奇異樣本對感知器神經網絡訓練的影響,分三部分:創建感知器神經網絡,訓練該感知器神經網絡,驗感器神經網絡
上傳時間： 2015-06-14
上傳用戶：tianjinfan
新版本無人機.刷機用借助此實際應用程序，管理無人機的所有區域，例如電動機，GPS，傳感器，陀螺儀，接收器，端口和固件INAV-Chrome 的配置器中的新功能：修復了導致加速度計校準失敗的錯誤支持DJI FPV系統配置輸出選項卡中的怠速節氣門和馬達極現在可以在“混合器”選項卡中選擇“漫遊者”和“船用”平臺。 固件方面的支持仍然有限！閱讀完整的變更日誌 在過去的幾年中，無人駕駛飛機取得了相當大的進步，越來越多的人能夠獲取和使用無人機。 不用說，無人機可以基於特定固件在一組命令上運行。 在這方面， 用於Chrome的INAV-Configurator隨附的工具可幫助您輕鬆配置無人機的各個方面。支持多種硬件配置首先要提到的一件事是，要求Google Chrome瀏覽器能夠訪問INAV-Chrome的配置器功能。 儘管它已集成到Chrome中，但它可以作為獨立應用程序運行，甚至可以脫機使用，而與瀏覽器無關。 您甚至可以從Google Apps菜單為其創建桌面快捷方式。不用說，另一個要求是實際的飛行裝置。 該應用程序支持所有支持INAV的硬件配置，例如Sirius AIR3，SPRacingF3，Vortex，Sparky，DoDo，CC3D / EVO，Flip32 / + / Deluxe，DragonFly32，CJMCU Microquad，Chebuzz F3，STM32F3Discovery，Hermit ，Naze32 Tricopter框架和Skyline32。該窗口非常直觀，並提供各種令人印象深刻的提示和文檔。 在上方的工具欄上，您可以找到連接選項，這些選項可以通過COM端口，手動選擇或無線模式進行。 您也可以選擇自動連接。 連接後，您可以在上方的工具欄中查看設備的功能，並在側面板中輕鬆瀏覽配置選項。管理傳感器，電機，端口和固件本。
標簽： configurator 無人機
上傳時間： 2022-06-09
上傳用戶：
特點 精確度0.1%滿刻度 可輸入交直流電流/交直流電壓/電位計/傳送器...等信號 16 BIT類比輸出功能 輸入與輸出絕緣耐壓2仟伏特/1分鐘 寬范圍交直流兩用電源設計 尺寸小,穩定性高 2主要規格 精確度: 0.1% F.S. (23 ±5℃) 顯示值范圍: 0-±19999 digit adjustable 類比輸出解析度: 16 bit DAC 輸出反應速度: < 250 ms (0-90%)(>10Hz) 輸出負載能力: < 10mA for voltage mode < 10V for current mode 輸出之漣波: < 0.1% F.S. 歸零調整范圍: 0- ±9999 Digit adjustable 最大值調整范圍: 0- ±9999 Digit adjustable 溫度系數: 50ppm/℃ (0-50℃) 顯示幕: Red high efficiency LEDs high 10.16mm (0.4") 隔離特性: Input/Output/Power/Case 參數設定方式: Touch switches 記憶方式: Non-volatile E2PROM memory 絕緣抗阻: >100Mohm with 500V DC 絕緣耐壓能力: 2KVac/1 min. (input/output/power) 1600Vdc (input/output) 使用環境條件: 0-60℃(20 to 90% RH non-condensed) 存放環境條件: 0-70℃(20 to 90% RH non-condensed) 安裝方式: Socket/plugin type with barrier terminals CE認證: EN 55022:1998/A1:2000 Class A EN 61000-3-2:2000 EN 61000-3-3:1995/A1:2001 EN 55024:1998/A1:2001
