-
C#WinForm获取子窗口返回值
C#WinForm获取子窗口返回值及窗口取消的处理
- 2020-12-03下载
- 积分：1
-
09年全国大学生电子设计大赛优秀作品选集
09年全国大学生电子设计大赛优秀作品选集。详细介绍了09年全国电赛优秀的作品。是不可多得的宝贵资料在实际制作中,我们选用CD1046锁相环芯片,功牽WS管IRF510等性价比较高的器件,采用基于MsP43OF169单片机的经典控制算法,较为出色地完成了各项指标要求理论分析与参数计算频率跟踪电路设计:Uret鉴相器环路滤波压控振荡器PLL OUTPDLFVCO256分频图2锁相环电路框图利用相环C冂4046可以实现输入信号的倍频和同步,输入频率45-5H,经256倍频后为11.52KHz-14.08KHz信号,送给单片机作为系统同步的时钟。单片机用DDS原理产生幅度可调的正昡信号,此时钟作为D/A输出的时钟,即可追踪输入信号的相位和频率。此正弦信号送给本设计中自闭环的DC-AC逆变器作为输入,输出电压就可以与参考输亼Uref冋频冋相。为俫证快速锁定,需要调整R1、R2、C1的值使锁相环中心频率稳定在5OHz。2.MPPT最大功率点跟踪的实现本设计采用WP130F169单片机,它有两路D/A、8路AD,可以轻松地实现连续的电压电流采集。单片机由此数据计算出实时功率后根据MT算法自动调整,当时通过增加系统的输入阻抗增加实际待到的输入电压U以提高功率,反之则降低U,最终达到的最大功率点跟踪。3.提高效率方法开关电源电路改计中的主要损耗包括:场效应管的导通电阻损耗和开关损耗:滤波电路屮电感和电容的损耗。综合考虑成本和性能,本电路选用了IRF540,其导通电阻仅为77亳欢,输入结电容为1700F。在带载额定电流1A时,全桥的静态功耗。由于滤波电感和电容工作在高频卜,起储能释能作用因此电感要尽减小内阻,并保留1mm磁防止饱和,电容则要选取等效串联电阻ESR较小的高频低阻类型,以减小在电容上产生的功率损耗。本作品中所用的电感线圈为多股漆包线并绕以减小高频下导线集肤敚应带来的损耗,并使用铁氧体材料的伭芯以减小其磁滞损耗。电窣则选用聚丙烯电窣,它具有较好的高频特性、稳定性和较小的损耗。4.滤波参数设计:滤波电感使用直径36m磁罐,加1mm磁隙,用0.4mm漆包线5股并绕20匝,实测电感为200u左右;为减小通带衰减,取截止频率为5kHz,百百倍于基频,得C=4.7uF为进一步减小止弦波谐波分量,又用60u铁粉环电感与0.68uF电容进行了二次滤波,最终效果比较理想。二、电路与程序设计DCAC电路LL"虚短"比铰器SPWM/浮栅驱动器0恰半滤波参考正弦波功率正弦波补偿网络图5自振荡逆变器框图AC逆变器由自振荡原理的D类功率放大器构成,利用负反馈的高频自激,产生幅度较弱的髙频振涝叠加在工频信号上,经过比较器产生髙频SF硎开关信号通过浮栅驱动器驱动MOS管半桥。R54.7K+|+H1CTAOVCC HO12 HO1QIN VSll VS1C4I(ul IOJuh正弦入45-51z10uFVSS COM A67 LOIQ233K图6DC-AC逆变器电路图由于负反馈在工频上是稳定的,因此输出的信号的放大倍数由R2与R4的分压比决定,而自振荡〔产生的SPw)频率可通过微调补偿网络屮的电阻、电容值来调整,实际中综合考虑损耗和滤波电路的设计,选定频率约为28KHz左右,保证输出电压在功率电源HDC范围内,比例放人系数选为12。这神逆变器自身闭环,整个电路只使用个比较器,可以根据负载的变化自动调整SPW的占空比,使输入输出电压始终成比例关系在木设计中,使用两个上述的自振荡逆变器构成平衡桥式( Balanced transformer loss)DC-^C变换器,以LM393作逆变的比较器,配合自带死区的IR21094浮栅驱动器驱动IRF540功率№os管,获得了较高的效率和极低的失真度2.过流保护及自恢复电路[104UTBR23R22K510RN5819[7A334R24LM358R387.5K91k
