STM32F407VET6原理图

机器学习算法之线性回归 最小二乘法和岭回归算法的实现，对应博文为：http://blog.csdn.net/suipingsp/article/details/42101139

可以方便完成8位、16位、24位CRC校验，经校验

本文档是一个proteus仿真的buck电路,课设必须做的，与simulink功能类似

全向轮，全向移动2,3,4轮小车，变换矩阵。设李雅普诺夫函数为V1=;(x2+y2+0)求其导数如下,当渐进稳定时导数小于0Ⅵ1=xx+yy+ade =-kxre, yeke8上式系数为正时,李雅普诺夫函数的导数小于零,系统渐进稳定代入微分方程得到控制律如下:+ vr cos日a+k-xea+ v sin 8e t kyy+ke022差动轮直角坐标运动学方程差动轮与全向轮的区别是,全向轮小车速度方向与四个轮子的共同朝向相同可为仼意方向,而差动轮小车的切向速度方向与X轴重合,故方程中v=0微分方程如下v+v cos 0PRxet vr sin221差动轮直角坐标下控制律设计选择 Lyapunov函数如下:V2=(x2+y2)+(1k(-cosee对上式沿求导+-。sin6e cea-v+ vr cos ee)+yec-xew+ vr sin ge)D sin 0rev+xe vr cos 8e+yevr sin Be+rwr sin 0e -- sin 8 e11-Xev+xevr cos Be year sin 0e +Wrsin eeksinbe选择如下速度控制输入s。+kxxOrt vr(kye t kosine e)将上式代入 Lyapunov函数导数得到esin 2 0当上式系数为正时,V2≤0,故以上 Lyapunov函数选择正确。由此得到堪于运动学模型的轨迹跟踪速度控制律为2:os 8+lcV(kye t resin其中,k,kx,k为控制器参数。22.2控制器参数选取将控制律代入微分方程得下式(rt vr (lye t))xeRyexe(ar+ vr(kye t kesinee))+ vr sin Be-v (kye t kesinee)上式在零点附近线性化,忽略高次项得PR= ApA0Vrky -vr ke系数值与角速度和速度指令值共同决定系统根,当系数为正是所有根为负数。23对比仿真与结果仿真系统结果图如下ct(pea qle)p(7)elrorxPe, qe)图3轨迹跟踪结构图图中q(yo),v、o分别为移动机器人的线速度和角速度,ε1=(xy0)r,对于差动机器人运动学方程可表示为:COS日0Stn图中 J-sine0:pR=y):qa对于全向轮机器人运动学方程可表示为60sine cose ov=R(O)1 vy对角速度为0.2和线速度为5的圆形轨迹进行跟踪,仿真结果如下图:35302501510-5图4圆形轨迹跟踪仿真图图中×点线为差动轮跟踪轨迹,O点线为全向轮跟踪轨迹。、全向轮平台的设计对全向轮采用如下图所示的结构时,进行系统分析与设计图5互补型全向轮( omni wheels31运动学模型X图6全向轮式移动机器人运动学模型移动坐标X-Y固定在机器人重心上,而质心正好位于几何中心上。机器人P点在全局坐标系的位置坐标为:(x2y,0),三个全向轮以3号轮中心转动轴反方向所为机器人的ⅹ轴。假设三个全向轮完全相同,三个全向轮中心到车体中心位置的距离L。在移动坐标X-Y的速度用 1xe 1表示。由文献[3可得三个全间轮的速度与其在移动坐标和全局坐标系下的速度分量之间的关系分别为以下二式sin(60)xeV)=(-s(60os60)()=011-21-213×3ysin(60-0)Cos(60-6)sin(60+6)cos(60+6)Lysinecose32动力学模型在移动坐标X-Y中,设机器人在沿轴X2和Y方向上收到的力分别为Fx和Fyc第1、2、3号驱动轮提供给机器人的驱动力分别为f1、卫、3,机器人惯性转矩为M,根据牛顿第二定律可得到如下的动力学方程:3√3cos(30)-cos(30)01fFre=sin(30) sin (30)1ML2LTb22/2在地理坐标系X一Y下的方程如下:mxcos(30+0)-cos(30-0) sing 1fiFr= sin(30+0)sin(30-0)-cosefzL33基于动力学模型的控制器设计如上式所示,基于机器人动力学模型的控制方案,直接根据机器人的动力学模型设讣运动控制器,控制器的输出为机器人上驱动电机的驱动电压。基于动力学模型的控制方案,不需对驱动电机进行底层的速度控制,消除了底层速度控制带来的延时。由功力学方程:nmx3×3M」可知在休坐标系中各个方向上的控制输入输出是独立的并且相互之间无耦合;于是可在体坐标中对各个控制量分别进行控制。当以各个电机电压作为控制量U时,对体坐标系中各个方向上的控制量UF经过Ta3×3变换后得到各个电机的控制量UUF先对输入UF到体坐标各个方冋上速度V的系统等效参数[m′门进行辨识,得到由控制量UF到体坐标速度Ⅴ的传递函数:然后设计UF的控制器,经过变换后得到各电机的电压U;速度控制指令 1xe vye (l由第2节控制律求得。34基于编码器的位姿推算圆弧模型在文献L4中介绍机器人里程计圆弧模型是把移动机器人在运动过程中的实际轨迹通过圆弧去逼近234图7平台样品示意图YAYR11B(x12+11Un-1XAA(r()图8采样期间的圆弧运动轨迹图中A(xmy,0n)和B(xnx+1,yn+1,On+1)分别为在采样时问间隔内起始点与终点的位姿坐标,AB为采样期间的圆弧轨迹,利用图中儿何关系可以得到运动轨迹为圆弧时的推算公式如下L(△SR+△S少sin△SR-△Sn+1xn+6n+2(△sinenR△SL(ΔSR+△S△SYn+1=ynCOS+

