DSP 編輯程序庫(kù)- SPALIB SPPLOT SPTEST SPXAMP
標(biāo)簽： SPALIB SPPLOT SPTEST SPXAMP
上傳時(shí)間： 2013-12-30
上傳用戶：CHENKAI
一、PAC的概念及軟邏輯技術(shù)二、開放型PAC系統(tǒng)三、應(yīng)用案例及分析四、協(xié)議支持及系統(tǒng)架構(gòu)五、軟件編程技巧&組態(tài)軟件的整合六、現(xiàn)場(chǎng)演示&上機(jī)操作。PAC是由ARC咨詢集團(tuán)的高級(jí)研究員Craig Resnick提出的，定義如下:具有多重領(lǐng)域的功能，支持在單一平臺(tái)里包含邏輯、運(yùn)動(dòng)、驅(qū)動(dòng)和過程控制等至少兩種以上的功能單一開發(fā)平臺(tái)上整合多規(guī)程的軟件功能如HMI及軟邏輯, 使用通用標(biāo)簽和單一的數(shù)據(jù)庫(kù)來訪問所有的參數(shù)和功能。軟件工具所設(shè)計(jì)出的處理流程能跨越多臺(tái)機(jī)器和過程控制處理單元, 實(shí)現(xiàn)包含運(yùn)動(dòng)控制及過程控制的處理程序。開放式, 模塊化構(gòu)架, 能涵蓋工業(yè)應(yīng)用中從工廠的機(jī)器設(shè)備到過程控制的操作單元的需求。采用公認(rèn)的網(wǎng)絡(luò)接口標(biāo)準(zhǔn)及語(yǔ)言，允許不同供應(yīng)商之設(shè)備能在網(wǎng)絡(luò)上交換資料。
標(biāo)簽： PAC 開放式 系統(tǒng)設(shè)計(jì)
上傳時(shí)間： 2014-01-14
上傳用戶：JGR2013
ABBYY FineReader 8.0專業(yè)版是最新、最準(zhǔn)確的ABBYY OCR軟體版本。它可以為用戶提供 最高級(jí)別識(shí)字精確率，是一個(gè)非常節(jié)省時(shí)間的好方案。FineReader允許你將各種紙張和 電子文件轉(zhuǎn)換、編輯以及重新使用，包括：雜誌、報(bào)紙、傳真、複製和PDF文件。
標(biāo)簽： ABBYY FineReader 8.0 OCR
上傳時(shí)間： 2016-02-11
上傳用戶：q123321
實(shí)習(xí)目的 本實(shí)驗(yàn)將練習(xí)如何運(yùn)用 DSP EVM 產(chǎn)生弦波。使學(xué)生能夠加深瞭解 TMS320C6701 EVM 發(fā)展系統(tǒng)的基本操作，及一些周邊的運(yùn)作。 藉由產(chǎn)生弦波的實(shí)驗(yàn)，學(xué)習(xí)如何使用硬體及軟體。在軟體部份，使 用 Code Composer Studio（CCS） ，包含 C 編輯器、連接器（linker）和 TI 所提供的C源始碼偵錯(cuò)器（debugger） 。在硬體部份包括TMS320C67 的 浮點(diǎn) DSP 和在 EVM 板子上的類比晶片。
上傳時(shí)間： 2016-05-05
上傳用戶：sclyutian
本程式碼是一個(gè)簡(jiǎn)單的股票分析系統(tǒng)，分為server與client兩端，客戶可以從client端看到當(dāng)前的股票價(jià)錢訊息，而系統(tǒng)編輯者只需要從server端去輸入那一則股票價(jià)錢有變動(dòng)即可。
上傳時(shí)間： 2016-08-24
上傳用戶：sdq_123
使用ASP元件（請(qǐng)自行下載、安裝或登錄） AspUpload+AspJpeg+Jmail[或AspMail] 整合JS與FLASH套件 Highslide JS+SWFUpload+TitleView+FPV4[請(qǐng)自行下載] 新增相薄圖檔後[Web上傳或FTP上傳後批次新增]，自動(dòng)生成TitleView／FPV4，使用的XML腳本檔。刪除或搬移圖檔，同樣更新XML腳本檔。 使用 4.1_先用記事本設(shè)定編輯config.asp/menu.asp 4.2_瀏覽器進(jìn)入addphoto.asp新增相簿分類（請(qǐng)事先作好規(guī)劃） 4.3_瀏覽器進(jìn)入index.asp[被轉(zhuǎn)到NewPhoto.asp]，簽入後按上傳圖檔，按新增相片後上傳圖檔 更詳細(xì)解說： http://www.chome.idv.tw/article.asp?id=158
標(biāo)簽： AspUpload Highslide SWFUpload AspJpeg
上傳時(shí)間： 2013-12-21
上傳用戶：84425894