- 2021-05-07下载
- 积分：1
-
图像融合过程中的图像配准代码
在图像融合过程中图像配准是很重要的一个步骤，也是必不可少的步骤，其中有几种配准的方法
- 2020-12-03下载
- 积分：1
-
微电网下垂控制
微电网power sharing下垂控制MATLAB仿真，带虚拟电阻
- 2021-05-06下载
- 积分：1
-
虹膜识别+源代码+matlab+霍夫变换+hough变换+2
虹膜识别+源代码+matlab+霍夫变换+hough变换2
- 2020-11-27下载
- 积分：1
-
动态贝叶斯网络推理学习理论及应用-肖秦琨 高嵩 高晓光.pdf
动态贝叶斯网络推理学习理论及应用；动态系统；可靠性评估；故障诊断；贝叶斯网络建模；DBN0212/642007动态贝叶斯网络推理学习理论及应用肖秦琨高嵩高晓光著所·萑宫散社北京图书在版编目(CP数据动态贝叶斯网络推理学习理论及应用/肖秦琨,高嵩,高晓光著.一北京:国防工业出版社,2007.10ISBN9787-11805323-4I.动.Ⅱ.①肖.②高.③高..Ⅲ.贝叶斯推断一研究Ⅳ.0212中国版本图书馆CIP数据核字(2007)第122784号※阍所·宫版社出版发行(北京市海淀区紫竹院南路23号邮政编码100044)京南印刷厂印刷新华书店经售开本850×1168132印张9字数233千字2007年10月第1版第1次印刷印數1-3000册定价20.00元(本书如有印装错误,我社负责调换国防书店:(010)68428422发行邮购:(010)68414474发行传真:(010)68411535发行业务:(010)68472764前言不确定性理论在人工智能、机器学习、自动控制领域已经得到越来越广泛的应用。本书以当前国际上不确定性研究领域的核心工具——动态贝叶斯网络为线索,进行了动态网络推理算法、平稳系统动态贝叶斯网络结构学习模型设计、非平稳系统动态网络变结构学习模型设计、基于概率模型进化算法的动态贝叶斯网络结构寻优算法的研究。推理算法以隐变量作为划分依据,讨论了离散、连续混合模型的推理算法,并进行了算法复杂度及应用领域的讨论;结构学习研究首先从度量体制入手,讨论了动态网络度量体制的可分解性,提出了平稳及非平稳系统网络结构学习模型,以及基于贪婪算法思想的遗传算法寻优思想;最终将推理及结构学习理论用于无人机路径规划、战场态势感知、动态数据挖掘、自主控制领域,并通过大量仿真检验。本书的研究工作得到了西安工业大学专著基金及国家自然科学基金重大研究计划(90205019)的资助。本书全面系统地介绍了动态贝叶斯网络的相关理论,重点介绍了动态网络的经典应用和国内外的新发展。全书共分9章。第1章概述了动态贝叶斯网络的产生与发展、基本操作及表达。第2章和第3章为本书的理论基础部分,首先从静态网络已经取得的理论成果及研究内容人手,由浅入深引出动态贝叶斯网络的基本概念及研究方向,确定本书将要解决的主要问题:DBN推理问题和连续变量的DBN结构学习问题。第4章在第3章基础上,详细讨论了三类动态贝叶斯网络的推理即隐变量离散、隐变量连续隐变量混合DBN推理;隐马尔科夫模型是所有离散动态网络的基础故首先介绍其表达及推理,由此派生出其他离散动态网络,并讨论了如何将复杂离散网络转化为简单HMM的方法,通过算法复杂度实验分析,明确了离散动态网络的相应属性,得出了相应结论,为合理选择DBN推理算法提供依据;在推理中,若系统参数未知或为时变系统,必然涉及参数学习,故在讨论三类网络的推理中亦涉及参数学习问题。