PSEHO智能微水儀 產(chǎn)品概述： PSEHO智能微水儀采用世界先進(jìn)的傳感器技術(shù)、英國(guó)ALPHA公司最新的傳感器，它采用DRYCAP-薄膜傳感技術(shù)，復(fù)和薄膜 濕敏材料，擁有三項(xiàng)世界專利。聚酯薄膜式的探頭DRYCAP。抗冷凝、抗灰塵顆粒、不受汽油和大多數(shù)氣體影響。 技術(shù)指標(biāo)： 微水范圍: -60～＋20℃、精度:±1℃ 響應(yīng)時(shí)間: （＋20℃）-60～＋20℃、5s（63%）45s（90%）20～-60℃、10s（63%）240s（90%） 流量范圍: 0～1升/分鐘 電 源: 交、直流兩用
標(biāo)簽： PSEHO
上傳時(shí)間： 2013-11-05
上傳用戶：wvbxj
特點(diǎn)： 精確度0.05%滿刻度±1位數(shù) 可量測(cè)交直流電流/交直流電壓/電位計(jì)/Pt-100/熱電偶/荷重元/電阻等信號(hào) 熱電偶SENSOR輸入種類J/K/T/E/R/S/B可任意規(guī)劃 顯示范圍-19999-99999可任意規(guī)劃 小數(shù)點(diǎn)可任意規(guī)劃 尺寸小，穩(wěn)定性高 CE認(rèn)證
上傳時(shí)間： 2013-10-31
上傳用戶：wsq921779565
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(cuò)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(jìn)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(hào)占空比，從而達(dá)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(gè)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(jí)精度。但是有時(shí)候我們會(huì)覺得6 個(gè)PWM 引腳不夠用。比如我們做一個(gè)10 路燈調(diào)光， 就需要有10 個(gè)PWM 腳。Arduino Duemilanove 2009 有13 個(gè)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?yàn)殡娫春蛯?shí)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(gè)周期里面輸出腳高/低電平的時(shí)間比（即是占空比）去獲得給一個(gè)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(jí)。那么需要一個(gè)信號(hào)時(shí)間 精度1ms/1000=1us 的信號(hào)源，即1MHz。所以說，PWM 的實(shí)現(xiàn)難點(diǎn)在于需要使用很高頻的 信號(hào)源，才能獲得快速與高精度。下面先由一個(gè)簡(jiǎn)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(gè)軟件PWM 控制Arduino D13 引腳的例子。只需要一塊Arduino 即可測(cè)試此代碼。 程序解析：由for 循環(huán)可以看出，完成一個(gè)PWM 周期，共循環(huán)255 次。 假設(shè)bright=100 時(shí)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(shí)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(dāng)bright 加到255 時(shí)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(gè)簡(jiǎn)單一點(diǎn)的。思維風(fēng)格完全不同。不過對(duì)于驅(qū)動(dòng)一個(gè)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(gè)For 循環(huán)。它先輸出一個(gè)高電平，然后維持(bright*30)us。然 后輸出一個(gè)低電平，維持時(shí)間((255-bright)*30)us。這樣兩次高低就能完成一個(gè)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(yùn)行起來不占CPU 時(shí)間，所以軟件模擬一個(gè)引腳的PWM 完全沒有實(shí)用意義。我們軟件模擬的價(jià)值在于：他能將任意的數(shù)字IO 口變成PWM 引腳。 當(dāng)一片Arduino 要同時(shí)控制多個(gè)PWM，并且沒有其他重任務(wù)的時(shí)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(gè)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(gè)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(shí)候，將brights 置零重新計(jì)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(jì)數(shù)一個(gè)PWM 周期 { for(int j = StartPWMPin; j <= EndPWMPin; j++) //每個(gè)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(jí)精度就行。這樣速度就是2x32x64=4ms。就不會(huì)閃了。