上傳時間： 2014-01-05
上傳用戶：eastgan
本論文針對6kV/400kW三相異步電動機的中壓變頻器試驗裝置，從分析目前中壓變頻器常用的主回路拓撲入手，詳細闡述并分析了本文研究的單元串聯型中壓變頻器控制系統。 本文首先從理論上分析了多單元串聯型中壓變頻器脈寬控制原理。然后，把一種高性能的V/f控制方案引入中壓變頻器控制系統。通過矢量補償定子壓降，進行轉差補償和對電機電流進行限制控制，實現了具有很好的低頻性能并具有防“跳閘”等功能的V/f控制方案。 同時，本文將Siemens公司通用變頻器的時隙、連接紙的概念運用到中壓變頻器控制領域。增加了系統的可變性，自由性和方便性。設計了具有系統組態功能的模塊化軟件，其中著重對控制軟件中的幾個重要功能進行了分析討論。這些重要功能模塊有：控制字和狀態字、順序控制、V/f曲線、給定積分器、基于電壓補償的輸出自動穩壓算法、通訊功能等。 中壓變頻器在實驗室設計為6kV/22kW試驗系統，實際設計為6kV/400kW的變頻系統裝置。本文給出了實驗室調試結果及分析。實驗結果表明，該中壓變頻器能夠安全、穩定地運行。
上傳時間： 2013-04-24
上傳用戶：mingaili888
特點 精確度0.1%滿刻度 ±1位數 可量測 交直流電流/交直流電壓/電位計/傳送器/Pt-100/荷重元/電阻 等信號 顯示范圍-1999-9999可任意規劃 具有異常值與異常次數記錄保留功能 異常信號過高或過低或范圍內或范圍外檢測可任意設定 報警繼電器復歸方式可任意設定 尺寸小,穩定性高 2.主要規格 精確度: 0.1% F.S. ±1 digit 0.2% F.S. ±1 digit(AC) 取樣時間: 16 cycles/sec. 顯示值范圍: -1999 - +9999 digit adjustable 啟動延遲動作時間: 0-99.9 second adjustable 繼電器延遲動作時間: 0-99.9 second adjustable 繼電器復歸方式: Manual (N) / latch(L) can be modified 繼電器動作方向: HI /LO/GO/HL can be modified 繼電器容量: AC 250V-5A, DC 30V-7A 過載顯示: "doFL" 溫度系數: 50ppm/℃ (0-50℃) 顯示幕: Red high efficiency LEDs high 14.22mm(.56")(PV) Red high efficiency LEDs high 7.0mm(.276")(NO) 參數設定方式: Touch switches 記憶型式 : Non-volatile E2PROM memory 絕緣耐壓能力: 2KVac/1 min. (input/output/power) 1600Vdc(input/output 使用環境條件 : 0-50℃(20 to 90% RH non-condensed) 存放環境條件: 0-70℃(20 to 90% RH non-condensed) CE認證: EN 55022:1998/A1:2000 Class A EN 61000-3-2:2000 EN 61000-3-3:1995/A1:2001 EN 55024:1998/A1:2001
上傳時間： 2013-11-02
上傳用戶：fandeshun
電子秒表的設計 1、用系統8253定時器提供的55ms定時單位，設計秒表定時程序。 2、有關系統定時方法： PC機系統中的8253定時器0工作于方式3，外部提供一個時鐘作為CLK信號, 頻率：f=1.1931816MHz。 定時器0輸出方波的頻率:fout=1.1931816/65536=18.2Hz。 輸出方波的周期Tout=1/18.2=54.945ms。8253A每隔55ms引起一次中斷，作為定時信號。可用 5945ms作基本計時單位。 用BIOS調用INT 1AH可以取得該定時單位。例：1秒=18.2 (計時單位)