这是一个用MATLAB对两幅图片进行图像匹配的算法代码参考，内含模板图像

物流网络选址与路径优化问题的模型与启发式解法120交通运输工程学报2006年(i∈T)(10表1小规模问题的计算结果Tab. 1 Computation result of smalF-scaled problem(xh+xbk)-z≤1(i∈T,∈Ck∈K)(11)最优解∈TUC(j∈C问题规模目标值运行时间/s(12)NG= 3, NT=3, Nc= 83885k≤s1(≤c1121=∑体k∈(13NG=3,Nr=3,Nc=10421.221U-U+Nx≤N-1(i,∈S,k∈K)(14)NG=3,Nr=3,Nc=126850580∈TNG=3,NT=3,Nc=148741162000注:Nc为供应商数量,Nr为配送中心数量,Nc为客户数量ba≤B(g∈G)(16用启发式算法求得初期解xi∈/Q1(i,j∈T∪C,k∈K)(17)l0;∈/0,1∈T(18通过交换配送中心间的路径进行第1次解的改善∈/O,1∈T,j∈C)(19)yk∈/0,1(i∈C,k∈K)(20)通过交换同一路径中客户的位置(2-OPT法)进行第2次解的改善式中:G为供应商的集合;T为配送中心的集合;C为客户的集合;K为车辆的集合;Qk为车辆k的最通过交换不同路径中的客户进行第3次解的改善大载质量:S为C的部分集合;C为从点到点j的距离;B为供应商g的最大供应量;V为配送中心SA模块的最大货物通过量;D,为客户j的需求量;H2为配送中心i的固定费用;L为从供应商g到配送中是否满足终止条件心i的单位运输费用;Fk为车辆k的固定费用;a为解的输出与通过量有关的系数;xk为对于车辆k,如果点i以后的访问点是点j,即为1,否则为0;y为如果点j图1基于SA的混合启发式算法的货物由车辆k配送,即为1,否则为0;v;为如果FiMixed heuristic algorit hm based on sa使用配送中心i,即为1,否则为0;z为如果客户j传统启发式算法与智能启发式算法相结合的混合算由配送中心提供服务,即为1,否则为0;pa为从供法,以期在短时间内求得全局最优解应商g到配送中心的供应量。其中x、3计算分析和pg为决策变量。2问题的求解为了对SA的参数进行设定,进行了预备实验并确定参数如下:初始温度To为200冷却率α为为了验证上述数学模型的正确性,用数理规划07,与温度相关的循环次数调整参数β为.1,最商用软件 LINGO8.0对小规模问题进行了数值计大循环次数将按照问题规模的大小做适当的设定,算,结果见表1。可以看出,随着问题的规模扩大,数据采用人工生成数据,在200km×200km的区计算时间急剧增加;当客户达到14个时,计算时间域内随机生成指定个数的供应商、配送中心和客户,长达45h,显然无法满足解决现实问题的需要。为并生成距离矩阵和客户需求量;采用C语言编程,了满足解决现实问题的需要,有必要开发岀一种能计算结果见表2。从表2中的结果比较可以看出,够在合理的时间内求得准最优解的近似算法。表2最优解与近似解比较传统启发式算法能够在短时间内求得局部最优Tab 2 Comparison of optimal solution and approxi mate solution解,但往往容易陷于局部最优,而无法求得全局最优最优解近似解问题规模解。智能启发式算法能够求得全局最优解,但计算时目标值运行时间/s目标值运行时间/s%间相对较长。如果能够将两者结合起来,既可以防止N=3N=3,Nc=838533965求解过程陷于局部搜索无法跳出,保证全局解的搜3N=3NG=10+2122112100索,又可以缩短搜索时间达到在短时间内求得全局N-3-3Nc12|60s0620110最优解的目的。基于上述考虑本文提出了图1的将ublishrigfoustAingnsestrvcu,trttp/www.urrhi.rctNG=3,Nr=3,Nc=1487411620008895第3期陈松岩,等:物流网络选址与路径优化问题的模型与启发式解法121本算法求得的近似解与 LINGO80计算的最优解心,再从配送中心到客户这一典型的物流过程,涉及之间的误差很小,但计算时间却大大缩短了。依据运输与配送2个阶段和供应商、配送中心和客户3结果虽然无法判定所提岀的混合启发式算法对于大个层次,提出了多供应商、多物流中心情况下的物流规模问题的有效性,但可以看岀,对于求解小规模问路径与配送路径优化问题,给岀了问题的数学模型,题是有效和良好的。对于大规模问题,将利用实例利用传统启发式算法与模拟退火法开发了混合近似进行计算验证。解法,通过人工生成数据和实例计算验证,可以看出4应用实例所提出的数学模型可以准确地描述此类问题,具有良好的适应性,所提出的混合近似解法能够在短时在应用实例中,将港口作为供应商来考虑,以进间内求解问题并得到接近于最优解的近似解,具有口货物从港口经配送中心配送到客户过程中发生的较高的实用价值。但本模型没有考虑库存问题与供费用最小化为目的,以港口的数量和位置、配送中心应商的成本问题,无法达到物流网络中各个环节的数量和位置作为对象进行优化。实例的区域选择山整体优化,有待于今后进一步研究。东省,候选港口为天津港、烟台港、威海港、青岛港参考文献日照港和连云港等6处,候选配送中心设置于山东省除港口城市以外的13个地级市,设定客户分别位References于90个县(包括县级市)。