第5章从静态网络结构度量机制入手,讨论并推导出动态贝叶斯网络结构用于网络结构度量的BC及BD度量机制;通过描述基于概率模型进化算法的构图基础,引出动态贝叶斯网络结构学习机制,即基于贝叶斯优化(BOA)的动态网络结构寻优算法,BOA算法的关键是根据优良解集学习得到动态贝叶斯网络,以及根据动态贝叶斯网络推理生成新个体,前者更为重要,按照本书提出的基于贪婪算法思想的遗传算法解决动态网络学习,然后应用动态贝叶斯网络前向模拟完成后一步。第6章在此基础上,刻画了基于BD度量体制的平稳动态系统DBN结构学习模型设计,并通过仿真验证了其有效性,针对非平稳随机系统DBN的结构学习模型,提出了一种自适应窗口法用于在线自适应学习变结构DEN结构,仿真结果可行。第7章在第4章DBN推理理论的基础上,从以往UCAV路径规划中使用的方法以及涉及的定义、术语等出发,讨论了静态路径规划、动态路进规划及空间路径规划三方面的基本问题,通过对原始 Voronoi图的改进,提出了平面改进型Voronoi图、空间改进型 Voronoi图的概念,以及平面及空间动态路径重规划区域原则等,为动态路径规划提供有力的整体构型支撑进而应用前几章理论基础,建立基于DBN的战场环境感知模型,仿真结果均表明了构图及动态决策模型的正确性。第8章在DN推理及结构学习的理论基础上,将其用于自主优化及动态数据挖掘。将BOA及基于概率模型的遗传算法的静态图形的优化机制进行推广,提出了一种动态优化的新方法,利用DBN作为t到t+1代转移网络,适时改变优化的基本条件,实时确立新的种群及优化的方向使得自主智能体在无人干预下顺利完成一系列复杂任务成为可能,将变结构DBN结构学习模型设计用于动态数据挖掘,实时确定个因素之间的关系。第9章通过两个典型的应Ⅳ用实例,将DBN推理学习理论进行融合,并用于实际模型。附录给出了与DBN结构度量相关定理、性质的证明,为读者进一步研究和学习动态贝叶斯网络提供参考。本书是作者近年来潜心学习和研究国内外不确定性算法理论、方法和应用成果的一个总结。在本书的编写过程中,得到了西安电子科技大学焦李成教授和清华大学戴琼海教授及英国BankUniversity陈大庆教授的热心指导和鼓励,新加坡南洋理工大学的王海芸博土后审阅了书稿,并提出了许多宝贵意见,特向他们表示衷心的感谢。由于涉及内容广泛及限于作者的学识水平,书中疏漏和不当之处在所难免,希望读者不吝赐教指正。作者目录第1章图模型与贝叶斯网络1.1图模型简介1.2动态贝叶斯网络…1.3动态贝叶斯网络应用研究1.3.1动态时序数据分析与挖掘157781.3.2无人机的态势感知与路径规划1.3.3.进化算法与动态贝叶斯网络混合优化………10第2章静态贝叶斯网络2.1静态贝叶斯置信网络2.2贝叶斯网络的特点与应用范围152.3贝叶斯网络的研究内容162.3.1计算复杂性162.3.2网络结构的确定问题…2.3.3已知结构的参数确定问题……182.3.4在给定结构上的概率计算…………192.3.5贝叶斯网络推理算法…19第3章动态贝叶斯网络基础283.1从静态网到动态网283.1.1概述·28Ⅵ3.1.2推导293.1.3动态贝叶斯网络表达………………313.2动态贝叶斯网络的研究内容353.2.1动态贝叶斯网络推理……………………363.2.2动态贝叶斯网络学习…39第4章动态贝叶斯网络推理…464.1隐变量离散动态网络推理……464.1.1模型数学描述464.1.2隐马尔科夫的研究内容484.1.3隐马尔科夫推理学习仿真…534.1.4隐马尔科夫其他拓扑形式…564.1.5一般离散动态网络和隐马尔科夫关系………………584.2动态贝叶斯网络推理算法性能分析604.2.1动态网络转化隐马尔科夫仿真…………614.2.2离