基于MATLAB的SVPWM仿真模型

C#工资管理系统实际开发项目本系统通过收集、记录和存储有关人员的基本信息，来反映每个员工工资的组成情况，按照应发工资、扣款金额和实发工资等计算、汇总工资，系统反映单位与员工间的工资结算情况。分摊工资费用，并进行相应的处理，为正确计算产品成本，单位利润提供依据，产生所需的工资报表进行归纳分析，实现工资管理系统与企业管理信息系统的数据共享。

本文分成两个部分。第一部分给出了Linux键盘驱动的工作原理，而后给出了键盘记录器的工作细节及其源代码。

【实例简介】分为三个文件，一个是能耗模型，一个是动态规划程序，一个是主程序。直接运行主程序即可。含注释

基于Xgboost的商业销售预测，以德国Ｒｏｓｓｍａｎｎ商场的数据为例，通过对数据的探索性分析，以相关背景业务知识体系为基础，通过可视化分析，提取隐含在数据里的特征，使用性能较优的Ｘｇｂｏｏｓｔ方法进行规则挖掘，取得较好效果。第3期饶泓等:基于 Boost的商业销售预测277·(3)eta:收缩步长,即学习速率,取值范围是,3.1数据来源默认为0.3。在更新叶子节点的时候,权重乘以本文所有数据均来自 Haggle中的 Rossmanneta,以避免在更新过程中的过拟合。商店销售额数据集。 Rossmann是商人 Dirk ross(4) max _ depth:每棵树的最大深度,取值范围mann创立的德国首家平价日用品商店,现在的是,默认为6。树越深,越容易过拟合。Rossmann公司逼布欧洲7个国家,分店达100多(5) subsample:训练的实例样本占整体实例样家。论文通过位于德国的1115所 Rossmann连锁本的比例取值范围是(0.1],默认为1。值为0.5商店的历史数据预测未来48天商店的销售额时意味着 Boost随机抽取一半的数据实例来生成Haggle给出了三个数据集: train、test、 store,分树模型,这样能防止过拟合别是训练集测试集和商店基本信息的数据集,对训(6) colsample bytree:在构建每棵树时,列(特练集建模训练,对测试集进行预测。征)的子样本比,参数值的范围是(0,1]数据集基本信息如下(7) objective:默认为reg: linear;(1)训练集 train.csv:时间范围为2013年01月(8)sccd:随机数种子,为确保数据的可重现01日到2015年07月31日,共942天,1017209条性,默认为0。数据。2.2K折交叉验证方法(K一CV(2)测试集test.csv:时间范围为2015年08月论文采用K折交叉验证方法。将原始数据0日到2015年09月17日,共48天,41088条数分为K个子集,每个子集分别验证一次,剩余的K据组子集作为训练数据,这样可得到K组训练集(3)商店基本信息数据集 store.csv:1115条数和测试集以最终的分类平均精度作为性能指标。据,共1115家商店的信息。在实际应用中,K值一般大于或等于2,需要建立K3.2数据的可视化分析及原始特征提取个模型来进行K折交叉验证的实验,并计算K次为了获取影响销售额的基本数据特征,论文对测试集的平均辨识率Gaggle提供的 Rossmann数据集进行了可视化分K折交叉验证的结果能较好说明模型效果,有析,提取原始特征集。效地避免欠拟合与过拟合。在 Boost中,通过(1)顾客数和销售额之间的关系xgb.cv函数来做交叉验证。从图1中可以看出,顾客数和销售额之间存在2.3独热编码(One- hot encoding紧密的正相关关系。由于 Boost仅适用于处理数值型向量,因此处理训练集和测试集时需要将所有其它形式的数10.0据转换为数值型向量,本文采用独热编码将特征值转专换为数值。50独热编码也称一位有效编码,即对于任意时间任意给定的状态,状态向量中只有一位为1,其余6各位为0,将n类特征值转化成n位二进制数串,将顾客数特征的每个对应类设置为1。独热编码将每一个特图1顾客数与销售额的关系曲线征的个取值通过独热编码后转换成了n个二元特(2)促销对销售的影响的可视化分析征,通过该方法将特征转变成稀疏矩阵6。独热编图2和图3中 Promo取1表示当天有促销活码能够解决分类器不好处理属性数据的问题并在动取0表示没有促销活动。从图中可以看出促销一定程度上扩充了特征活动对顾客数并没有太大影响,但销售量却明显提3数据预处理高了,即促销活动并没有吸引更多的顾客,但提高了顾客的购买力,从而提高了销售额。通过查询原始为了获取数据中的有效特征,论文采用探索性数据发现没有促销的情况下顾客平均消费8.94欧数据分析方法对数据进行可视化分析获得数据分元,有促销活动的情况下平均消费10.18欧元布特征,理解原始数据的基本特征,发现数据之间的(3)星期( DayOf Week)对销售影响的可视化分潜在模式.找出数据中的有效特征析21994-2017ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net278南昌大学学报(理科版)2017年40000表2商店薮据基本特征集30000特征名称含义值批20000ore商店号取值:1到1115商店类型10000商店类别分类:逢础类met最近的党争对手的距薮卷:桊商店0离里有761个商店有PromoCompetition-图2促销对销售额的影响Open SinceMonth竞争对手开张的月份月份Open since year竞争对手开张的年份年份数据6000P持续性的促销活动0:无,1:有的4000Prom2 Since Week开始参加Pomo2促销日历上的第几周数的日历周值2000Pomo2 Sincerer开始参加Pm2i年份数据PromoPromoInterval参加Pomn2促销开始Jan,Apr,Jo)e的月份列表Feb, May, Aug, Nov".图3促销对顾客数的影响Mar, Jun, Sept, Dec从图中可以看出,星期日的销售额中位数和上不同的分类特征在训练集和测试集中的比例见四分位数远远高出正常营业日,但是下四分位数却表3~6低于正常营业日,即有些商店星期日营业额高于平表3Open特征取值比例时,但也有一部分商店的销售额低于正常营业日。