特點 精確度0.05%滿刻度 ±1位數(shù) 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0- ±19999可任意規(guī)劃 數(shù)位化指撥設(shè)定操作簡易 具有自動歸零與保持功能 4組警報功能 15BIT 類比輸出功能 數(shù)位RS-485界面
上傳時間： 2013-10-18
上傳用戶：dianxin61
電容器及介質(zhì)種類： ※高頻類： 此類介質(zhì)材料的電容器為Ⅰ類電容器，包括通用型高頻COG、COH電容器和溫度補償型高頻HG、LG、PH、RH、SH、TH、UJ、SL電容器。其中COG、COH電容器電性能最穩(wěn)定，幾乎不隨溫度、電壓和時間的變化而變化，適用于低損耗，穩(wěn)定性要求高的高頻電路，HG、LG、PH、RH、SH、TH、UJ、SL電容器容量隨溫度變化而相應(yīng)變化，適用于低損耗、溫度補償型電路中。 ※ X7R、X5R：此類介質(zhì)材料的電容器為Ⅱ類電容器，具有較高的介電常數(shù)，容量比Ⅰ類電容器高，具有較穩(wěn)定的溫度特性，適用于容量范圍廣，穩(wěn)定性要求不高的電路中，如隔直、耦合、旁路、鑒頻等電路中。 ※Y5V：此類介質(zhì)材料的電容器為Ⅱ類電容器，是所有電容器中介電常數(shù)最大的電容器，但其容量穩(wěn)定性較差，對溫度、電壓等條件較敏感，適用于要求大容量，溫度變化不大的電路中。 ※Z5U：此類介質(zhì)材料的電容器為Ⅱ類電容器，其溫度特性介于X7R和Y5V之間，容量穩(wěn)定性較差，對溫度、電壓等條件較敏感，適用于要求大容量，使用溫度范圍接近于室溫的旁路，耦合等，低直流偏壓的電路中。
標簽： 風(fēng)華 產(chǎn)品承認書
上傳時間： 2013-11-05
上傳用戶：后時代明明
注:1.這篇文章斷斷續(xù)續(xù)寫了很久,畫圖技術(shù)也不精,難免錯漏,大家湊合看.有問題可以留言. 2.論壇排版把我的代碼縮進全弄沒了,大家將代碼粘貼到arduino編譯器,然后按ctrl+T重新格式化代碼格式即可看的舒服. 一、什么是PWM PWM 即Pulse Wavelength Modulation 脈寬調(diào)制波，通過調(diào)整輸出信號占空比，從而達到改 變輸出平均電壓的目的。相信Arduino 的PWM 大家都不陌生，在Arduino Duemilanove 2009 中，有6 個8 位精度PWM 引腳，分別是3, 5, 6, 9, 10, 11 腳。我們可以使用analogWrite()控 制PWM 腳輸出頻率大概在500Hz 的左右的PWM 調(diào)制波。分辨率8 位即2 的8 次方等于 256 級精度。但是有時候我們會覺得6 個PWM 引腳不夠用。比如我們做一個10 路燈調(diào)光， 就需要有10 個PWM 腳。Arduino Duemilanove 2009 有13 個數(shù)字輸出腳，如果它們都可以 PWM 的話，就能滿足條件了。于是本文介紹用軟件模擬PWM。 二、Arduino 軟件模擬PWM Arduino PWM 調(diào)壓原理：PWM 有好幾種方法。而Arduino 因為電源和實現(xiàn)難度限制，一般 使用周期恒定，占空比變化的單極性PWM。 通過調(diào)整一個周期里面輸出腳高/低電平的時間比（即是占空比）去獲得給一個用電器不同 的平均功率。 如圖所示，假設(shè)PWM 波形周期1ms（即1kHz），分辨率1000 級。那么需要一個信號時間 精度1ms/1000=1us 的信號源，即1MHz。所以說，PWM 的實現(xiàn)難點在于需要使用很高頻的 信號源，才能獲得快速與高精度。下面先由一個簡單的PWM 程序開始： const int PWMPin = 13; int bright = 0; void setup() { pinMode(PWMPin, OUTPUT); } void loop() { if((bright++) == 255) bright = 0; for(int i = 0; i < 255; i++) { if(i < bright) { digitalWrite(PWMPin, HIGH); delayMicroseconds(30); } else { digitalWrite(PWMPin, LOW); delayMicroseconds(30); } } } 這是一個軟件PWM 控制Arduino D13 引腳的例子。只需要一塊Arduino 即可測試此代碼。 程序解析：由for 循環(huán)可以看出，完成一個PWM 周期，共循環(huán)255 次。 假設(shè)bright=100 時候，在第0~100 次循環(huán)中，i 等于1 到99 均小于bright，于是輸出PWMPin 高電平； 然后第100 到255 次循環(huán)里面，i 等于100~255 大于bright，于是輸出PWMPin 低電平。無 論輸出高低電平都保持30us。 那么說，如果bright=100 的話，就有100 次循環(huán)是高電平，155 次循環(huán)是低電平。 