散动态网络推理算法比较仿真…634.2.3连续动态网络推理比较仿真724.3模糊推理与隐马尔科夫结合炮火校射754.3.1概述………………………754.3.2模糊动态网络环境感知框架754.4隐变量连续动态网络推理794.4.1模型数学描述…………794.4.2卡尔曼滤波图模型推理………804.5混合隐状态动态贝叶斯网络…………834.5.1模型数学描述…834.5.2混合动态贝叶斯网络推理…864.5.3混合动态贝叶斯网络学习89第5章动态贝叶斯网络结构学习算法…………………915.1动态贝叶斯网络结构度量体制………915.1.1概述915.1.2动态网络的贝叶斯信息度量………935.1.3动态贝叶斯网络BD度量965.2动态贝叶斯网络度量分解性能分析985.3构建动态网络结构寻优算法1145.3.1基于概率模型的进化算法1155.3.2基于贝叶斯优化构造动态网络结构算法1165.3.3学习动态贝叶斯网络…1185.3.4动态臾叶斯网络推理…1275.4基于贝叶斯优化构建动态网络结构算法仿真………128第6章动态贝叶斯网络结构学习模型…1346.1平稳系统动态网络结构学习模型设计1346.1.1模型设计1356.1.2仿真试验1386.2变结构动态网络自适应结构学习模型设计………1446.2.1模糊自适应双尺度…1446.2.2动态系统非平稳程度和平稳性的测量……1516.3非平稳系统网络结构学习仿真试验153第7章基于动态贝叶斯网络的路径规划……1657.1无人机平面静态路径规划·…1657.1.1基本概念……1657.1.2基于相同威胁体的路径规划…166Ⅷ
- 2021-05-06下载
- 积分：1
-
设备联机检测（上线、下线、数据传输）源码
检测设备是否联机。状态、数据获取；数据传输检验
- 2020-12-02下载
- 积分：1
-
BP神经网络C语言工程（当前最终版）
这是修改了bug的版本，目前已经在stm32f407zgt6上、msp430F5529上仿真过。
- 2020-11-28下载
- 积分：1
-
最优阵列处理技术(Optimum Array Processing)中文版 part1
【实例简介】这套国际知名教材中译本系列所选书目的范围，限于信息技术和电气工程学科所属各专业的技术基础课和主要专业课，教材原版本除了选自《国际知名大学原版教材—信息技术学科与电气工程学科系列》外，还将精选其他具有较大影响的国外知名的相关领域教材或教学参考书，教材内容适用于作为我国普通高等院校相应课程的教材或主要教学参考书。
阵列信号处理是近30年以来迅速发展的一个领域，在雷达、声纳、通信、电子对抗、地震信号处理、语音信号处理、射电天文等领域得到广泛应用，并逐渐成为众多应用领域中的核心技术和主要发展方向??如雷达中的相控阵技术、通信中的智能天线阵列技术、电子对抗中的超分辨率测向技术以及语音信号处理中的麦克风阵列技术等。 本书内容非常丰富，既包含了经典的阵列设计和空时随机过程分析的理论。也包含了近十年来在自适应阵列处理领域内自适应波束形成、波达方向估计(DOA)和空间谱估计方面的各种新的理论、算法和技术。作者结合多年的教学和撰写教材的经验，在内容选材上做到结构完整，脉络清晰。作者在每一章后面都为读者精心提供了很多习题。这些习题一方面可以帮助读者加强对基本概念的理解，另一方面也可以帮助读者开拓视野，了解相关问题的进一步研究方向。 中译本由清华大学资深研究人员及教师担任翻译工作。
- 2021-11-05 00:31:13下载
- 积分：1
-
小功率风光互补控制器原理图
采用Altium Designer软件设计，与程序一起可以直接出产品！
- 2020-04-15下载
- 积分：1
|
联系客服（QQ：3324461878）
