STC15系單片機仿真說明
上傳時間： 2013-10-13
上傳用戶：Thuan
用七個led小燈模擬骰子
上傳時間： 2013-11-16
上傳用戶：lty6899826
摘要：針對砂輪產(chǎn)品生產(chǎn)中傳統(tǒng)的人工稱重速度慢、精度低等問題，設(shè)計了碳化硅砂子自動稱重系統(tǒng)．該系統(tǒng)采用C8051F020單片機實現(xiàn)傳感器微弱信號的采集與轉(zhuǎn)換，對A／D轉(zhuǎn)換值進行數(shù)字平均值濾波，并對主直流電機進行PWM調(diào)速控制，實現(xiàn)碳化硅砂子的實時準確稱重與定量輸送．實驗結(jié)果表明，該系統(tǒng)動態(tài)稱重精度較高，誤差為±0．1 g，可完全滿足生產(chǎn)要求．
標簽： C8051F020 自動 稱重 系統(tǒng)設(shè)計
上傳時間： 2013-10-19
上傳用戶：stvnash
HT45F23 MCU 為用戶提供兩組獨立的比較器，並都由軟體控制，輸入輸出口安排靈活，均 與I/O 共用引腳。本文著重介紹HT45F23 比較器的功能使用的相關(guān)設(shè)定與應用方式。
標簽： Comparator 45F F23 HT
上傳時間： 2013-10-16
上傳用戶：songkun
HT45F23 MCU 含有兩個運算放大器，OPA1 和OPA2，可用於用戶特定的模擬信號處理，通 過控制暫存器，OPA 相關(guān)的應用可以很容易實現(xiàn)。本文主要介紹OPA 的操作，暫存器設(shè)定 以及基本OPA 應用，例如：同相放大器、反相放大器和電壓跟隨器。 HT45F23 運算放大器OPA1/OPA2 具有多個開關(guān)，輸入路徑可選以及多種參考電壓選擇，此 外OPA2 內(nèi)部有8 種增益選項，直接通過軟體設(shè)定。適應於各種廣泛的應用。
上傳時間： 2013-11-21
上傳用戶：immanuel2006
STC12系列單片機與PC機在數(shù)據(jù)采集系
上傳時間： 2013-11-03
上傳用戶：shirleyYim
問題的提出我公司有多臺不同廠家生產(chǎn)的水泥包裝機，有電子秤控制和機械秤控制2種方式。在生產(chǎn)使用過程中，機械秤原理的先天不足，直接影響稱重的準確性。一是秤杠桿支點（俗稱秤刀子）會磨損，影響杠桿的靈活性；二是用于探測杠桿動作的接近開關(guān)，隨使用次數(shù)增多，電參數(shù)會發(fā)生變化，且接近開關(guān)的壽命總是有限的；三是由于接近開關(guān)的動作距離，總是存在個體的不同，每次更換時，調(diào)準袋重總是一件麻煩事。對于電子秤：1）有的秤沒有很好解決抗干擾問題，會出現(xiàn)電子秤死機現(xiàn)象，需人工復位；2）有的秤沒有很好解決每袋都能自動清零問題，皮重會出現(xiàn)隨時間積累，直接影響袋重，需每隔一定時間人工重新整定。正是基于以上秤存在稱重不穩(wěn)、故障多等缺點，我們提出在原有機械包裝機的基礎(chǔ)上，以AT89C52單片機為核心的電子秤控制方案。
上傳時間： 2013-10-27
上傳用戶：windwolf2000
一種基于單片機STC89C58RD+的稱重顯示控制器
上傳時間： 2013-12-21
上傳用戶：釣鰲牧馬
異常向量表重映射 向量表是異常產(chǎn)生時內(nèi)核獲取異常處理函數(shù)入口地址的一塊連續(xù)內(nèi)存，每一個異常都在向量表固定的偏移地址，且偏移地址都是以字對齊的，通過該偏移地址內(nèi)核就可以獲取異常處理函數(shù)的入口指針，從而跳轉(zhuǎn)到異常處理函數(shù)入口，執(zhí)行異常處理函數(shù)。
上傳時間： 2013-11-25
上傳用戶：rnsfing
提出了一種改進的LSM-ALSM子空間模式識別方法，將LSM的旋轉(zhuǎn)策略引入ALSM，使子空間之間互不關(guān)聯(lián)的情況得到改善，提高了ALSM對相似樣本的區(qū)分能力。討論中以性能函數(shù)代替經(jīng)驗函數(shù)來確定拒識規(guī)則的參數(shù)，實現(xiàn)了識別率、誤識率與拒識率之間的最佳平衡；通過對有限字符集的實驗結(jié)果表明，LSM-ALSM算法有效地改善了分類器的識別率和可靠性。關(guān) 鍵 詞 學習子空間; 性能函數(shù); 散布矩陣; 最小描述長度在子空間模式識別方法中，一個線性子空間代表一個模式類別，該子空間由反映類別本質(zhì)的一組特征矢量張成，分類器根據(jù)輸入樣本在各子空間上的投影長度將其歸為相應的類別。典型的子空間算法有以下三種[1, 2]：CLAFIC(Class-feature Information Compression)算法以相關(guān)矩陣的部分特征向量來構(gòu)造子空間，實現(xiàn)了特征信息的壓縮，但對樣本的利用為一次性，不能根據(jù)分類結(jié)果進行調(diào)整和學習，對樣本信息的利用不充分；學習子空間方法(Leaning Subspace Method, LSM)通過旋轉(zhuǎn)子空間來拉大樣本所屬類別與最近鄰類別的距離，以此提高分類能力，但對樣本的訓練順序敏感，同一樣本訓練的順序不同對子空間構(gòu)造的影響就不同；平均學習子空間算法(Averaged Learning Subspace Method, ALSM)是在迭代訓練過程中，用錯誤分類的樣本去調(diào)整散布矩陣，訓練結(jié)果與樣本輸入順序無關(guān)，所有樣本平均參與訓練，其不足之處是各模式的子空間之間相互獨立。針對以上問題，本文提出一種改進的子空間模式識別方法。子空間模式識別的基本原理1.1 子空間的分類規(guī)則子空間模式識別方法的每一類別由一個子空間表示，子空間分類器的基本分類規(guī)則是按矢量在各子空間上的投影長度大小，將樣本歸類到最大長度所對應的類別，在類x()iω的子空間上投影長度的平方為()211,2,,()argmax()jMTkkjpg===Σx (1)式中 函數(shù)稱為分類函數(shù)；為子空間基矢量。兩類的分類情況如圖1所示。
上傳時間： 2013-12-25
上傳用戶：熊少鋒
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