从图中也可以看出,从周一到周六,周一的销售额偏16.99高一些,星期六的销售额偏低一些test/yo14.5585,4440000表4Prom特征取值比例30000Pramo0凝train61.8538,15批2000test/%50.4239.5810000表5 Stateholiday特征取值比例y星期几1.990.660.40图4销售额在星期1~7中的分布情况test/%99.560.44由于篇幅的关系,对数据的可视化分析不表6 Schoolholiday特征取值比例列岀。根据这些数据的可视化化析,我们提取出如Schoclholiday表1所示和表2所示的训练数据和测试数据原始特test/%55.6544.35征集以及商店数据基本特征集。表1数据原始特征集3.3数据预处理持征名称含义3.3.1数据清洗为获得可训练用数据,我们对原tcre有店号取值:1到1115始数据进行清洗,具体过程如下:DayOfWeek星期几取值:1到7(1)标记异常数据。如商店是开门的,但是销Date时间如2013-01-01Sales销售额数值售额为零的数据为异常数据Customers顾客数数值(2)对训练集的 Sales销售额字段取对数,设置是否开店关店,1:开店为 Saleslog字段;P当天是否有促销0:无促销,1:促销0:非假日,a:公共假日;b:(3)缺失值用一1填充;State Holiday假日复活节,c:圣诞节(4)合并训练集和测试集,添加Set字段,用以SchoclHoliday学校假日0非假日,1:假日分训练集和测试集,值1为训练集,0为测试集;(3)数值化分类特征值。原始数据集中, State21994-2017ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net第3期饶泓等:基于 Boost的商业销售预测holiday分类特征取值为0、a、b、c,无法代入模型计算因此重新编码为0、1、2、3; Store Type分类特4实验结果及分析值为a、b、c、d, Assortment分类特征值为a、b、c,采4.1实验条件用同样方法用整型数据重新编码(1)软件环境(6)分解特征。将原始数据集中Date特征分(a)操作系统: Windows7x64解为 DatcDay、 Datc Wcck、 DatcMonth、 Datc ycar(b)开发平台: Python2.7+R3.4.2DateDay OfYear5个特征(c)第三方库: Python: numpy+ pandas+(7)增加字段 PateNt,即Date转换为整型的 atplotlib I xgboost;R3.4.2库: data table|gg形式lot2tlubridate-zoo-dplyr+scales+xgboost+(8)规范化特征表达。对 Competition- forecast glmnetpen sinceRer和 CompetitionOpenSinceMonth字(2)硬件环境段合并成普通年月的表达,并转化为整型;将Pro处理器:Iner(R)Core(TM)i3-4160CPUcmoZsincc ycar和 Promo2 Since wcck字段合并成普3.60GHz通年月的表达,并转化为整型,增加字段内存:8GBPromo2 SinccInt4.2单 Boost模型()删除偏差大于2.5的异常数据。对特征工程后的所有特征用 Boost模型进行(10)删除存在异常的数据点,如图5所示的异训练,参数如表7所示。常数据。表7单 Boost模型参数25000参数值参数值15000thread500M4M小人Activereg: linear subsamplegrounds20000colsample bytearly stop. round250004.3组合模型0%时你以根据模型的作用将模型分为三类:商店模式模型、数据合并模型、混合模型。商店模式模型:下面采用单个模型是对每个商图5异常数据店进行单独拟合。这类模型关注商店各自的特性,3.3.2特征处理论文根据相关信息背景对数据但是它也错过了可在其他相似商店的模式中获取的进行特征处理:信息(1)增加字段 Competition OpenInt(1)线性模型lm拟合趋势,不带特征交互的(2)添加一些额外的特征,如商店的位置特征 Boost模型拟合残差StoreState发薪日效应特征 PayDay(在一个月的第(2)线性模型lm拟合趋势,带特征交互的Ⅹg个工作日设置特征值为3在随后的两天设置为 boost模型拟合残差2、1)(3)线性模型lm拟合趋势,不同参数值的(3)增加商店平均每天的销售额 Sales PerDay、 glmnet模型拟合残差平均每天的顾客数 CustomersPerDay、平均每天每(4)tslm模型拟合趋势丨季节性,Ⅹ gboost模位顾客的销售额 SalesPerCustomers Per Day作为新型拟合残差。的特征。(5)tslm模型拟合趋势十季节性, glmnet模型(4)增加特征组合,如: store; DayofWeek,拟合残差store: Dayofweek: Promo等等。(6)tslm模型拟合趋势十季节性,Ⅹ gboost模型+ gemnet模型拟合残差。(7)每个商店直接用Ⅹ gboost模型拟合残差。21994-2017ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net·280·南昌大学学报(理科版)2017年这些模型中,含有 Boost模型的模型参数设1.5- A. train-rmspe- B. train-rmspe置如表8,其中模型7中参数 rounds值设为500。1.0-A.validation-rmspe-B validation表8组合 Boost的模型参数0.5参数值0150030004500600075009000参数值RMSPEreg: linear eta0.013C0max _ depth图6在训练集 train和验证集 validation上的 RMSPE值colsamplc bytrcc0.8subsample3.95图7给出了 Boost模型中非组合特征的重要数据合并模型:下列模型使用合并有 store数度得分,从图中可以看出时间类特征和有关竞争对据集和trai训练集的数据集。