为了分析候选港口和配1 I anen g Flpo C. Spatial de composit ion for a multI送中心的数量及位置与目标值之间的关系,在计算of Production Economics, 2000, 64(1/2/3): 177186过程中,候选港口和配送中心的数量分别从1开始(21 Melkote s, Das kin m s. a n in te grated model of facil ity loca tion增加(港口的位置为随机选择),计算结果见图2、3and transportat ion netw ork design[ J. Transport ation Research part A,2001,35(6):5155386[3] Goets chalckx M, Vidal C J Dogan K Modeling and design ofglobal logistics s yst ems: a review of integrated strat e gic an dt act ical models and design algorithm s[ J European Journal of005◇◇0◇◇◇◇◇◇◇Operat ional Research, 2002, 143 (1):118135791113[4] H wang H S Design of suppl y chain logist ics sy stem con sider-港口数量配送中心数量ing service level[ J. Computers and Industrial Engineerin g,图2港口数量与图3配送中心数量与2002,43(1/2):283297目标函数值关系目标函数值关系[5] WuT H, Low C, Bai J W. Heurist ic s ol ution s to mu ltt depotFig2 Relation of ob ject value Fig 3 Relation of ob ject valuelocatioN rou tin g pr ob lems[ J]. Computers and Operations Re-and ports numberand changing depots num besearch,2002,29(10):13931415可以看出,随着候选港口数量的增加.目标值呈[6 Syam ss. A model and met hodologies for the locat ion p rob lem下降趋势,说明可供选择的港口越多,求得最优解的with logist ical components[ J]. Computers and Operations Re机会越大,但本例中,当候选港口的数量增加到5个se arch,200)2,29(9):l173-1193时,目标值达到最小(实际被选中的港口为3个);候[7 Amiri A. Designing a distribution network in a suppl y chainsystem[ J]. European Jou rnal of O perat ional Research, 2004选配送中心数量的变化也呈相同的趋势,当候选配171(2):567576送中心数量达到9个时,目标值达到最小(实际被选8 G ena m, Syarif a. Hybrid genetic algorit hm for mult+ time pe-中的配送中心为8个);本实例的计算时间都在8sriod production/ distribution planning[ J1. Computers and Ir以内,虽然无法判断所求解为最优解,但从计算结果dustrial Engineering, 2005, 48(4): 799809来看,基本接近最优,因此可以认为本算法对于求解9工丰元,潘福全张丽霞等基于交通限制的路网最优路径算大规模问题也是有效和良好的法J.交通运输工程学报,2005,5(1):9295Wang Feng yuan, Pan Fuquan, Zhang Li xia, et al. Opti mal5结语path algorithm of road netw ork with traffic rest riction[ JIJourn al of Traffic and Trans port ation Engin eering, 2005, 5(1)本文将研究范围界定在商品从供应商到配送中9295.(in Ch ineseo1994-2012ChinaacAdemicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net

【实例简介】基于MSP430的PID控制的温度自动控制系统（程序+报告） 详细的报告 程序 PID算法解释 本系统严格按照题中所定参数及要求，构建了一个以MSP430单片机为控制核心的温度自动控制系统。该系统用PSB型负温热敏电阻作为温度传感器，以一种类R-F的方法测量木盒内实时温度，单片机用实时温度与预设温度值一起代入PID算式得出一个温度增量，再用此温度增量线性的控制PWM波的占空比，开关电源的输出电压也会随之变化，即制冷晶片的输入功率发生变化，因此制冷晶片制冷（加热）的功率随PWM波占空比变化，达到自动控温的目的。本系统制冷（加热）效果明显，效率高，界面友好，制作精致，能够胜任题中所定各项要求。

labview datasocket(访问共享文件举例.vi)

电弧炉控制资料基于S7—300PLC电弧炉控制系统的设计

调频连续波雷达信号仿真，以及信号处理过程仿真，以三角波调制为例，代码编写规范，代码注释优秀。适合初学者以及急需FMCW信号仿真的用户。