： Communication Environment framework ADAPTIVE
上傳時間： 2016-02-25
上傳用戶：sy_jiadeyi
首先對非線性模型在控制目標附近進行線性化得到相應的狀態空間表達式，再對線性模型設計LQR控制器，進而用此控制器控制非線性倒立擺，取得訓練神經網絡控制器的數據，最后用這些數據訓練得到神經網絡控制器，最終基于神經網絡的（一、二、三級）倒立擺控制均取得了很好的控制效果；
上傳時間： 2014-01-17
上傳用戶：sclyutian