上傳時間： 2016-03-13
上傳用戶：asdkin
1、用系統8253定時器提供的55ms定時單位，設計秒表定時程序。 2、有關系統定時方法： PC機系統中的8253定時器0工作于方式3，外部提供一個時鐘作為CLK信號, 頻率：f=1.1931816MHz。 定時器0輸出方波的頻率:fout=1.1931816/65536=18.2Hz。 輸出方波的周期Tout=1/18.2=54.945ms。8253A每隔55ms引起一次中斷，作為定時信號。可用 5945ms作基本計時單位。 用BIOS調用INT 1AH可以取得該定時單位。例：1秒=18.2 (計時單位)
上傳時間： 2016-03-16
上傳用戶：aeiouetla
電子秒表的設計 1、用系統8253定時器提供的55ms定時單位，設計秒表定時程序。 2、有關系統定時方法： PC機系統中的8253定時器0工作于方式3，外部提供一個時鐘作為CLK信號, 頻率：f=1.1931816MHz。 定時器0輸出方波的頻率:fout=1.1931816/65536=18.2Hz。 輸出方波的周期Tout=1/18.2=54.945ms。8253A每隔55ms引起一次中斷
上傳時間： 2014-06-21
上傳用戶：lhw888
移動機器人導航與定位技術隨 著 計 算機 技 術 、微 電 子 技 術 、網 絡 技 術 等 的快 速 發 展 ，特 別是 通 訊 技 術 的進 步 。機 器 人 技 術 也 得 到 了飛 速 發 展 ，移 動機 器 人 的 關鍵 技 術 得 到 深 入 而 廣 泛 的研 究 。并 且 部 分 已經 走 向成 熟 ， 移 動 機 器 人 應 用 領 域 不 斷擴 展 ，與 制 造 業 相 比 ，移動 機 器 人 的 工 作 環 境 具 有 非 結 構 化 和 不 確 定 性 。因而 對機 器人 的要 求 更 高 。不 僅 要 求 機 器 人 完 成 一 定 的 功 能 ，還 需 要 機 器 人具 有 行 走 功 能 。對 外感 知 能力 以及 局 部 的 自主 規 劃 能 力等 ，因 此 移 動機 器 人 的 導 航 與 定位 技 術 成 為 智 能機 器 人 領 域 的一 個 重 要 研 究 方 向 ．也 是 智 能移 動 機 器 人 的一 項 關 鍵 技 術 。 多年 來 國際 國 內都 有 大 量 的 科技 工 作 者 致 力 于 這 方 面 的研 究 開 發 工作 ．因 而 對 許 多 問題 的 認 識 與求 解 都 取 得 了長 足 的 發 展 。在 某 些特 定 的 應用 領 域 ，移 動 機 器人 導航 技 術 已得 到 了實 際 應用 。本 文 介 紹 了移 動機 器人 導 航 技 術 研 究 中的 相 關 關 鍵 技 術 。 2移動 機 器 人導 航 與定位 研 究 的 目的 移 動 機 器 人 根 據 運 動 行 為 方 式 分 為 自主 和 半 自主 式 ．根 據 應 用 的環 境 有 室 內和 室 外 機器 人之 分 。無 論 哪 種 移動 機 器人 。在 它的運動過程 中始終要求解決 自身的導航與定位 問題 ．也就是 Dm．~ntWhyte提 出 的 三 個 問 題 ：(1)”我 現 在 何 處 ?”，(2)”我 要 往 何 處 去 ?”，(3)”要 如 何 到 該 處 去?”。其 中 問題 (1)是 移 動 機 器 人 導 航 系統 中 的定 位 及 跟 蹤 問題 ，(2)(3)是 移 動機 器人 導 航 系 統 中 的 路徑 規劃 問題 。移 動 機 器 人 導航 與 定位 技 術 研 究 的 目的 就 是 解 決上 面 的 3個 問題 ．