基于ARM单片机的自动测高测距小车的研究与设计

生活中许多目标的高度和水平距离需要进行测量。目前主要的测量方法,仍以传统的皮尺丈量为主,测量效率不高,有时还很不方便,没有技术成熟的数字式测高测距产品。以基本的数学方法为理论依据,利用遥控小车做为载体,采用角度传感器测量角度、霍尔传感器测量水平距离等,通过单片机LM3S615进行数据计算,实现了对待测目标物体的高度、水平距离等数据的快速、精确和数字式的测量,高度测量精度可达99.06%,水平测量精度则可达98.06%。     

μC/OS-Ⅱ在微处理器LM3S8962上的移植

基于具有广泛应用前景的ARM Cortex-M3微处理器体系结构,将μC/OS-Ⅱ实时操作系统移植到微处理器LM3S8962。通过分析微处理器LM3S8962和μC/OS-Ⅱ内核结构,并且结合ARM Cortex-M3体系特点,利用ARMCortex-M3所固有的嵌套向量中断控制器(NVIC)和Thumb-2指令集体系结构(ISA),完成了移植μC/OS-Ⅱ所需要的函数的编写,宏的定义和任务堆栈的实现,特别是利用ARM Cortex-M3所提供的新型中断-可挂起系统调用(PendSV)作为实时系统完成任务切换的软中断。给出了部分移植函数的代码,未给出代码的函数也对函数结构进行了详细的描述。通过对移植进行测试,结果表明在时钟频率为20 Hz的情况下系统运行正常,能够正常的完成任务切换,实现了移植的目的。     

基于EDA技术的数字钟设计与实现

为使数字钟从电路设计、性能分析到设计出PCB版(即印制电路版)图的整个过程能够在计算机上自动处理完成,从而缩短设计周期、提高设计效率、减小设计风险.本系统基于EDA技术的设计方法,提出一种采用P-MOS大规模集成电路LM8560作为计数译码的石英数字钟的设计方案,在Prote199SE软件平台下创建原理图和绘制印制电路...     

基于LM5026的DC/DC电源降耗设计

介绍了DC/DC电源降耗原理,以及LM5026芯片CS端的两种电流采样方式：利用采样电阻进行电流采样和利用电流互感器进行电流采样,并比较了各自的优缺点。实验结果表明,两种电流采样方式都能有效控制PWM信号的输出,保证芯片工作的安全性和稳定性。而采用电流互感器进行电流采样,更加有效提高了电路的转换效率,达到了电源降耗的效果。     

一种Buck型DC-DC电源设计与仿真

Buck型DC-DC电源在现代便携式电子系统中应用广泛,研究了Buck型变换器的工作原理,介绍了采用LM3150为电源芯片的BucK型DC-DC电源的设计。借助于WEBENCH电源设计工具,选择了合适的元件参数,实现效率、成本、面积和开关频率的优化。通过仿真表明该电源稳定性好,转换效率高,可以广泛应用于便携设备中。     

LTE位置管理中信令开销的分析

为了克服2G和3G移动通信网络位置管理方案的缺陷,4G长期演进(Long Term Evolution,LTE)采用了基于跟踪区列表(Tracking Area List,TAL)的位置管理方案。基于TAL的位置管理方案的性能取决于TAL分配方案。考虑到本地移动设备(User Equipment,UE)的活动区域相对固定,该文提出一种嵌入式马尔科夫链模型,用于分析本地UE的基于TAL的位置管理方案的信令开销。推导得到位置更新开销和寻呼开销的数学公式。利用这些公式,可搜索得到能使信令开销最低化的最佳TAL分配方案。     

浅析LM324运放在有线电视机房伴音侦测电路的应用

本文介绍应用LM324运放如何便捷地发现机房前端每个频道伴音输出是否正常。     

基于单片机与传感器的金属线胀系数测定

介绍一种基于单片机和传感器的金属线胀系数测定数据采集处理系统。该系统能实时测量由传感器检测的压力与温度并对数据自动采集与储存,经线性拟合给出线胀系数。电路设计外部硬件电路少,结构简单。其软件功能还可进行扩展以适应不同需求。在21世纪的今天,让学生了解并掌握计算机数据采集与处理方法很有意义。     

人工神经网络在甲醇发动机中的应用研究

在四缸柴油机的进气管上安装喷嘴来喷射甲醇,实现甲醇一柴油混合燃烧模式。试验通过燃烧甲醇-柴油和纯柴油混合燃料两种模式进行对比。然后用Levenberg-Marquardt（LM）算法来预测发动机分别燃烧甲醇-柴油混合燃料和纯柴油的BSFC（制动燃料消耗率）,CO（碳氧化合物）和HC（未燃烧碳氢化合物）等废气排放特性,以及AFR（空燃比）,并与实际测得数据进行对比分析。试验结果表明,LM的学习能力对BSFC,CO,HC和AFR的预测是相当有效,而且和纯柴油相比,甲醇改善了排放特性。     

一种改进的量子神经网络训练算法

针对训练多层激励函数量子神经网络(MAF-QNN)时权值与量子间隔的目标函数存在冲突,导致收敛速度和网络性能下降的问题,该文提出一种改进的量子神经网络的训练算法。通过设计输出均方误差和这一目标函数对权值和量子间隔进行统一训练,同时引入Levenberg-Marquardt(LM)算法降低目标函数陷入局部极小值的概率,实现了对量子神经网络的高效训练。实验结果表明,该文提出的训练算法有效减少了迭代次数,显著提高了网络收敛精度,可应用于数据分类、函数逼近等场合,扩展了多层激励函数量子神经网络的应用领域。