本实验为用lcd1602显示0到9之间顺序变化，考虑到状态较多，可通过case语句，每一句对应一个数字，从而实现在lcd1602上的显示。
2024/5/5 17:56:13
3KB
1
本工具箱包含了大量的代理模型，包括Kriging及其相关的变形，RBF及其相关的变形，多项式代理模型等，还包括了试验设计、采样技术、大量的测试函数等的MATLAB代码。
本工具箱适用于基于代理模型优化算法研究的研究生及相关研究人员。
本工具箱适用于基于代理模型优化算法研究的研究生及相关研究人员。
2024/4/26 22:32:42
1.88MB
1
优秀论文及配套源码。
Hilbert-Huang变换(HHT)是一种新的非平稳信号处理技术，该方法由经验模态分解(EMD)与Hilbert谱分析两部分组成。
任意的非平稳信号首先经过EMD方法处理后被分解为一系列具有不同特征尺度的数据序列，每一个序列称为一个固有模态函数(IMF)，然后对每个IMF分量进行Hilbert谱分析得到相应分量的Hilbert谱，汇总所有Hilbert谱就得到了原信号的谱图。
该方法从本质上讲是对非平稳信号进行平稳化处理，将信号中真实存在的不同尺度波动或趋势逐级分解出来，最终用瞬时频率和能量来表征原信号的频率含量。
本文研究了基于HHT的暂态电能质量扰动检测方法，介绍了HHT的基本原理和利用HHT检测电能质量多扰动信号的实现方法。
仿真试验表明该方法可以实时检测扰动的起止时刻，持续时间和扰动幅度，适用于电能质量多扰动的监测和辨识系统。
Hilbert-Huang变换(HHT)是一种新的非平稳信号处理技术，该方法由经验模态分解(EMD)与Hilbert谱分析两部分组成。
任意的非平稳信号首先经过EMD方法处理后被分解为一系列具有不同特征尺度的数据序列，每一个序列称为一个固有模态函数(IMF)，然后对每个IMF分量进行Hilbert谱分析得到相应分量的Hilbert谱，汇总所有Hilbert谱就得到了原信号的谱图。
该方法从本质上讲是对非平稳信号进行平稳化处理，将信号中真实存在的不同尺度波动或趋势逐级分解出来，最终用瞬时频率和能量来表征原信号的频率含量。
本文研究了基于HHT的暂态电能质量扰动检测方法，介绍了HHT的基本原理和利用HHT检测电能质量多扰动信号的实现方法。
仿真试验表明该方法可以实时检测扰动的起止时刻，持续时间和扰动幅度，适用于电能质量多扰动的监测和辨识系统。
2024/4/24 17:22:28
314KB
1
亲测可用，里面有详细的过程，我是在网上找了很多都不能正常配置，注意要按文档中的软件包下载。
在win7下试验成功。
在win7下试验成功。
2024/4/24 12:28:14
1.1MB
1
Kalman_Filter实际应用，MATLAB源码程序，导航领域的粗对准和经对准应用，附件中附加有实际试验数据，分别给出了试验结果，希望大家能有所帮助，代码仅供参考，切勿照本宣科。
共勉
共勉
2024/4/20 19:34:52
5.7MB
1
GB-T18488.2-2015电动汽车用驱动电机系统第2部分：试验方法.pdf
2024/4/19 14:16:31
2.68MB
1
为实现自然条件下棉花叶片的精准分割，提出一种粒子群（Ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）优化算法和Ｋ－ｍｅａｎｓ聚类算法混合的棉花叶片图像分割方法。
本算法将棉花叶片图像在ＲＧＢ颜色空间模式下采用二维卷积滤波进行去噪预处理，并将预处理后的彩色图像从ＲＧＢ转换到目标与背景差异性最大的Ｑ分量、超Ｇ分量、ａ＊分量；
随后在Ｋ均值聚类的一维数据空间中，利用ＰＳＯ算法向全局像素解的子空间搜寻，通过迭代搜寻得到全局最优解，确定最佳聚类中心点，改善Ｋ均值聚类的收敛效果；
最后，对像素进行聚类划分，从而得到棉花叶片分割结果。
按照不同天气条件和不同背景采集了１ ２００幅棉花叶片样本图像，对本研究算法进行测试。
试验结果表明：该算法对于晴天、阴天和雨天图像中目标（棉花叶片）分割准确率分别达到９２．３９％、９３．５５％、８８．０９％，总体平均分割精度为９１．３４％，并与传统Ｋ均值算法比较，总体平均分割精度提高了５．４１％。
分割结果表明，本研究算法能够对３种天气条件（晴天、阴天、雨天）与４种复杂背景（白地膜、黑地膜、秸秆、土壤）特征混合的棉花叶片图像实现准确分割，为棉花叶片的特征提取与病虫害识别等后续处理提供支持。
本算法将棉花叶片图像在ＲＧＢ颜色空间模式下采用二维卷积滤波进行去噪预处理，并将预处理后的彩色图像从ＲＧＢ转换到目标与背景差异性最大的Ｑ分量、超Ｇ分量、ａ＊分量；
随后在Ｋ均值聚类的一维数据空间中，利用ＰＳＯ算法向全局像素解的子空间搜寻，通过迭代搜寻得到全局最优解，确定最佳聚类中心点，改善Ｋ均值聚类的收敛效果；
最后，对像素进行聚类划分，从而得到棉花叶片分割结果。
按照不同天气条件和不同背景采集了１ ２００幅棉花叶片样本图像，对本研究算法进行测试。
试验结果表明：该算法对于晴天、阴天和雨天图像中目标（棉花叶片）分割准确率分别达到９２．３９％、９３．５５％、８８．０９％，总体平均分割精度为９１．３４％，并与传统Ｋ均值算法比较，总体平均分割精度提高了５．４１％。
分割结果表明，本研究算法能够对３种天气条件（晴天、阴天、雨天）与４种复杂背景（白地膜、黑地膜、秸秆、土壤）特征混合的棉花叶片图像实现准确分割，为棉花叶片的特征提取与病虫害识别等后续处理提供支持。
2024/4/14 16:22:47
2.56MB
1
可以方便地查找到各种JSP问题的算例，尤其对于研究作业车间调度问题（JSP）算法的人应该帮助较大，可以用于进行标准算例的对比试验！
2024/4/11 9:12:47
404KB
1
路径问题研究了物流配送中多车运输的集货与送货车辆路径规划问题,以增加时间惩罚费用的方式插入软时间窗约束,将租车费用、货车运输费用和时间惩罚费用三者之和最小作为优化目标,建立数学模型。
采用启发式节约算法求解该模型,考虑时间惩罚费用和运输费用,比较每一配送节点上直接送货和间接送货的节约费用关系,求出最优配送路径。
试验结果表明:当配送次数达到50次时,货车平均装载率仍能达到80%以上,该节约算法能减少货车空程行驶和租车次数,优化了全局费用。
采用启发式节约算法求解该模型,考虑时间惩罚费用和运输费用,比较每一配送节点上直接送货和间接送货的节约费用关系,求出最优配送路径。
试验结果表明:当配送次数达到50次时,货车平均装载率仍能达到80%以上,该节约算法能减少货车空程行驶和租车次数,优化了全局费用。
2024/4/2 22:41:58
291KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB