264的播放器，能够播放jm比特流的数据。具有非常高的参考价值
上传时间： 2013-12-10
上传用户：l254587896
将二维矩形网格的数据转换为Tecplot软件可识别的数据，其中im和jm分别为x和y方向的网格数，生成文件可用tecplot读入
上传时间： 2017-07-15
上传用户：siguazgb
图像264编解码的搜索的网络上的学习笔记，对于深入研究264编解码以及如何编写修改jm的代码是个很好的参考资料，比较全
上传时间： 2013-12-31
上传用户：lizhizheng88
利用simulink搭建异步电机模型； 掌握异步电机各参数对各输出的影响。 1.搭建异步电机模型，电机参数：定子电阻Rs=1欧姆，转子电阻Rr=1欧姆，定子漏感系数=1mH，转子漏感系数=1mH，互感系数=20mH，转动惯量jm=0.25kgm^2，极对数Np=4。 2.用幅值为380V，频率为50Hz，相位互差120度的三相励磁交流电压供电。先空载启动观察各输出变化，然后在空载稳定后突加200Nm负载观察各输出变化。 3.分别改变Rs，Rr，jm值，观察输出数据变化。
上传时间： 2018-04-02
上传用户：Jcong233
神经网络在智能机器人导航系统中的应用研究1神经网络在环境感知中的应 用 对环境 的感 知 ，环境模型 妁表示 是非常重要 的。未 知 环境中的障碍物的几何形状是不确定的，常用的表示方浩是 槽格法。如果用册格法表示范围较大的工作环境，在满足 精度要求 的情况下，必定要占用大量的内存，并且采用栅 格法进行路径规划，其计算量是相当大的。Kohon~n自组织 神经瞬络为机器人对未知环境的蒜知提供了一条途径。 Kohone~冲经网络是一十自组织神经网络，其学习的结 果能体现出输入样本的分布情况，从而对输入样本实现数 据压缩 。基于 网络 的这些特 性，可采 用K0h0n曲 神经元 的 权向量来表示 自由空间，其方法是在 自由空间中随机地选 取坐标点xltl【可由传感器获得】作为网络输入，神经嘲络通 过对大量的输八样本的学习，其神经元就会体现出一定的 分布形 式 学习过程如下：开 始时网络的权值随机地赋值 ， 其后接下式进行学 习： ， 、 jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神经元 1在t时刻对 应的权值 ；a(∽ 谓整系 数 ； (『l网络的输八矢量；Ⅳ()：学习的 I域。每个神经元能最 大限度 地表示一 定 的自由空间 。神经 元权 向量的最 小生成 树可以表示出自由空问的基本框架。网络学习的邻域 (，) 可 以动 态地 定义 成矩形 、多边 形 。神经 元数量 的选取取 决 于环境 的复杂度 ，如果神 经元 的数量 太少 ．它们就 不能 覆 盖整十空间，结果会导致节点穿过障碍物区域 如果节点 妁数量太大 ．节点就会表示更多的区域，也就得不到距障 碍物的最大距离。在这种情况下，节点是对整个 自由空间 的学 习，而不是 学习最 小框架空 间 。节 点的数 量可 以动态 地定义，在每个学习阶段的结柬．机器人会检查所有的路 径．如检铡刊路径上有障碍物 ，就意味着没有足够的节点 来 覆盖整 十 自由窑 间，需要增加 网络节点来 重新学 习 所 138一 以为了收敛于最小框架表示 ，应该采用较少的网络 节点升 始学习，逐步增加其数量。这种方法比较适台对拥挤的'E{= 境的学习，自由空间教小，就可用线段表示；若自由空问 较大，就需要由二维结构表示 。 采用Kohonen~冲经阿络表示环境是一个新的方法。由 于网络的并行结构，可在较短的时间内进行大量的计算。并 且不需要了解障碍物的过细信息．如形状、位置等 通过 学习可用树结构表示自由空问的基本框架，起、终点问路 径 可利用树的遍 历技术报容易地被找到 在机器人对环境的感知的过程中，可采用人】：神经嘲 络技术对 多传 感器的信息进 行融台 。由于单个传感器仅能 提 供部分不 完全 的环境信息 ，因此只有秉 甩 多种传感器 才 能提高机器凡的感知能力。 2 神经 网络在局部路径规射中的应 用 局部路径 规删足称动吝避碰 规划 ，足以全局规荆为指 导 利用在线得到的局部环境信息，在尽可能短的时问内
上传时间： 2022-02-12
上传用户：qingfengchizhu
功能Function： 1.振动触发、运动检测，倾斜感应，等触发唤醒功能。 2.传感器是完全被动的，无需任何信号调节，至少具备50nA的电流即可运作，其耗电量取决于应用电路的单一电阻限制电流。 3.产品通过内部滚珠的接触来侦测环境动作，并使接触点间的接触电阻所产生的由高到低或由低到高的变化（建议在应该设计软件时要考虑的是高到低电平、低到高电平的转换变化而不是打开的开关信号，通过电路或软件的延时设置可对自身产品灵敏度的要求来做调试、即可提升产品的准确性和实用性）。 应用ApplicaTIon： 产品广泛适应于：振动感应系统、智能防盗装置，汽车电子/GPRS跟踪器，胎压监测（TPMS），RFID电子标签，智能穿戴，智能蓝牙，智能家居电子，自动步枪/手枪电子装置，微型发射器感应装置/接收器，无线智能数码电子，自动化装置及各类智能系统的振动感应或运动检测而设定应用下的触发唤醒功能。
上传时间： 2022-06-20
上传用户：zhanglei193