如果忽略指令執(zhí)行時間的話，這次的PWM 波形占空比為100/255，如果調(diào)整bright 的值， 就能改變接在D13 的LED 的亮度。 這里設(shè)置了每次for 循環(huán)之后，將bright 加一，并且當bright 加到255 時歸0。所以，我們 看到的最終效果就是LED 慢慢變亮，到頂之后然后突然暗回去重新變亮。 這是最基本的PWM 方法，也應(yīng)該是大家想的比較多的想法。 然后介紹一個簡單一點的。思維風(fēng)格完全不同。不過對于驅(qū)動一個LED 來說，效果與上面 的程序一樣。 const int PWMPin = 13; int bright = 0; void setup() { pinMode(PWMPin, OUTPUT); } void loop() { digitalWrite(PWMPin, HIGH); delayMicroseconds(bright*30); digitalWrite(PWMPin, LOW); delayMicroseconds((255 - bright)*30); if((bright++) == 255) bright = 0; } 可以看出，這段代碼少了一個For 循環(huán)。它先輸出一個高電平，然后維持(bright*30)us。然 后輸出一個低電平，維持時間((255-bright)*30)us。這樣兩次高低就能完成一個PWM 周期。 分辨率也是255。 三、多引腳PWM Arduino 本身已有PWM 引腳并且運行起來不占CPU 時間，所以軟件模擬一個引腳的PWM 完全沒有實用意義。我們軟件模擬的價值在于：他能將任意的數(shù)字IO 口變成PWM 引腳。 當一片Arduino 要同時控制多個PWM，并且沒有其他重任務(wù)的時候，就要用軟件PWM 了。 多引腳PWM 有一種下面的方式： int brights[14] = {0}; //定義14個引腳的初始亮度，可以隨意設(shè)置 int StartPWMPin = 0, EndPWMPin = 13; //設(shè)置D0~D13為PWM 引腳 int PWMResolution = 255; //設(shè)置PWM 占空比分辨率 void setup() { //定義所有IO 端輸出 for(int i = StartPWMPin; i <= EndPWMPin; i++) { pinMode(i, OUTPUT); //隨便定義個初始亮度,便于觀察 brights[ i ] = random(0, 255); } } void loop() { //這for 循環(huán)是為14盞燈做漸亮的。每次Arduino loop()循環(huán)， //brights 自增一次。直到brights=255時候，將brights 置零重新計數(shù)。 for(int i = StartPWMPin; i <= EndPWMPin; i++) { if((brights[i]++) == PWMResolution) brights[i] = 0; } for(int i = 0; i <= PWMResolution; i++) //i 是計數(shù)一個PWM 周期 { for(int j = StartPWMPin; j <= EndPWMPin; j++) //每個PWM 周期均遍歷所有引腳 { if(i < brights[j])\ 所以我們要更改PWM 周期的話，我們將精度（代碼里面的變量：PWMResolution）降低就行，比如一般調(diào)整LED 亮度的話，我們用64 級精度就行。這樣速度就是2x32x64=4ms。就不會閃了。
上傳時間： 2013-10-23
上傳用戶：mqien
二: 普通計算器的設(shè)計說明: 1 普通計算器的主要功能(普通計算與逆波蘭計算): 1.1主要功能: 包括 a普通加減乘除運算及帶括號的運算 b各類三角與反三角運算（可實現(xiàn)角度與弧度的切換） c邏輯運算， d階乘與分解質(zhì)因數(shù)等 e各種復(fù)雜物理常數(shù)的記憶功能 f對運算過程的中間變量及上一次運算結(jié)果的儲存. G 定積分計算器（只要輸入表達式以及上下限就能將積分結(jié)果輸出） H 可編程計算器（只要輸入帶變量的表達式后，再輸入相應(yīng)的變量的值就能得到相應(yīng)的結(jié)果） I 二進制及八進制的計算器 j十六進制轉(zhuǎn)化為十進制的功能。 *k (附帶各種進制間的轉(zhuǎn)化器)。 L幫助與階乘等附屬功能
上傳時間： 2013-11-26
上傳用戶：yzy6007
由于開發(fā)時間創(chuàng)促，未對分辨率進行分類考慮，所以強烈推薦1024X768下面運行。 (對于winXP操作系統(tǒng)，可以正常運行，但是會發(fā)現(xiàn)速度很慢，具體問題有待解決。對于 其他操作系統(tǒng)有可能出現(xiàn)不可預(yù)料的問題) 控制鍵 1P:方向鍵 w s a d 開火: j 2P:方向鍵 上 下 左 右 開火: 小鍵盤0 本游戲內(nèi)置15種彩蛋，具有一定趣味性，但需要慢慢體會。 由于為了節(jié)約空間，所以去掉了背景圖，并把一些圖片地效果改低，唯一優(yōu)點就是小
標簽：
