基于单片机的仿生四足机器人

最简单清晰的例子，主架构如下：int main(void){ /* ST固件库中的启动文件已经执行了 SystemInit() 函数，该函数在 system_stm32f4xx.c 文件，主要功能是 配置CPU系统的时钟，内部Flash访问时序，配置FSMC用于外部SRAM等。 */ NVIC_Configuration(); CAN1_Configuration(); CAN2_Configuration(); while(1) { if(can1_rec_flag == 1) //如果CAN1接收到了一帧数据 { can1_rec_flag

Network Emulator for Windows Toolkit，windows 32位和64位打包完整版

利用MATLAB中的GUI工具来制作串口通信上位机，然后利用单片机读取陀螺仪MPU6050的数据传送到上位机，利用上位机将数据利用绘图实时显示出来，有一部分是参考网上其它教程，

用C#写的仓库管理系统，用SQLserver2008作为数据库，用于管理仓库物品

关于作品：这是一个英语学习的小应用。通过网络获取WebService服务的内容，每天教您一句英语短句，此外应用中也附带了词典翻译的功能，可以帮助您更好的理解不懂的单词。在日积月累中学习英语。对于Android编程学者本作包含的内容有Soap通信和WebService交互，手势识别，TextToSpeak等一些知识。

设计算法实现树的最大连通分支问题。给定一棵树T，树中每个顶点u都有一个权w(u)（注意：权可以是负数）。设计算法求该树的一个连通子图，使该子图的权之和最大。

误差理论与测量平差基础（武汉大学测绘学院编），绝对高清版，可复制

OFDM_16QAM_simulink, matlab 2014a亲测可运行。比较全面，覆盖RS编码，reileigh信道仿真。

pdf文档，中文来源：华北电力大学学报242007[11997199811.2199910.88408200.68000.47800.2掩76072007000100120时间/天68040100120图3训练过程中的误差变化时间/天Fig.3 Errors during training图1日负荷预测时洲练数据4Fig. 1 Training data for day load for ecas ting35←只51.5050-10203040如0的070809010101200.8时间压图4训练过程中神经元个数变化Fig 4 Grow th of neurons during train ing0.200.95系0.940.8505101520253035滞后时间/天如0.80.75图2训练数据的自相关系数Fig. 2 Autocorrelation coefficients of training dat a(a拟合曲线0.〔(3)10.040.0系70/14060[1000000]时间/天(b拟合误差「O1000001图5训练结果及误差Fig. 5 Result and error of train in3- EBF6,C1994-2012cHinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net4EUNITE2582080078076074072026.26700(3)66005101520253035时间/天50/1[00001图6日最大负荷预测结果[01010]26ig. 6 Result of forFrecasting g1 SOFNN[716.2,739.7,757.7,781.3],7Tab 1 Accuracy of training and forecast ing[720.1,738.2,763.7,MethodMAPE/ (%O) ME767.7],7SOFNN1.3344.137901.7850.04780EUNITE1.95E770760winner750报告中ME值没有准确堤供,但可以从报告中估轵740计得出约50~60完整的 EUNITE网络竟赛原始数据可730从EUNITE网站获得(http://neuron.tuke.sk/compe-720tit ion/ index. php)7103354EUNITEMAPE时间1.95[2]图7周平均最大负荷预测结果3.2Fig. 7 Forecasting result of week average max loadSOFNNSOFNNWSj72SOF NNWLWLideltaWli, delta WLi=WLj-Wli(3h:× delt al+k× deltal wj,Yh=0.58o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp:/www.cnki.net262007820[1] Chen B J, Chang M W, Lin C J. Load forecasting using800support vector machines: a study on eunitE com-780tion 2001[J]. IEEE transactions on power systems7602004.19(4):1821-1830[2] Company behind East- Slov akia Power Distrib ution740Com panWorle w ide com petition w ithin the EU720NITE network, EUNITE competiton report [RI700[3]6802004.28(17):1-1105101520253035[4 Leng g, Prasad g, McGinnity T M. An on line algor-时间/天rithm for creating self organ izing fuzzy neural networ ks图8修正后的日最大负荷预测结果Neural Netw orks, 2004,(17): 1477-1493[5 Ort iz: Arroyo D, Skov M K, Huynh Q. Accurate Elee-F ig.8 Forecasting results after rev sedtricity Load Forecasting with Artificial Neur al NetworksIC. Proceedings of the 2005 International Conference2SOFNNon Compu tat io nal Intel ligence for M odel ling, Control andTah 2 Accuracy of forecast ingAuto mation. and International Conference on I ntelligentMethodMAPE/(%)MEAgents, Web Technolo gies and Internet CommerceSOFNN1.7850.04(CIMCAIA WTIC 05). 20051.5941.95[ 6] Tao X. Input dimens ion reduction for load forecastingEUNITE1.9550-60based on support vector machines [C]. Hong Kong82004 IEEE International Conference of Electric U til yderegulation, res tructur ing and pow er technolog iesMAPE ME20[7 Hsu CC. Dynam icall y Optim izing Parameters in SupportVector Regression An A pp licat io n of Electricity Load4结论Forecasting [C]. Haw aii: Proceedings of the 3 9thIlaw aii International Conference on System Sciences199918 Pan kratz A. Forecasting w ith Univariate Box-JenkinsModels [m. John Wiley sons, 1983SOFNN(1972-),,C1994-2012cHinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net

该实验报告结合船舶参数，利用Simulink环境建立船舶的Nomoto数学模型，首先对其进行回转试验，然后为其设计一个PID控制器使其保持正东航向，最后给船舶加入干扰测试其性能。