給 出 已知 和 未 知 環 境 下 移 動機 器 人 實 時 導 航 與 定 為 控 制 的 理 論 、方 法 與 關 鍵 技 術 ，并 驗 證 該 理 論 與 方 法 的 的 實用 性 ：提 出適 應 多種 環境 的 實 時導 航 策 略 和 具 有 良好 可 擴 展 性 的 移動 機 器 導航 體 系 結 構 ：未知 環 境 中 移 動 機 器 人 的 快 速環 境 建模 與 定 位 方 法 ：未 知環 境 中基 于 傳 感 器 的 移 動 機 器 人 局部 運 動 規 劃 理 論 與 方 法 ：與 未 知環 境 中移 動 機 器 人 導 航 控 制 相 關 的機 器 學 習的 基 礎 理 論 與 方 法 ；移 動 機 器 人 的 故 障 自診
上傳時間： 2022-02-12
上傳用戶：xsr1983
神經網絡在智能機器人導航系統中的應用研究1神經網絡在環境感知中的應 用 對環境 的感 知 ，環境模型 妁表示 是非常重要 的。未 知 環境中的障礙物的幾何形狀是不確定的，常用的表示方浩是 槽格法。如果用冊格法表示范圍較大的工作環境，在滿足 精度要求 的情況下，必定要占用大量的內存，并且采用柵 格法進行路徑規劃，其計算量是相當大的。Kohon~n自組織 神經瞬絡為機器人對未知環境的蒜知提供了一條途徑。 Kohone~沖經網絡是一十自組織神經網絡，其學習的結 果能體現出輸入樣本的分布情況，從而對輸入樣本實現數 據壓縮 。基于 網絡 的這些特 性，可采 用K0h0n曲 神經元 的 權向量來表示 自由空間，其方法是在 自由空間中隨機地選 取坐標點xltl【可由傳感器獲得】作為網絡輸入，神經嘲絡通 過對大量的輸八樣本的學習，其神經元就會體現出一定的 分布形 式 學習過程如下：開 始時網絡的權值隨機地賦值 ， 其后接下式進行學 習： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神經元 1在t時刻對 應的權值 ；a(∽ 謂整系 數 ； (『l網絡的輸八矢量；Ⅳ()：學習的 I域。每個神經元能最 大限度 地表示一 定 的自由空間 。神經 元權 向量的最 小生成 樹可以表示出自由空問的基本框架。網絡學習的鄰域 (，) 可 以動 態地 定義 成矩形 、多邊 形 。神經 元數量 的選取取 決 于環境 的復雜度 ，如果神 經元 的數量 太少 ．它們就 不能 覆 蓋整十空間，結果會導致節點穿過障礙物區域 如果節點 妁數量太大 ．節點就會表示更多的區域，也就得不到距障 礙物的最大距離。在這種情況下，節點是對整個 自由空間 的學 習，而不是 學習最 小框架空 間 。節 點的數 量可 以動態 地定義，在每個學習階段的結柬．機器人會檢查所有的路 徑．如檢鍘刊路徑上有障礙物 ，就意味著沒有足夠的節點 來 覆蓋整 十 自由窯 間，需要增加 網絡節點來 重新學 習 所 138一 以為了收斂于最小框架表示 ，應該采用較少的網絡 節點升 始學習，逐步增加其數量。這種方法比較適臺對擁擠的'E{= 境的學習，自由空間教小，就可用線段表示；若自由空問 較大，就需要由二維結構表示 。 采用Kohonen~沖經阿絡表示環境是一個新的方法。由 于網絡的并行結構，可在較短的時間內進行大量的計算。并 且不需要了解障礙物的過細信息．如形狀、位置等 通過 學習可用樹結構表示自由空問的基本框架，起、終點問路 徑 可利用樹的遍 歷技術報容易地被找到 在機器人對環境的感知的過程中，可采用人】：神經嘲 絡技術對 多傳 感器的信息進 行融臺 。由于單個傳感器僅能 提 供部分不 完全 的環境信息 ，因此只有秉 甩 多種傳感器 才 能提高機器凡的感知能力。 2 神經 網絡在局部路徑規射中的應 用 局部路徑 規刪足稱動吝避碰 規劃 ，足以全局規荊為指 導 利用在線得到的局部環境信息，在盡可能短的時問內
上傳時間： 2022-02-12
上傳用戶：qingfengchizhu
