21世紀大學新型參考教材系列 集成電路B 荒井
上傳時間： 2013-04-15
上傳用戶：eeworm
家電維修(最基礎的教程B)1-20.Torrent
上傳時間： 2013-06-10
上傳用戶：eeworm
jk-b交通信號控制機原理圖
上傳時間： 2013-07-13
上傳用戶：eeworm
專輯類-實用電子技術專輯-385冊-3.609G jk-b交通信號控制機原理圖-1.3M.zip
上傳時間： 2013-08-02
上傳用戶：zhf1234
專輯類-電子基礎類專輯-153冊-2.20G 21世紀大學新型參考教材系列-集成電路B-荒井-159頁-2.8M.pdf
上傳時間： 2013-05-16
上傳用戶：pkkkkp
三次B樣條曲線源代碼,C語言編寫的三次B樣條曲線源代碼，希望大家喜歡。
標簽：
上傳時間： 2013-07-13
上傳用戶：chengli008
心音信號是人體最重要的生理信號之一，包含心臟各個部分如心房、心室、大血管、心血管及各個瓣膜功能狀態的大量生理病理信息。心音信號分析與識別是了解心臟和血管狀態的一種不可缺少的手段。本文針對目前該研究領域中存在的分析方法問題和分類識別技術難點展開了深入的研究，內容涉及心音構成的分析、心音信號特征向量的提取、正常心音信號（NM）和房顫（AF）、主動脈回流（AR）、主動脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號的分類識別。本文的工作內容包括以下5個方面： a）心音信號采集與預處理。本文采用自行研制的帶有錄音機功能的聽診器實現對心音信號的采集。通過對心音信號噪聲分析，選用小波降噪作為心音信號的濾波方法。根據實驗分析，選擇Donoho閾值函數結合多級閾值的方法作為心音信號預處理方案。 b）心音信號時頻分析方法。文中采用5種時頻分析方法分別對心音信號進行了時頻譜特性分析，結果表明：不同的時頻分析方法與待分析心音信號的特性有密切關系，即需要在小的交叉項干擾與高的時頻分辨率之間作綜合的考慮。鑒于此，本文提出了一種自適應錐形核時頻（ATF）分析方法，通過實驗驗證該分布能較好地反映心音信號的時頻結構，其性能優于一般錐形核分布（CKD）以及Choi-Williams分布（CWD）、譜圖（SPEC）等固定核時頻分析方法，從而選擇自應錐形核時頻分析方法進行心音信號分析。 c）心音信號特征向量提取。根據對3M Littmann（） Stethoscopes[31]數據庫中標準心音信號的時頻分析結果，提取8組特征數據，通過Fihser降維處理方法提取出了實現分類可視化，且最易于分類的心音信號的2維特征向量，作為心音信號分類的特征向量。 d）心音信號分類方法。根據心音信號特征向量組成的散點圖，研究了支持向量機核函數、多分類支持向量機的選取方法，同時，基于分類的目的 性和可信性，本文提出以分類精度最大為判斷準則的核函數參數與松弛變量的優化方法，建立了心音信號分類的支持向量機模型，選取標準數據庫中NM、AF、AR、AS、MR每類心音信號的80組2維特征向量中每類60組數據作為支持向量機的學習樣本，對余下的每類20組數據進行測試，得到每類的分類精度（Ar）均為100％，同時對臨床上采集的與上述4種同類心臟雜音信號和正常心音信號中每類24個心動周期進行分類實測，分類精度分別為：NM、AF、MR的分類精度均為100％，而AR、AS均為95．83％，驗證了該方法的分類有效性。 e）心音信號分析與識別的軟件系統。本文以MATLAB語言的可視化功能實現了心音信號分析與識別的軟件運行平臺構建，可完成對心音信號的讀取、預處理，繪制時-頻、能量特性的三維圖及兩維等高線圖；同時，利用MATLAB與EXCEL的動態鏈接，實現對心音信號分析數據的存儲以及統計功能；最后，通過對心音信號2維特征向量的分析，實現心音信號的自動識別功能。 本文的研究特色主要體現在心音信號特征向量提取的方法以及多分類支持向量機模型的建立兩方面。 綜上所述，本文從理論與實踐兩方面對心音信號進行了深入的研究，主要是采用自適應錐形核時頻分析方法提取心音信號特征向量，根據心音信號特征向量組成的散點圖，建立心音信號分類的支持向量機模型，并對正常心音信號和4種心臟雜音信號進行了分類研究，取得了較為滿意的分類結果，但由于用于分類的心臟雜音信號種類及數據量尚不足，因此，今后的工作重點是采集更多種類的心臟雜音信號，進一步提高心音信號分類精度，使本文研究成果能最終應用于臨床心臟量化聽診。 關鍵詞：心音信號，小波降噪，非平穩信號，心臟雜音，信號處理，時頻分析，自適應，支持向量機
上傳時間： 2013-04-24
上傳用戶：weixiao99
