C语言运动控制源码精选集:十款注释详尽的源码,助力您轻松掌控运动控制程序,详细的C语言运动控制源码详解与实例解析:包含十大程序及详尽注释,C语言写的运动控制源码10个,注释详细,需要的可以看下 ,C
资源文件列表(大概)
资源内容介绍
C语言运动控制源码精选集:十款注释详尽的源码,助力您轻松掌控运动控制程序,详细的C语言运动控制源码详解与实例解析:包含十大程序及详尽注释,C语言写的运动控制源码10个,注释详细,需要的可以看下。,C语言; 运动控制; 源码; 注释详细; 需求共享,《详解C语言运动控制源码集:十款程序源码带详注》用户评论 (0)
相关资源
西门子Smart200 PLC恒压供水系统:结合触摸屏与台达变频器Modbus RTU通讯的全功能程序,附详细注释、IO表及CAD电气图纸,西门子Smart200 PLC恒压供水系统:WinCC fl
西门子Smart200 PLC恒压供水系统:结合触摸屏与台达变频器Modbus RTU通讯的全功能程序,附详细注释、IO表及CAD电气图纸,西门子Smart200 PLC恒压供水系统:WinCC flexible SMART画面与台达变频器Modbus RTU通讯的综合解决方案,西门子Smart200 PLC恒压供水程序,触摸屏采用WinCc flexible SMART画面,V3。程序1西门子smart200 和2个台达变频器Modbus RTU 通讯,原创真实项目,配套IO表 详细注释 材料清单 CAD电气图纸等,带西门子触摸屏,程序功能全面。,关键词提取结果:西门子Smart200 PLC;恒压供水程序;WinCc flexible SMART画面;Modbus RTU 通讯;原创真实项目;IO表;详细注释;材料清单;CAD电气图纸;西门子触摸屏;程序功能全面。,西门子Smart200 PLC恒压供水系统程序:双变频器Modbus RTU通讯,WinCc SMART画面控制
MPU9250九轴传感器数据融合:扩展卡尔曼滤波(EKF)算法解析与应用-以四元数、陀螺仪和加速度计为基准,基于MPU9250九轴传感器的EKF数据融合算法:短时间内信赖陀螺仪,长时间融合加速度计与
MPU9250九轴传感器数据融合:扩展卡尔曼滤波(EKF)算法解析与应用——以四元数、陀螺仪和加速度计为基准,基于MPU9250九轴传感器的EKF数据融合算法:短时间内信赖陀螺仪,长时间融合加速度计与磁偏角信息,MPU9250 九轴 EKF扩展卡尔曼滤波数据融合算法 短时间内我们相信陀螺仪,长时间内我们可以相信加速度计。使用扩展卡尔曼滤波(EKF)将数据融合。选取状态量为四元数和三轴陀螺仪的漂移 控制量为陀螺仪采样值 观测量为 三轴加速度计和磁偏角,MPU9250;九轴;EKF扩展卡尔曼滤波;数据融合算法;陀螺仪信任度;加速度计信任度;状态量选取;控制量选取;观测量选取,EKF融合算法:MPU9250九轴传感器陀螺仪与加速度计互信选择策略
基于MATLAB代码的两阶段鲁棒优化算法在微网电源容量优化配置中的应用与实现,基于两阶段鲁棒优化算法的微网电源容量优化配置方案与机组出力仿真研究,MATLAB代码:基于两阶段鲁棒优化算法的微网电源容量
基于MATLAB代码的两阶段鲁棒优化算法在微网电源容量优化配置中的应用与实现,基于两阶段鲁棒优化算法的微网电源容量优化配置方案与机组出力仿真研究,MATLAB代码:基于两阶段鲁棒优化算法的微网电源容量优化配置关键词:容量优化配置 微网 两阶段鲁棒规划 参考文档:店主自己编写了文档,非常细致,可联系我查阅仿真平台:MATLAB YALMIP+CPLEX主要内容:代码主要做的是一个微网中电源容量优化配置的问题,即风电、光伏、储能以及燃气轮机的容量规划问题,程序考虑了不确定性,采用两阶段鲁棒优化方法进行优化,一阶段主要决策储能、风电、光伏的容量,二阶段主要规划风光燃储的实际出力变量,最后结果不仅给出了微网电源容量配置的结果,还给出了各个机组的出力等,效果非常好,具体可看图。,容量优化配置; 微网; 两阶段鲁棒规划; 电源容量规划; 不确定性优化; YALMIP; CPLEX; 出力变量; 效果展示。,基于两阶段鲁棒优化算法的微网电源容量优化配置MATLAB代码解析
基于粒子群优化算法的学习率及隐藏层参数调整堆叠自编码器用于数据回归预测(Matlab实现),基于粒子群优化堆叠自编码器(PSO-SAE)的数据回归预测算法参数优化与实现-学习率、隐藏层节点及最大训练
基于粒子群优化算法的学习率及隐藏层参数调整堆叠自编码器用于数据回归预测(Matlab实现),基于粒子群优化堆叠自编码器(PSO-SAE)的数据回归预测算法参数优化与实现——学习率、隐藏层节点及最大训练次数调整,基于粒子群优化堆叠自编码器(PSO-SAE)的数据回归预测优化参数为学习率,隐藏层节点个数,最大训练次数matlab代码,核心关键词:PSO-SAE;数据回归预测;优化参数;学习率;隐藏层节点个数;最大训练次数;Matlab代码;粒子群优化;堆叠自编码器。,基于PSO-SAE算法的参数优化与数据回归预测的Matlab实现