四六級復習資料全面預測，各兩套卷子附有答案，四六級翻譯各2套。
標簽： 四六級
上傳時間： 2020-06-03
上傳用戶：wangsq
MPU6050六軸傳感器模塊技術資料包括模塊原理圖+-STM32F1程序源碼+技術文檔資料:MPU-6000 & MPU-6050 寄存器表及其描述(中文版).pdfMPU-6000 & MPU-6050產品說明書(中文版).pdfMPU-6000 and MPU-6050 Product Specification.pdfMPU-6000 and MPU-6050 Register Map and Descriptions.pdfMPU6050六軸傳感器模塊程序PZ-MPU6050六軸傳感器模塊原理圖.pdfPZ-MPU6050六軸傳感器模塊開發手冊--普中STM32F1開發板.pdf叉積法融合陀螺和加速度核心程序詳解（圓點博士四軸）.pdf姿態解算說明（Mini AHRS）.pdf調試工具
上傳時間： 2021-10-15
上傳用戶：qdxqdxqdxqdx
基于STM32F103C8T6單片機實現的溫濕度無線采集板ALTIUM原理圖+軟件源碼+文檔說明資料選題目的和意義：隨著現代工農業技術的發展及人們對生活環境要求的提高，人們也迫切需要檢測與控制溫濕度，且溫濕度是工農業生產的主要環境數據，在工農業生產實踐中占有重要地位，比如濕度大溫度高的話話會使糧食發芽、腐敗，有可能還會導致二氧化碳的增加，如果是密閉的環境還可能導致進入的工人窒息，如果糧食發芽會導致溫度升高，從而更加容易產生火災等安全事故。所以對其進行適時準確的溫濕度測量具有重要意義。溫濕度測量在工業生產中有著廣泛的應用。通常，要實現溫濕度測量和自動控制，監控臺與現場之間必須鋪設電纜，這是一個麻煩的問題，且傳統的溫濕度傳感器需要通過復雜的電路才能將溫濕度信號轉化為數字信號，且距離傳輸所造成的損耗會引起誤差。本系統采用無線溫濕度測量的方案，不必鋪設電纜，可以節省費用和時間，采集也更加的方便。該采集系統以STM32F103C8T6為主控芯片，利用數字式溫濕度傳感器DHT11進行采集，然后將采集的數據傳送給單片機，經過處理，單片機將數據通過無線傳輸模塊NRF24L01發射出去，單片機與無線模塊之間的通信采用SPI方式。控制臺那邊也是采用STM32F103C8T6作為主控芯片，外部接有無線接收模塊NRF24L01和液晶Nokia5110；經過一定距離的無線通信，接收模塊接收到數據之后將數據傳給主控芯片，主控芯片經過處理后將數據通過液晶顯示。至此完成一次溫濕度無線采集的發送與接收。與本課題相關的技術和方法綜述： 該系統采用的單片機為STM32F103C8T6單片機作為處理器，溫濕度的檢測采用的是DHT11，顯示采用Nokia5110液晶進行顯示。1. STM32F103C8T6單片機：該單片機技術成熟，支持C語言編程，工作穩定，編程簡單，具有很好的應用價值。2.顯示模塊：采用的是Nokia5110液晶。技術成熟，顯示穩定。3.溫濕度檢測：溫度檢測采用DHT11傳感器。該傳感器為數字式傳感器，可同時測量溫度和濕度，與單片機的通信方式采用的是單總線的通信方式，從而電路結構簡單。4.無線傳輸模塊：采集的溫濕度通過無線傳輸模塊NRF24L01傳輸到接收器那邊。
標簽： stm32f103c8t6 單片機 溫濕度
上傳時間： 2021-10-18
上傳用戶：
基于C51單片機步數檢測計步器無線藍牙上傳設計畢業論文文檔資料摘要計步器是一種頗受歡迎的日常鍛煉進度監控器，可以激勵人們挑戰自己，增強體質，幫助瘦身。早期設計利用加重的機械開關檢測步伐，并帶有一個簡單的計數器。晃動這些裝置時，可以聽到有一個金屬球來回滑動，或者一個擺錘左右擺動敲擊擋塊。 計步器功能可以根據計算人的運動情況來分析人體的健康狀況。而人的運動情況可以通過很多特性來進行分析。與傳統的機械式傳感器不同，ADXL345是電容式三軸傳感器，由它捕獲人體運動時加速度信號，更加準確。信號通過低通濾波器濾波，由單片機采集數據。軟件采用自適應算法實現計步功能，減少誤計數，更加精確。選用單片機STC89C52作為系統控制芯片，通過藍牙模塊把單片機處理的數據傳輸到手機APP上，這樣更能清楚看到檢測的效果。整機工作電流只有1-1.5mA，實現超低功耗。采集的步數，路程，卡路里及運動狀態用手機APP顯示。關鍵字：單片機；三軸傳感器；電源；APP第二章 方案的設計與論證2.1控制方案的確定本設計由STC89C52單片機最小系統+ADXL345加速度傳感器電路+藍牙模塊電路+LED燈電路+電源電路組成。 2.2控制方式的選擇2.2.1 單片機芯片的選擇方案一采用可編程邏輯器件CPLD作為控制器，CPLD可以實現各種復雜的功能、規模大、密度高、體積小、穩定性高、I/O資源豐富、易于進行功能擴展。采用并行的輸入輸出方式，提高了系統的處理速度，適合作為大規模控制系統的控制核
上傳時間： 2021-10-19
上傳用戶：
該文檔為Python3基礎教程四(個人整理)講解資料，講解的還不錯，感興趣的可以下載看看…………………………
標簽： python
上傳時間： 2021-10-24
上傳用戶：jason_vip1
