關于西門子現場總線的教材，很詳細的介紹了DP的組成元件和方案，并且列出了相關的元件型號連接件及其連接使用方法，可以應用于工業(yè)控制系統的設計
標簽： PROFIBUS-DP 西門子 教材
上傳時間： 2013-04-24
上傳用戶：xiangwuy
這是用FPGA實現的設計兩人擲骰子比較點大小的游戲，里面有詳細的程序源碼及分析，希望有些幫助
上傳時間： 2013-08-06
上傳用戶：lili123
可用來破解分析西門子200 PLC與模塊的通訊協議，基于ALTERA CPLD EPM240的設計.\r\n\r\n需要配合分析板配套使用。
上傳時間： 2013-08-09
上傳用戶：jackandlee
電路連接 由于數碼管品種多樣，還有共陰共陽的，下面我們使用一個數碼管段碼生成器（在文章結尾） 去解決不同數碼管的問題： 本例作者利用手頭現有的一位不知品牌的共陽數碼管：型號D5611 A/B，在Eagle 找了一個 類似的型號SA56-11，引腳功能一樣可以直接代換。所以下面電路圖使用SA56-11 做引腳說明。 注意： 1. 將數碼管的a~g 段，分別接到Arduino 的D0~D6 上面。如果你手上的數碼管未知的話，可以通過通電測量它哪個引腳對應哪個字段，然后找出a~g 即可。 2. 分清共陰還是共陽。共陰的話，接220Ω電阻到電源負極；共陽的話，接220Ω電阻到電源+5v。 3. 220Ω電阻視數碼管實際工作亮度與手頭現有原件而定，不一定需要準確。 4. 按下按鈕即停。 源代碼 由于我是按照段碼生成器默認接法接的，所以不用修改段碼生成器了，直接在段碼生成器選擇共陽極，再按“自動”生成數組就搞定。 下面是源代碼，由于偷懶不用寫循環(huán)，使用了部分AVR 語句。 PORTD 這個是AVR 的端口輸出控制語句，8 位對應D7~D0，PORTD=00001001 就是D3 和D0 是高電平。 PORTD = a;就是找出相應的段碼輸出到D7~D0。 DDRD 這個是AVR 語句中控制引腳作為輸出/輸入的語句。DDRD = 0xFF;就是D0~D7 全部 作為輸出腳了。 ARDUINO CODECOPY /* Arduino 單數碼管骰子 Ansifa 2011-12-28 */ //定義段碼表，表中十個元素由LED 段碼生成器生成，選擇了共陽極。 inta[10] = {0xC0, 0xF9, 0xA4, 0xB0, 0x99, 0x92, 0x82, 0xF8, 0x80, 0x90}; voidsetup() { DDRD = 0xFF; //AVR 定義PortD 的低七位全部用作輸出使用。即0xFF=B11111111對 應D7~D0 pinMode(12, INPUT); //D12用來做骰子暫停的開關 } voidloop() { for(int i = 0; i < 10; i++) { //將段碼輸出PortD 的低7位，即Arduino 的引腳D0~D6，這樣需要取出PORTD 最高位，即 D7的狀態(tài)，與段碼相加，之后再輸出。 PORTD = a[i]; delay(50); //延時50ms while(digitalRead(12)) {} //如果D12引腳高電平，則在此死循環(huán),暫停LED 跑 動 } }
上傳時間： 2013-10-15
上傳用戶：baitouyu
數字電子技朮
標簽：
上傳時間： 2013-10-09
上傳用戶：1101055045
本書是為了方便初次使用西門子標準變頻器的用戶，盡快了解和掌握MM440變頻器的調試操作。對常見的一些調試問題，用案例的方式做了一些簡要的說明。對于具體參數和設置更加詳細的內容可以參考《MICROMASTER440使用大全》中的具體說明。
上傳時間： 2013-10-13
上傳用戶：squershop
西電MSP430F169實驗教程
上傳時間： 2013-10-08
上傳用戶：stampede
用七個led小燈模擬骰子
上傳時間： 2013-11-16
上傳用戶：lty6899826
西門子PLC培訓教程.rar PLC主要是指數字運算操作電子系統的可編程邏輯控制器，用于控制機械的生產過程。也是公共有限公司、電源線車等的名稱縮寫。
上傳時間： 2013-11-03
上傳用戶：sk5201314
提出了一種改進的LSM-ALSM子空間模式識別方法，將LSM的旋轉策略引入ALSM，使子空間之間互不關聯的情況得到改善，提高了ALSM對相似樣本的區(qū)分能力。討論中以性能函數代替經驗函數來確定拒識規(guī)則的參數，實現了識別率、誤識率與拒識率之間的最佳平衡；通過對有限字符集的實驗結果表明，LSM-ALSM算法有效地改善了分類器的識別率和可靠性。關 鍵 詞 學習子空間; 性能函數; 散布矩陣; 最小描述長度在子空間模式識別方法中，一個線性子空間代表一個模式類別，該子空間由反映類別本質的一組特征矢量張成，分類器根據輸入樣本在各子空間上的投影長度將其歸為相應的類別。典型的子空間算法有以下三種[1, 2]：CLAFIC(Class-feature Information Compression)算法以相關矩陣的部分特征向量來構造子空間，實現了特征信息的壓縮，但對樣本的利用為一次性，不能根據分類結果進行調整和學習，對樣本信息的利用不充分；學習子空間方法(Leaning Subspace Method, LSM)通過旋轉子空間來拉大樣本所屬類別與最近鄰類別的距離，以此提高分類能力，但對樣本的訓練順序敏感，同一樣本訓練的順序不同對子空間構造的影響就不同；平均學習子空間算法(Averaged Learning Subspace Method, ALSM)是在迭代訓練過程中，用錯誤分類的樣本去調整散布矩陣，訓練結果與樣本輸入順序無關，所有樣本平均參與訓練，其不足之處是各模式的子空間之間相互獨立。針對以上問題，本文提出一種改進的子空間模式識別方法。子空間模式識別的基本原理1.1 子空間的分類規(guī)則子空間模式識別方法的每一類別由一個子空間表示，子空間分類器的基本分類規(guī)則是按矢量在各子空間上的投影長度大小，將樣本歸類到最大長度所對應的類別，在類x()iω的子空間上投影長度的平方為()211,2,,()argmax()jMTkkjpg===Σx (1)式中 函數稱為分類函數；為子空間基矢量。兩類的分類情況如圖1所示。
上傳時間： 2013-12-25
上傳用戶：熊少鋒
