排序方式: 共有1311条查询结果,搜索用时 15 毫秒
991.
为了减小同址干扰对接收机性能的影响,设计了一种基于正交矢量合成的自适应干扰抵消器;根据其中控制单元提取出的数据的特点,提出了将模式搜索算法(PSA)作为控制器算法,并对其进行了改进;利用实际测量的数据进行了仿真分析,结果表明,相比于PSA算法、模拟退火算法、遗传算法,改进后的PSA算法具有更快的收敛速度,同时收敛精度相差无几;最终的实现结果也证明了该方法可满足性能要求。 相似文献
992.
为了减小飞机机轮的摆振,提高飞机乘坐的舒适性和驾驶的安全性,将磁流变控制技术应用于飞机起落架减摆器,实现减摆器阻尼力的实时智能控制。针对磁流变减摆器,建立了飞机起落架摆振的半主动控制非线性动力学模型,设计了模糊PID控制算法,并使用Matlab/Simulink建立了半主动控制仿真模型。通过调节流过磁感线圈的电流大小改变磁流变减摆器的阻尼力,从而减小机轮摆动实现半主动控制。通过动力学仿真,在给定速度下分别对比未安装减摆器、被动控制下以及半主动控制下机轮摆角、侧向位移、侧滑角随时间变化的曲线,结果表明了模糊PID控制算法的正确性和可行性,该控制策略可以较好的抑制机轮的摆振,同时也表明模糊PID控制算法具有良好的可控性,减摆效果也明显优于传统的被动控制。 相似文献
993.
994.
995.
针对校园用电严重浪费问题,为实现校园节能,结合物联网和多种数据传输技术,设计了一种对学校教学楼各教室内电器集中化、网络化和智能化的监控系统。该系统以监控网关为自动控制中心,对ZigBee网络的终端节点采集的每个教室光强、温度、人员活动以及所有教室常用电器开关状态等信息,自动做出智能判断并向ZigBee网络终端下达开关常用电器以及门窗的指令;同时,连接至校园网的监控网关也作为服务器,采用浏览器/服务器和客户端/服务器模式,在Windows客户端、Android手机客户端和Web浏览器实时远程查看每个教室用电器的工作状态,并可以远程人为干预各教室门窗和用电器的开关。该系统不但实现了远程人为控制用电器,而且可根据各教室的光强、温度以及人员活动等情况,自动智能控制每个教室内常用电器及门窗的开关。实际测试表明,该系统具有良好的可靠性和稳定性,大大减少了校园的能源浪费。 相似文献
996.
摘要: 分析了Avalon-MM总线的架构以及I2C总线的传输方式,提出了一种可行的I2C总线控制设计方案,并说明了详细的实现过程。设计的基于Avalon-MM总线的I2C总线控制器可复用IP核,可以不加修改地应用在基于Altera公司产品的SOPC系统中。使用VMM验证方法学构建了多层次可复用的验证平台,对设计进行了全面的验证。整个验证平台使用systemverilog语言实现,仿真工具使用VCS-MX200606。最后仿真结果显示,设计被完全地验证并达到100%覆盖率。 相似文献
997.
中性束注入(Neutral Beam Injector, NBI)系统的低温泵上必须设置一组温度测量点以监控其工作状态。为满足NBI温度测量需求,设计了一种支持多种温度传感器的多通道低温测量系统。系统采用24位Σ-Δ模数转换(Analog-to-Digital Converter, ADC)芯片AD7193执行模数转换,采用控制器STM32F103ZET6控制设定恒流源、切换测量通道、ADC、以太网通信、串口通信、温度数据处理以及其他控制电路。该温度测量电路的设计可以用于由恒流源驱动的四线制低温温度测量领域。 相似文献
998.
提出了一种基于多方向、多尺度Top-hat变换的图像边缘检测方法,应用于阻塞性睡眠呼吸暂停低通气综合症(Obstructive Sleep Apnea Hypopnea Syndrome, OSAHS)早期病理图像的边缘检测及诊断。首先,构造不同方向、不同尺度的Top-hat算子增强图像的对比度,利用形态学梯度进行边缘检测,然后把各个算子检测到的图像边缘按照一定的权重进行组合,得到理想的边缘,以便准确地获得病理图像的相关参数,进而实现医学电子诊断。本文以口腔图像、咽喉声带处图像、鼻道内部图像的处理为例,这三组图像的处理结果表明,与传统的边缘算子相比较,该方法能使图像的边缘信息更完整、更准确,图像的边缘闭合度可达到97.67%。 相似文献
999.
为了准确控制外骨骼机器人跟随人体运动,需要建立其动态、精确的数学模型;人体下肢外骨骼是一个多自由度、强耦合以及非线性的多连杆系统,难以建立准确的运动学和动力学模型;文章使用三维运动捕捉与空间定位系统,获取实际人体运动参数(运动学与动力学),应用支持向量机(SVM)学习人体下肢外骨骼的数学模型;基于该模型构造基于支持向量机模型的灵敏度放大控制方法;文章使用MATLAB和LIBSVM建立外骨骼下肢机器人的数学模型,并进行仿真分析;仿真结果表明基于SVM的模型学习方法,能够准确计算出人体下肢外骨骼的动力学模型,并简化建模过程;基于SVM的灵敏度放大控制,能够有效计算出人体下肢外骨骼各关节(髋关节、膝关节、踝关节)的输出力矩,并控制外骨骼机器人跟随人体运动。 相似文献
1000.