积累了两年的公司预研项目，对电机仿真做到细致入微，将双闭环软切入，神经网络进行训练pid参数的整定。

用matlab仿真机器人动作，实现招财猫等动作，不考虑重力影响。

包括19篇文档和2篇PDF文件，均为现代控制课程作业整理，倒立摆系统的建模及Matlab仿真，希望对大家有帮助。
倒立摆作为一个高阶次、多变量、非线性和强耦合的自然不稳定系统，一直是控制领域研究的热点问题。
它广泛应用于控制理论研究、航空航天控制、机器人、杂技顶杆表演等领域，在自动化领域中具有重要的理论价值和实践价值。
这些物理装置与控制系统的稳定性密切相关，深刻揭示了自然界一种基本规律，即一个自然不稳定的被控对象，通过控制手段可使之具有良好的稳定性。
倒立摆的研究具有重要的工程应用价值。
如机器人问题，机器人行走类似倒立摆系统，尽管第一台机器人在美国问世以来己有三十多年的历史，但机器人的关键技术至今仍未很好解决。
再如太空应用中，倒立摆系统的稳定与空间飞行器控制和各类伺服云台的稳定有很大相似性，它也是日常生活中所见到的任何重心在上、支点在下的控制问题的抽象，因此，倒立摆机理的研究又具有重要的工程应用背景，成为控制理论中经久不衰的研究课题。
倒立摆的控制方法，在军工、航天和机器人领域有广泛的用途，对处理一般工业过程亦有指导性作用。

固定放大转发协议的MATLAB实现。
协作通信，单中继，瑞利信道，使用2PSK编码，固定放大转发协议，MATLAB仿真。

以高阶统计量数学分析方法，对混舍高斯模型进行研究，并给出理论计算结果。
重点讨论二元混合高斯模型，给出高阶统计量的理论值，用Matlab仿真不同方差和不同均值时多膜性、对称性和斜度值、峰度值的估计结果，并比较斜度值、峰度值的理论结果和仿真结果，验证理论结果的正确性，为通信理论中混合高斯模型的研究做补充。
关键词：混合高斯模型；
高阶统计量；
二元混合高斯模型；
峰度值；
斜度值

目标跟踪问题的应用背景是雷达数据处理，即雷达在搜索到目标并记录目标的位置数据,对测量到的目标位置数据（称为点迹）进行处理，自动形成航迹，并对目标在下一时刻的位置进行预测。
下文简要讨论了用Kalman滤波方法对单个目标航迹进行预测，并借助于Matlab仿真工具，对实验的效果进行评估。
里面包括三个源程序，和一份实验报告，里面有算法的详细分析和情景假设。

验证发射分集和接收分集性能1.理论分析上述两种分集技术的特性和实现原理2.基于Matlab仿真两种方案的BER性能曲线（BPSK调制）2×1的Alamouti空时码1×2的MRC接收分集3.在上述BER曲线结果中加入2×2Alamouti空时码性能曲线，并对各曲线进行对比分析。

内含雷达系统设计MATLAB仿真的pdf和代码，主要包括：雷达基础导论，雷达检测，雷达波形，雷达模糊函数，脉冲压缩，面杂波与体杂波，动目标显示和杂波抑制，相控阵，目标跟踪，电子对抗，雷达截面积，高粉笔啊率战术合成孔径雷达，信号处理等。

完整的PDF版　第1章绪论　　1.1从生物神经网络到人工神经网络　　1.2人工神经网络的发展史　　1.3人工神经网络的应用　　1.4生物神经元　　1.5人工神经元模型　　1.6神经网络的结构　　1.7神经网络的特点　　1.8神经网络的学习方式　　第2章MATLAB神经网络工具箱中的神经网络模型　　2.1MATLAB工具箱的神经元模型　　2.2MATLAB工具箱中的神经网络结构　　2.3MATLAB神经网络工具箱中的网络对象及其属性　　2.3.1网络对象属性　　2.3.2子对象属性　　第3章感知器　　3.1感知器神经元及感知器神经网络模型　　3.2感知器的学习　　3.3感知器的局限性　　3.4单层感知器神经网络的MATLAB仿真程序设计　　3.5多层感知器神经网络及其MATLAB仿真　　3.6感知器应用于线性分类问题的进一步讨论　　第4章线性神经网络　　4.1线性神经网络模型　　4.2线性神经网络的学习　　4.3线性神经网络的MATLAB仿真程序设计　　4.3.1线性神经网络设计的基本方法　　4.3.2线性神经网络的设计例程　　第5章BP网络　　5.1BP神经元及BP网络模型　　5.2BP网络的学习　　5.2.1BP网络学习算法　　5.2.2BP网络学习算法的比较　　5.3BP网络泛化能力的提高　　5.4BP网络的局限性　　5.5BP网络的MATLAB仿真程序设计　　5.5.1BP网络设计的基本方法　　5.5.2BP网络应用实例　　第6章径向基网络　　6.1径向基网络模型　　6.2径向基网络的创建与学习过程　　6.3其他径向基神经网络　　6.4径向基网络的MATLAB仿真程序设计　　第7章竞争型神经网络　　7.1竞争型神经网络模型　　7.2竞争型神经网络的学习　　7.3竞争型神经网络存在的问题　　7.4竞争型神经网络的MATLAB仿真程序设计　　第8章自组织神经网络　　8.1自组织特征映射神经网络模型　　8.2自组织特征映射神经网络的学习　　8.3学习向量量化神经网络模型　　8.4学习向量量化神经网络的学习　　8.5LVQ1学习算法的改进　　8.6LVQ神经网络的MATLAB仿真程序设计　　第9章反馈型神经网络　　9.1Elman神经网络　　9.2Hopfield神经网络　　9.3反馈神经网络的MATLAB仿真程序设计　　第10章图形用户界面　　10.1图形用户界面简介　　10.2图形用户界面应用示例　　10.3图形用户界面的其他操作　　第11章Simulink　　11.1Simulink神经网络仿真模型库简介　　11.2Simulink应用示例　　第12章自定义网络　　12.1自定义神经网络　　12.1.1自定义神经网络的创建　　12.1.2自定义神经网络的初始化、训练与仿真　　12.2自定义函数　　附录A神经网络工具箱函数　　参考文献

电机控制与matlab仿真，本书着眼于现代永磁同步电机控制原理分析及MATLAB仿真应用，系统地介绍了永磁同步电机控制系统的基本理论、基本方法和应用技术。
全书分为3部分共10章，主要内容包括三相永磁同步电机的数学建模及矢量控制技术、三相电压源逆变器PWM技术、三相永磁同步电机的直接转矩控制、三相永磁同步电机的无传感器控制技术、六相永磁同步电机的数学建模及矢量控制技术、六相电压源逆变器PWM技术和五相永磁同步电机的数学建模及矢量控制技术等。
每种控制技术都通过了MATLAB仿真建模并进行了仿真分析。

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。