上傳時間： 2015-01-14
上傳用戶：kytqcool
ERWIN絕好的數(shù)據(jù)庫建模工具,可以把數(shù)據(jù)模型導(dǎo)入數(shù)據(jù)庫如sql server foxpro等這里是方法指南更多內(nèi)容可以去http://erwin.softwarechn.com/_script/showfull.asp?Board=method&Tabname=erwin
標簽： softwarechn server foxpro script
上傳時間： 2013-12-06
上傳用戶：c12228
最新的支持向量機工具箱，有了它會很方便 1. Find time to write a proper list of things to do! 2. Documentation. 3. Support Vector Regression. 4. Automated model selection. REFERENCES ========== [1] V.N. Vapnik, "The Nature of Statistical Learning Theory", Springer-Verlag, New York, ISBN 0-387-94559-8, 1995. [2] J. C. Platt, "Fast training of support vector machines using sequential minimal optimization", in Advances in Kernel Methods - Support Vector Learning, (Eds) B. Scholkopf, C. Burges, and A. J. Smola, MIT Press, Cambridge, Massachusetts, chapter 12, pp 185-208, 1999. [3] T. Joachims, "Estimating the Generalization Performance of a SVM Efficiently", LS-8 Report 25, Universitat Dortmund, Fachbereich Informatik, 1999.
上傳時間： 2013-12-16
上傳用戶：亞亞娟娟123
Hopfield 網(wǎng)——擅長于聯(lián)想記憶與解迷路 實現(xiàn)H網(wǎng)聯(lián)想記憶的關(guān)鍵，是使被記憶的模式樣本對應(yīng)網(wǎng)絡(luò)能量函數(shù)的極小值。 設(shè)有M個N維記憶模式，通過對網(wǎng)絡(luò)N個神經(jīng)元之間連接權(quán) wij 和N個輸出閾值θj的設(shè)計，使得: 這M個記憶模式所對應(yīng)的網(wǎng)絡(luò)狀態(tài)正好是網(wǎng)絡(luò)能量函數(shù)的M個極小值。 比較困難，目前還沒有一個適應(yīng)任意形式的記憶模式的有效、通用的設(shè)計方法。 H網(wǎng)的算法 1）學(xué)習(xí)模式——決定權(quán)重 想要記憶的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 則任意兩個神經(jīng)元j、i間的權(quán)重： wij=∑ap(i)ap(j)，p=1…p； P：模式的總數(shù) ap(s)：第p個模式的第s個要素（-1或1） wij：第j個神經(jīng)元與第i個神經(jīng)元間的權(quán)重 i = j時，wij=0，即各神經(jīng)元的輸出不直接返回自身。 2)想起模式： 神經(jīng)元輸出值的初始化 想起時，一般是未知的輸入。設(shè)xi(0)為未知模式的第i個要素（-1或1） 將xi(0)作為相對應(yīng)的神經(jīng)元的初始值，其中，0意味t=0。 反復(fù)部分：對各神經(jīng)元，計算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n—神經(jīng)元總數(shù) f（）--Sgn（） θi—神經(jīng)元i發(fā)火閾值 反復(fù)進行，直到各個神經(jīng)元的輸出不再變化。
上傳時間： 2015-03-16
上傳用戶：JasonC
詞法分析程序，可對以下的C源程序進行分析：main() {int a[12] ,sum for(i=1 i<=12 i++) {for(j=1 j<=12 j++)scanf("%d",&a[i][j]) } for(i=12 i>=1 i--){ for(j=12 j>=1 j--){ if(i==j&&i+j==13)sum+=a[i][j] } } printf("%c",sum) }
上傳時間： 2013-12-26
上傳用戶：skhlm
系統(tǒng)資源(r1…rm),共有m類，每類數(shù)目為r1…rm。隨機產(chǎn)生進程Pi(id,s(j,k)，t),0
上傳時間： 2014-01-27
上傳用戶：天誠24
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