各个模型的参数设手的特征得分非常髙,这意味着这些特征对模型具置如表9-11有非常大的影响。表9没有特征工程的 Boost模型DateWeek参数参数CompetitionopenIntreg: lineareta0.01SalesperDayPromorounds3000max _depthcolsample bytreesubsampleAssortment 152100000020000003000000F score特征重要度表10有特征工程的 Boost模型图?特征重要度得分参数参数值bjectivereg: linear eta为了对比各模型的泛化效果,我们给出了单类模型(线性模型LM、时间序列线性模型TSLM、基4000subsoIl0.9于 Lasso和 Elastic net正则广义线性模型 glmnet、early stop. round100cclsample bytree极端梯度上升模型ⅹ gboost)和它们之间的组合模型在测试集上 RMSPE值,从而评价模型在测试集表11153个特征十特征交互的 Xgboost模型上的泛化能力。如表13所示参数值参数表13各模型 RMSPE值比较objectivereg: linear etaC.015max depth18模型RMSPE值.20657300CLM一简单的特征处理rounds. 1l.7TSLM+筒单的特征处理cCanvTree0.12751early stop. round100random forest-简单的特征处理glmnet+简单的特征工程3.11974组合模型:通过组合数据合并模型来获取跨多个商Boost十简单的特征工程0.11839店之间共同的特质。模型的残差用商店模式模型中Boost+特征工程Boost+ glmnet+特征工程0.11262的模型来拟合,从而获得每个商店的特质。用Igloos+ glmnet+tslm+lm+特征工程0.1114Gprcomp函数从数据中提取50个主成分,并用Xg从表中可以看出,Ⅹ ghost单模型的能力就优bost模型来拟合、计算残差。模型说明如下:于其它模型,在进行了简单特征工程后, Boost(1)使用线性模型lm拟合趋势,带特征交互的和 gemnet模型相比, Boost模型依然效果更好。glmnet模型+ Boost模型拟合残差,最后我们结合TSLM|LM在处理趋势和季节性上(2)使用tslm拟合趋势和季节性,带特征交互的优势,采用集成方法对 Xgboost+ glmnet进行组的 Boost模型拟合残差。合得出优化模型Ⅹ gboost+ glmnet+tslm+lm+特图6给出模型在训练集和验证集上的 RMSPE征工程, RMSPE值得到较大提升,泛化性能最优的变化过程,横坐标是次数,纵坐标是 RMSPE的值A是人工删除了异常点的数据中的异常数据5结论并没有删除。可以发现在训练集上训练的前500次本论文研究基于 Boost方法对实体零售业销RMSPE的值就迅速的降低到0.2,然后在1750次售额进行预测。论文以德国零售业 Rossmann公就在0.1左右了,可以看出在训练集上效果很好。司1115家实体门店的商场信息和销售数据为薮据21994-2017ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net第3期饶泓等:基于 Boost的商业销售预测281·源,采用 Boost方法对公司销售额进行预测。参考文献通过在特征工程中对原始数据进行特征提取、L1」赵啸彬.基于数据挖掘的零售业销售预测LD.上海:选择和构建,筛选岀用于训练的特征属性;对比Xα上海交通大学.2010boost、随机森林、 GLMNET以及IM、TSIM模型2 CHEN T,HET. Higgs Boson Discovery with boosted等不同方法对销售额的预测结果,表明 Xgboosτ方TreesLCI.JMLR: Workshop and Conference Proceed法无论是训练速度还是在 RMSPE评价标准上都具2015.42:6980有明显的优势。3 ROBERT E. Banfield, Lawrence (. Hall. Kevin WBowyer. W. P. Kegelmeyer, A Comparison of Decision为了进一步提高 Boost预测模型的精度和泛Tree Ensemble Creation Techniques LI]. IEEE Trans-化能力,本文通过大量的特征工程,尝试多种模型的actions on Pattcrn Analysis and machinc intelligence集成学习方法和参数调优,利用 GLMNET和Xg2007,29(1):173-180boost模型拟合残差,并结合IM、TSLM在趋势和[]李航.统计学习方法[M]北京:清华大学出版社,李节性预测的优点,获得组合优化模型。实验表明2012该组合模型在性能上优于单一 Boost预测模型。[5]闻玲·移动平均季节模型在商品销售收入预测中的应这种基于Xⅹ gboost的组合模型不仅适用于对德AJ. Market Modernization, 2010(28):43-45国零售业销售额的预测还可以将此方法应用于国6黄伟陶俊才.一种基于k- means聚类和关监督学习内零售实体业甚至电商平台的销售额预测,对于提的医学图像分割算法[J].南吕大学学报(理科版),2(14,33(1):31-35高商店的运营生产模式、日常管理、价格管理、配送[7 RICE J Mathematical Statics and Data Analysis[M]方式及精准营销具有重要的意义cand Edition, Plymouth: Duxbury Press, 2006: 221-21994-2017ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net

