了解超声模块我们要分几步来理解，包括它的工作原理和在单片机上的运行情况，只有两者相互理解透才能更好的利用超声模块来开发一些东东！不同型号的超声模块其实大致是一样，也就没必要区分型号，除非你是特别要求，对于爱好者，初学者，则是没必要这么苛刻！
2023/11/19 18:38:03
954KB
CCS6.0环境下，基于DSP28335的有霍尔传感器的无刷直流电机控制程序代码，包含了头文件、主程序等全部文件。
主程序应用了速度闭环控制
主程序应用了速度闭环控制
2023/11/19 7:20:14
763KB
os08A20datasheet
2023/11/13 12:25:36
2.91MB
提出改进非劣分类遗传算法NSGA-Ⅱ在燃煤锅炉多目标燃烧优化中的应用,优化的目标是锅炉热损失及NOx排放最小化。
首先,采用BP神经网络模型分别建立了300MW燃煤锅炉的NOx排放特性模型和锅炉热损失模型,同时利用锅炉热态实验数据对模型进行了训练和验证,结果表明,BP神经网络模型可以很好地预测锅炉的排放特性和锅炉的热损失特性。
在建立的锅炉排放特性和热损失BP神经网络模型基础上,采用非劣分类遗传算法对锅炉进行多目标优化,针对NSGA-Ⅱ在燃煤锅炉燃烧多目标优化问题应用中Pareto解集分布不理想、易早熟收敛的问题,在拥挤算子及交叉算子上进行了相应改进。
优化结果表明,改进NSGA-Ⅱ方法与BP神经网络模型结合可以对锅炉燃烧实现有效的多目标寻优、得到理想的Pareto解,是对锅炉燃烧进行多目标优化的有效工具,同改进前的NSGA-Ⅱ优化结果比较,其Pareto优化结果集分布更好、解的质量更优。
首先,采用BP神经网络模型分别建立了300MW燃煤锅炉的NOx排放特性模型和锅炉热损失模型,同时利用锅炉热态实验数据对模型进行了训练和验证,结果表明,BP神经网络模型可以很好地预测锅炉的排放特性和锅炉的热损失特性。
在建立的锅炉排放特性和热损失BP神经网络模型基础上,采用非劣分类遗传算法对锅炉进行多目标优化,针对NSGA-Ⅱ在燃煤锅炉燃烧多目标优化问题应用中Pareto解集分布不理想、易早熟收敛的问题,在拥挤算子及交叉算子上进行了相应改进。
优化结果表明,改进NSGA-Ⅱ方法与BP神经网络模型结合可以对锅炉燃烧实现有效的多目标寻优、得到理想的Pareto解,是对锅炉燃烧进行多目标优化的有效工具,同改进前的NSGA-Ⅱ优化结果比较,其Pareto优化结果集分布更好、解的质量更优。
2023/11/12 14:58:33
1.13MB
利用stm32f4HAL库软件模拟IIC，对博世温湿度、气压传感器BME280进行正确的读取，说实在的，原子的HAL库写的实在有些应付了，虽然标准库与HAL库有诸多相似之处，标准库掺杂HAL库，个人觉得有点不太好，仅仅代表个人观点
2023/11/12 14:49:41
36.31MB