上傳時(shí)間： 2013-10-23
上傳用戶：mqien
二: 普通計(jì)算器的設(shè)計(jì)說明: 1 普通計(jì)算器的主要功能(普通計(jì)算與逆波蘭計(jì)算): 1.1主要功能: 包括 a普通加減乘除運(yùn)算及帶括號(hào)的運(yùn)算 b各類三角與反三角運(yùn)算（可實(shí)現(xiàn)角度與弧度的切換） c邏輯運(yùn)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(duì)運(yùn)算過程的中間變量及上一次運(yùn)算結(jié)果的儲(chǔ)存. G 定積分計(jì)算器（只要輸入表達(dá)式以及上下限就能將積分結(jié)果輸出） H 可編程計(jì)算器（只要輸入帶變量的表達(dá)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(jìn)制及八進(jìn)制的計(jì)算器 j十六進(jìn)制轉(zhuǎn)化為十進(jìn)制的功能。 *k (附帶各種進(jìn)制間的轉(zhuǎn)化器)。 L幫助與階乘等附屬功能
標(biāo)簽： 運(yùn)算 1.1 計(jì)算器 計(jì)算
上傳時(shí)間： 2013-11-26
上傳用戶：yzy6007
大學(xué)一年級(jí)：《吶喊》 能進(jìn)大學(xué)是多么的"偉大"呀！ 步入二年級(jí)：《祝福》 考試成績(jī)，同學(xué)關(guān)系。My god！ 流進(jìn)三年級(jí)：《朝花夕拾》 努力奮斗----學(xué)習(xí)？，…… 越升四年級(jí)：《彷徨》 很多的思考，很多的選擇
標(biāo)簽： 大學(xué)
上傳時(shí)間： 2014-11-29
上傳用戶：黃華強(qiáng)
由于開發(fā)時(shí)間創(chuàng)促，未對(duì)分辨率進(jìn)行分類考慮，所以強(qiáng)烈推薦1024X768下面運(yùn)行。 (對(duì)于winXP操作系統(tǒng)，可以正常運(yùn)行，但是會(huì)發(fā)現(xiàn)速度很慢，具體問題有待解決。對(duì)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(huì)。 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(diǎn)就是小
標(biāo)簽：
上傳時(shí)間： 2015-01-14
上傳用戶：kytqcool
最新的支持向量機(jī)工具箱，有了它會(huì)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(shí)間： 2013-12-16
上傳用戶：亞亞娟娟123
Hopfield 網(wǎng)——擅長(zhǎng)于聯(lián)想記憶與解迷路 實(shí)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(duì)應(yīng)網(wǎng)絡(luò)能量函數(shù)的極小值。 設(shè)有M個(gè)N維記憶模式，通過對(duì)網(wǎng)絡(luò)N個(gè)神經(jīng)元之間連接權(quán) wij 和N個(gè)輸出閾值θj的設(shè)計(jì)，使得: 這M個(gè)記憶模式所對(duì)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(gè)極小值。 比較困難，目前還沒有一個(gè)適應(yīng)任意形式的記憶模式的有效、通用的設(shè)計(jì)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(gè)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(gè)模式的第s個(gè)要素（-1或1） wij：第j個(gè)神經(jīng)元與第i個(gè)神經(jīng)元間的權(quán)重 i = j時(shí)，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(shí)，一般是未知的輸入。設(shè)xi(0)為未知模式的第i個(gè)要素（-1或1） 將xi(0)作為相對(duì)應(yīng)的神經(jīng)元的初始值，其中，0意味t=0。 反復(fù)部分：對(duì)各神經(jīng)元，計(jì)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(jìn)行，直到各個(gè)神經(jīng)元的輸出不再變化。
上傳時(shí)間： 2015-03-16
上傳用戶：JasonC
詞法分析程序，可對(duì)以下的C源程序進(jìn)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(shí)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(jī)產(chǎn)生進(jìn)程Pi(id,s(j,k)，t),0
上傳時(shí)間： 2014-01-27
上傳用戶：天誠(chéng)24
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
