社区发现测试数据集

利用数字信号处理器TMS320F240产生基于恒压频比控制的对称SVPWM调制波形。第23卷第4李等:基于ISP的恒压频比掉制 SVPWM方式的饼究和实现69平衡,引起较大的电流谐波4方法一软作编写较复杂但儿始三相电流平衡,电流谐波较小,响DSP的强大处理能力及运行速度能实现复杂时算法和具有良好的实时性,某于上述根据1le和电北的速度汗6考虑因此本文采用力法实现 SVPWM波形的产生。3基于TMS320240的SPwM波形的产根拈江,的角用亡所有内象压生本文采用TI公司专为电机控制而推出的一种定点数舶腴躯到案菠,出≤n(Th[A)eo5(l字信号处坦器TMS32F240,产生恒压频比制下SⅤPwM波形计銲mr门d-相分量事件管理模块是整个控制系统的关键,首先更对它进;算山n,亡约过行正确的配置。本系统选取丛HWM的截波频率为1∠kHz处区时间为32us,与 SVPWM波形产生相关的EV(事件管算I1,21的玫值弹)模块的初始化如图6所示m的据值是根据电机的u/∫曲线来确定,采用∫的指令值求出vn的幅值am的相根据un所在的区,裁全较打图位变化2可由定时器T:的定时周期T(TwmM)和电机角速度a1求出。根据角判断m所在的象限,为减少所占据的程序存储空问,只配备0~90的正弦函数表找出9角在第一象限的对应角度,并求解出x的dq轴分量和图7SHWM生成子彩序凉程图L。根据式(4)求解T1,T2,其中U1∠、U2分别为主辋矢4结论量的d轴分量,L1、21为主辅矢量的q轴分量。uU图8为本文实验时输出的 SVPWM词制波(调制波为TPWMl Ud Ua]=Iti t2 x(4)3OHZ,酸波为12kz)经滤波后所得波形可以看出,SVP则T0=Trw“T1“T2,根据vm所在的扇区,分别把0wM的调制波相当于在原正弦波上叠加了一个三次谐波25Tc,0.25T0+0.571,0.25T+0,5T1+0.572装载CM和准优化PWM有异曲冋工之处,其实质也是一种带谐波注入的调制方法PR1CMPR2、CMPR3。初始化比较控制寄存器 COMCON1、SCM321=11,输出为PW牒式FCOMIPCE=1,金比铰輪出使舱ACTRLO10=00,下激时重装载A4、D1000下设时重装戴CMPR5、比按使能 CENAELE初始化全比较动作控制寄存器ACTR设意引脚输出授性(1、3、5为低有效,2、4、6有效医8SⅤPWM调铜波始化死区控制寄存舞 DErCO、使鹿死区足时器PB3:j=111参考文献改置死区定时器的预定标因于 DBTPS:0=1设置死区时间DBr70=目,本系统设置死区时间为32s11 BROECK H W, Analysis and Realization of a pulsewidth mocu[J IEEE TrA初始化通用定时器1的挖制寄存器TON198,24(1):142~150设置计数擲式为连续增、减Tmod21:0=10!2]王研,杜军红,陶佧宜,等基于LP的空间电压矢量法的研究[J]电机与控制学报,200,2:98调制频半设为K出(Te=83),因此设置T】PR=34h「3韩安太,峙飞黄海LSP控剖器原理及其在运奷控制系统中的应用M]北京:清华大学出版社,2003「4.王潞刚基于DP的异步电动机 SVPWM系统研究[D],东工业大学硕二沦文,2002图6与 SVPWM生成相关的EV初始化r5 Spacc-Vcctor PWM wita TMS320C24X/F24x Using lardand ssedR]. TI I产生SⅥwM波形的子程序流程图如图7所示。March 199916] Using Coustant V H Principle Space Vector PWM Techor Ac InsteonⅣ otor cth’C240R]T!i

【实例简介】适合目标检测，yolov3,ssd等目标检测算法，数据集包含xml坐标信息的标签。pytorch版本下的yolov3训练实现火焰检测(https://codingchaozhang.blog.csdn.net/article/details/107167792#comments_14120984)