本文分析了永磁同步直線電動機的運行機理與運行特性，并通過坐標變換，分別得出了電機在a—b—c，α—β、d—q坐標系下的數學模型。針對永磁同步直線電機模型的非線性與耦合特性，采用了次級磁場定向的矢量控制，并使id=0，不但解決了上述問題，還實現了最大推力電流比控制。為了獲得平穩的推力，采用了SVPWM控制，并對它算法實現進行了研究。 針對速度環采用傳統PID控制難以滿足高性能矢量控制系統，通過對傳統PID控制和模糊控制理論的研究，將兩者相結合，設計出能夠在線自整定的模糊PID控制器。將該控制器代替傳統的PID控制器應用于速度環，以提高系統的動靜態性能。 在以上分析的基礎上，設計了永磁同步直線電機矢量控制系統的軟、硬件。其中電流檢測采用了新穎的電流傳感器芯片IR2175，以解決溫漂問題；速度檢測采用了增量式光柵尺，設計了與DSP的接口電路，通過M/T法實現對電機的測速。最后在Matlab/Simlink下建立了電機及其矢量控制系統的仿真模型，并對分別采用傳統PID速度控制器和模糊PID速度控制器的系統進行仿真，結果表明采用模糊PID控制具有更好的動態響應性能，能有效的抑制暫態和穩態下的推力脈動，對于負載擾動具有較強的魯棒性。
上傳時間： 2013-07-04
上傳用戶：13681659100
本文在此背景下，針對非線性PID控制、自抗擾控制以及Smith預估器和前饋控制展開研究。為了提高控制器的穩定性和魯棒性，設計了ADRC-Smith預估控制器和前饋ADRC控制器，將其應用于大時滯溫度控制系統，并在此基礎上設計了吹塑機控制系統解決方案，通過大量的理論研究、仿真和實驗，實現了良好的控制效果。論文的主要工作有： 1.研究了自抗擾技術和溫度控制的現狀以及溫度控制的特點。 2.研究了ADRC的發展史，深入了解ADRC的原理與優點。ADRC在控制非線性對象時比PID具有更好的控制性能，但是參數調節理論不完善，阻礙了其廣泛應用。 3.通過MATLAB仿真，得到ADRC參數之間的內在規律，通過將ADRC的參數統一到一個時間因子上，達到簡化調節參數個數的目的，從而降低調試難度，同時，在無時滯溫控實驗平臺上進行實驗，驗證了參數調節規律的可行性。 4.自抗擾控制器在大時滯溫控上的應用，以前文獻一般將時滯環節等效成一階慣性環節，這樣就要求增加ADRC的階次，增加了調節參數個數，在參數調節理論不完善的情況下無疑是增加了調試難度。本文將ADRC分別與Smith預估器和前饋控制器相結合，設計了ADRC-Smith預估控制器和前饋ADRC控制器來解決具有大時滯控制問題。這兩類新控制器的優點是不增加ADRC的階次，是解決不確定大時滯被控對象的新途徑，也是ADRC控制器實際應用上的一次創新。 5.在可編程計算機控制器(PCC)搭建的大時滯溫控實驗平臺上進行實驗，將前饋ADRC控制器和貝加萊專用溫度控制器PIDXH的控制效果進行比較，實驗結果表明前饋ADRC控制器在穩定性、魯棒性等方面都優于PIDXH控制器。 6.研究了吹塑機控制系統解決方案，并在吹塑機上實驗前饋ADRc控制器，得到了良好的控制效果，進一步驗證了算法的可行性。
上傳時間： 2013-04-24
上傳用戶：1234xhb
便攜式B型超聲診斷儀具有無創傷、簡便易行、相對價廉等優勢，在臨床中越來越得到廣泛的應用。它將超聲波技術、微電子技術、計算機技術、機械設計與制造及生物醫學工程等技術融合在一起。開展該課題的研究對提高臨床診斷能力和促進我國醫療事業的發展具有重要的意義。 便攜式B型超聲診斷儀由人機交互系統、探頭、成像系統、顯示系統構成。其基本工作過程是：首先人機交互系統接收到用戶通過鍵盤或鼠標發出的命令，然后成像系統根據命令控制探頭發射超聲波，并對回波信號處理、合成圖像，最后通過顯示系統完成圖像的顯示。 成像系統作為便攜式B型超聲診斷儀的核心對圖像質量有決定性影響，但以前研制的便攜式B型超聲診斷儀的成像系統在三個方面存在不足：第一、采用的是單片機控制步進電機，控制精度不高，導致成像系統采樣不精確；第二、采用的數字掃描變換算法太粗糙，影響超聲圖像的分辨率；第三、它的CPU多采用的是51系列單片機，測量速度太慢，同時也不便于系統升級和擴展。 針對以上不足，提出了基于FPGA的B型超聲成像系統解決方案，采用Altera公司的EP2C5Q208C8芯片實現了步進電機步距角的細分，使電機旋轉更勻速，提高了采樣精度；提出并采用DSTI-ULA算法（Uniform Ladder Algorithm based on Double Sample and Trilinear Interotation）在FPGA內實現數字掃描變換，提高了圖像分辨率；人機交互系統采用S3C2410-AL作為CPU，改善了測量速度和系統的擴展性。 通過對系統硬件電路的設計、制作，軟件的編寫、調試，結果表明，本文所設計的便攜式B型超聲成像系統圖像分辨率高、測量速度快、體積小、操作方便。本文所設計的便攜式B型超聲診斷儀可在野外作業和搶險（諸如地震、抗洪）中發揮作用，同時也可在鄉村診所中完成對相關疾病的診斷工作。
上傳時間： 2013-05-18
上傳用戶：helmos