1 C 語(yǔ)語(yǔ)語(yǔ)言言言 簡(jiǎn)簡(jiǎn)簡(jiǎn)介介介 5 1.1 C 語(yǔ)言 歷史 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.2 程 式 語(yǔ)言 分類 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.3 程 式 撰 寫步 驟 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2 vi 編編編 輯輯輯 器器器 9 2.1 vi 與 vim . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.2 vi 的使用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.3 vim 的額外功能 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.4 vi 實(shí) 機(jī)練習(xí) 題 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 3 程程程 式式式開開開發(fā)發(fā)發(fā)環(huán)環(huán)環(huán) 境境境 23 3.1 編譯器 gcc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.2 撰 寫第一 支程 式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
上傳時(shí)間： 2015-03-16
上傳用戶：十字騎士
可截圖 包含桌面及滑鼠游標(biāo) 還可編輯
標(biāo)簽： PicPick
上傳時(shí)間： 2017-07-17
上傳用戶：scott
1.針對(duì)一類參數(shù)未知的非線性離散時(shí)間動(dòng)態(tài)系統(tǒng)，提出了一種新的基于神經(jīng)網(wǎng)絡(luò)的MMAC方法。首先，將系統(tǒng)分為線性部分和非線性部分。針對(duì)系統(tǒng)線性部分采用局部化方法逮立多個(gè)固定模型覆蓋系統(tǒng)的參數(shù)范圍，在此基礎(chǔ)上，建立自適應(yīng)模型來提高系統(tǒng)性能；針對(duì)系統(tǒng)非線性部分建立非線性神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型來邏近系統(tǒng)的非線性。然后，針對(duì)每個(gè)子模型設(shè)計(jì)相應(yīng)的擅制器。最后，設(shè)計(jì)基于誤差范數(shù)形式的性能指標(biāo)函數(shù)對(duì)控制器進(jìn)行硬切換。仿真結(jié)果表明，所提出的MMAC方法與傳統(tǒng)的在參數(shù)空間均勻分布的MMAC方法相比能顯著提高非線性系統(tǒng)的暫態(tài)性能。2針對(duì)一類具有參數(shù)跳變的非線性離散時(shí)間動(dòng)態(tài)系統(tǒng)，提出子一種基才聚類方法和神經(jīng)網(wǎng)絡(luò)的MMAC方法，首先，采用模糊c均值聚類算法對(duì)系統(tǒng)先驗(yàn)數(shù)據(jù)進(jìn)行分類處理，再分別對(duì)每類數(shù)據(jù)采用RLS算法建立多個(gè)固定模型。在此基礎(chǔ)上，建立兩個(gè)白適應(yīng)模型來提高系統(tǒng)響應(yīng)速度和控制品質(zhì)，建立神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型來補(bǔ)償系統(tǒng)非線性。然后，分別針對(duì)相應(yīng)的子模型設(shè)計(jì)線性魯棒自適應(yīng)控制器和神經(jīng)網(wǎng)絡(luò)控制器。最后，采用基于信號(hào)有界和測(cè)量誤差的性能切換指標(biāo)對(duì)控制器進(jìn)行切換，并證明閉環(huán)系統(tǒng)的穩(wěn)定性。仿真結(jié)果表明，所提出的算法能更好地解決非線性系統(tǒng)發(fā)生參數(shù)跳變問題，使得系統(tǒng)具有良好的控制品質(zhì)3.針對(duì)MMAC方法中的模型庫(kù)優(yōu)化問題，考慮系統(tǒng)實(shí)際運(yùn)行數(shù)據(jù)，提出了種基于相似度準(zhǔn)則和設(shè)置最大模型數(shù)的動(dòng)態(tài)優(yōu)化模型庫(kù)方法。該方法能對(duì)新數(shù)據(jù)進(jìn)行綜合考量并判斷是否應(yīng)該將該數(shù)據(jù)納入子模型建模，并通過設(shè)置最大模型數(shù)來確保系統(tǒng)用最少的子模型就能保證系統(tǒng)的控制性能。仿真結(jié)果表明，所提出的算法能極大地減少子模型數(shù)量且具有較好的控制效果。關(guān)鍵詞：非線性系統(tǒng)；多模型方法；自適應(yīng)控制；模糊聚類；神經(jīng)網(wǎng)絡(luò)
標(biāo)簽： 自適應(yīng)控制
上傳時(shí)間： 2022-03-11
上傳用戶：
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