高级驾驶辅助系统 [1] 是利用安装在车上的各式各样传感器，在汽车行驶过程中随时来感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。 近年来ADAS市场增长迅速，原来这类系统局限于高端市场，而现在正在进入中端市场，与此同时，许多低技术应用在入门级乘用车领域更加常见，经过改进的新型传感器技术也在为系统布署创造新的机会与策略。

人人素材网4100套资源解压密码

《测量平差程序设计》（宋力杰编著）(ISBN978-7-118-06057-7)一书中的源程序，每个文件夹中的源程序与书中各章内容对应。

中英对照看，熟悉专业的外语词汇，比国内那些考试型教材好多了。这两本，是我深入机器学习的数学基础书籍。

【实例简介】《实代数几何中的算法》（《Algorithms in Real Algebraic Geometry》）Saugata Basu，Richard Pollack，Marie-Françoise Roy著

【实例简介】CA6140车床拔叉831002三维图,Solidworks图

ID3算法是决策树的鼻祖，最早于1986年由Quinlan提出，全称是Iterative Dichotomiser 3 [1]。在这篇课程报告中，我将对经典的ID3做出三次改进：1.把 info gain 改进为 gain ratio；2. 把简单投票的过程改进为朴素贝叶斯的方法；3. 将许多颗ID3决策树打造成随机森林。本人将在Weka平台进行二次开发，并且用Weka-Experiment做大量实验，和其它著名的算法进行比较，最后做出综述。项目的源代码开源在本人的GitHub主页上。未来工作有以下几点:是那么容易就可以随机出来的1.在 Improvement Two中,3树的生长的深度限3.可以把这三种改进方法糅合在一起,看看三种制在多少,可以进行进一步的研究改进组合在一起,能不能产生性能更加的算法2.在 Improvement Three中,本人费劲心思写出来4.上述所有方法都是基于属性为 nominal的数据的“随机森林”,正确率反而比D3更差。虽然集,可以进一步研究属性为 numerical,甚至是很使我伤心,但是我在写代码、调试代码、还有两者混合的数据集。思考的过程中有了不少长进。看来随机森林不L己ta3et(1 caitao.I(2) caita (3 caita (4 caita (5) trees (6)treesca置,色va1 eatlon(100)B9.19|81.36*92.85V78.日9*94.43W93.40Vweather. symbolic100)79.00|56.507s.0079.57.506,50{v!/*)|(0/1/1)(1/1/0(011/1)(1/1/0)(1/1/0Re1)caia。,工3"-26936786470963225612) CaILE。 gainRatio.工D311-2693678647096322561(3 caitao naiveBayes. ID3-26936786470963225614)cata0 andomforest,ID31-2593678647096322561{5) trees. NBTree"-47160057070582560866) trees. Randomforest"-10-4-51- depth101-2260823972777004705图-7: Weka-experiment实验结果。总共6个算法,2个数据集。6个算法中(1是原始的1D3算法,后面(2)-(4)是本人的改进算法,(5)和(6)是Weka平台自带的算法。GitHub较风趣;另一方面,蒋老师在我上机实习的过程过,本次模式识别上机实刁的代码,全部公开在本人的回答了我不少疑惑,虽然这些疑惑对于蔣老师而言GitHub主页上面,ur地址如下:可能十分幼稚,但是依然完整解决了我的问题。1. Improvement one:https://github.com/caitaozhan/id3improvements/treREFERENCES/gain ratio2. Improvement TwoJhttps://en.wikipedia.org/wiki/id3algorithmhttps://github.com/caitaozhan/id3_improvements/tre[2]决策树,蒋良孝的PPTChapter2-8e/naive bayes[3] Data Mining Practica/ Machine Learning Tools and3. Improvement threTechniques--Chapter4.3https://github.com/caitaozhan/id3improvements/tre[4贝叶斯分类,将良孝的PPTChapter3-15e/random forest[5]http://archive.ics.uci.edu/ml/datasets/car+evaluation[6]https://en.wikipediaorg/wiki/random_subspace_methodAcknowledgements感谢蒋良孝老师对于我的指导。一方面,蒋老师上课讲解十分到位,关键部位一点就通了,不仅如此还比

我在青鸟学习时的几个考试上机项目,附有数据库,答案.正学java的朋友,一定来看看,好好练练.