基于JAVA CS遠程監控系統軟件的實現(源代碼+WORD論文文檔論文)基于JAVA C/S遠程監控系統軟件的實現摘 要近年來，網絡技術的不斷發展，為遠程監控技術的發展創造了條件。遠程監控系統軟件越來越受到人們的重視，其實用性也毋庸質疑。基于JAVA C/S遠程監控系統軟件突破了空間的限制，使用者不用親臨，在自己的電腦面前就能輕松的實現對被監控端機器的監控。本系統采用Java網絡編程和Java圖形編程實現。筆者在開發過程中將網絡技術與遠程監控理論基礎相結合，實現了以下功能：能連續獲得被監控端機器屏幕變化；實現被監控端硬盤文件的上傳、下載；實現對鼠標、鍵盤的模擬；實現在遠程機器上執行任意DOS命令；遠程關機、遠程重啟計算機，方便了用戶監視和操作被監控端機器。本系統從系統需求分析、概要設計、詳細設計到具體的編碼實現和后期的代碼優化、功能測試都嚴格遵循了軟件工程的思想。 關鍵詞：遠程監控；Java Robot；屏幕截取；Java Socket
上傳時間： 2021-10-25
上傳用戶：
該文檔為第四部分：軟件無線電中采樣理論簡介資料，講解的還不錯，感興趣的可以下載看看…………………………
上傳時間： 2021-10-26
上傳用戶：
lm75A溫度數字轉換器 FPGA讀寫實驗Verilog邏輯源碼Quartus工程文件+文檔資料,FPGA為CYCLONE4系列中的EP4CE6E22C8. 完整的工程文件，可以做為你的學習設計參考。LM75A 是一個使用了內置帶隙溫度傳感器和模數轉換技術的溫度數字轉換器。它也是一個溫度檢測器，可提供一個過熱檢測輸出。LM75A 包含許多數據寄存器：配置寄存器用來存儲器件的某些配置，如器件的工作模式、OS 工作模式、OS 極性和OS 故障隊列等（在功能描述一節中有詳細描述）；溫度寄存器（Temp），用來存儲讀取的數字溫度；設定點寄存器（Tos & Thyst），用來存儲可編程的過熱關斷和滯后限制，器件通過2 線的串行I2C 總線接口與控制器通信。LM75A 還包含一個開漏輸出（OS），當溫度超過編程限制的值時該輸出有效。LM75A 有3 個可選的邏輯地址管腳，使得同一總線上可同時連接8個器件而不發生地址沖突。LM75A 可配置成不同的工作條件。它可設置成在正常工作模式下周期性地對環境溫度進行監控或進入關斷模式來將器件功耗降至最低。OS 輸出有2 種可選的工作模式：OS 比較器模式和OS 中斷模式。OS 輸出可選擇高電平或低電平有效。故障隊列和設定點限制可編程，為了激活OS 輸出，故障隊列定義了許多連續的故障。溫度寄存器通常存放著一個11 位的二進制數的補碼，用來實現0.125℃的精度。這個高精度在需要精確地測量溫度偏移或超出限制范圍的應用中非常有用。正常工作模式下，當器件上電時，OS 工作在比較器模式，溫度閾值為80℃，滯后75℃，這時，LM75A就可用作一個具有以上預定義溫度設定點的獨立的溫度控制器。module LM75_SEG_LED ( //input input sys_clk ,input sys_rst_n ,inout sda_port ,//output output wire seg_c1 ,output wire seg_c2 ,output wire seg_c3 ,output wire seg_c4 ,output reg seg_a ,output reg seg_b ,output reg seg_c ,output reg seg_e ,output reg seg_d ,output reg seg_f ,output reg seg_g ,output reg seg_h , output reg clk_sclk );//parameter define parameter WIDTH = 8;parameter SIZE = 8;//reg define reg [WIDTH-1:0] counter ;reg [9:0] counter_div ;reg clk_50k ;reg clk_200k ;reg sda ;reg enable ;
上傳時間： 2021-10-27
上傳用戶：
該文檔為基于LQR和LQG的四傾轉旋翼平移運動穩定性控制簡介資料，講解的還不錯，感興趣的可以下載看看…………………………
標簽： 運動穩定性
上傳時間： 2021-10-27
上傳用戶：得之我幸78
紅外圖像檢測技術因具有非接觸、快速等優點，被廣泛應用于電力設備的監測與診斷 中，而對設備快速精確地檢測定位是實現自動檢測與診斷的前提。與普通目標的可見光圖像相比， 電力設備的紅外圖像可能存在背景復雜、對比度低、目標特征相近、長寬比偏大等特征，采用原 始的 YOLOv3 模型難以精確定位到目標。針對此問題，該文對 YOLOv3 模型進行改進：在其骨干 網絡中引入跨階段局部模塊；將路徑聚合網絡融合到原模型的特征金字塔結構中；加入馬賽克 （Mosaic）數據增強技術和 Complete-IoU（CIoU）損失函數。將改進后的模型在四類具有相似波紋 外觀結構的電力設備紅外圖像數據集上進行訓練測試，每類的檢測精度均能達到 92%以上。最后， 將該文方法的測試結果與其他三個主流目標檢測模型進行對比評估。結果表明：不同閾值下，該 文提出的改進模型獲得的平均精度均值優于 Faster R-CNN、SSD 和 YOLOv3 模型。改進后的 YOLOv3 模型盡管在檢測速度上相比原 YOLOv3 模型有所犧牲，但仍明顯高于其他兩種模型。對 比結果進一步驗證了所提模型的有效性。
上傳時間： 2021-10-30
上傳用戶：
<rt id="igaam"></rt>