Tensorflow文字定位、tesseract识别

【实例简介】基于超声波的汽车防撞报警系统的设计：包括了硬件和软件的设计，用了protel，proteus，keil等软件编写。用的单片机实现的。

基于simulink的TCR仿真模型，初学，模型比较简单，希望对大家有用。。

本程序用于求解多车型多目标下的车辆路线问题，程序中考虑了两种车型，建立的目标函数是车辆总运营成本最小，考虑的约束有容量约束、最大行驶距离约束和时间窗约束，采用的优化算法是遗传算法，程序内部有详细的注释，方便修改。

基恩士上位机TCP通讯协议，有了这份协议就可以实现上位机TCP协议和基恩士PLC直接通信，不需要购买其他软件了！数据结构简单清晰，一目了然。安全使用注意事项本手册对K∨-7500/KV-5500的内置 EtherNet/P功能、 EtherNet/P单元KVEP21V、KVNC1EP的使用方法、操作步骤及注意事项等进行了说明为充分利用KV-EP21∨、K∨NC1EP的性能,请仔细阅读本手册,充分理解后再使用。符号的意义为了防止对人造成危害以及损坏机器,防患于未然,本书对必须遵守的事项作了如下分类A危险表示若不遵守该注意事项,将导致人员伤亡。△警告表示若不遵守该注意事项,可能导致人员伤亡△小心表示若不遵守该注意事项,可能导致人员遭受轻微或中度的伤害。「注意表示若不遵守该注意事项,将导致本产品损害以及财产损失。重要表示使用过程中,必须遵守的注意事项和使用限制等。要点表示正确使用本产品所必须注意的其它信息。口参考门表示为了更好地理解和使用有关信息所给出的一些小诀窍显示应参考的页码以及其它使用手册的参考页码453CN■一般注意事项在开始工作或操作时,应在确认本产品的功能和性能正常后再使用从故障自保的观点上出发,应采用不通过PLC的方法设置安全回路,以便即使PLC本身发生故障时,也能使整个系统实现故障安全。A警告·由于输出回路和内部回路的故障,有时可能无法进行正常的控制动作。火灾等重大事故原因,请务必设置安全回路不能用于保护人体及人体的一部分。本产品并非设计用于防爆区域,因此切不可将其用于防爆区域。△小心通过本手册中的规定方法以外的其它方法使用本公司产品时,可能会有损本产品具备的保护功能。请注意:在标准规格以外使用,或使用改造的产品,将无法保证其功能和性能。「注意·将本公司产品与其它设备组合使用时,根据使用条件、环境等,有时功能和性能将无法满足,请在充分考虑后使用。CE标志/L认证有关CE标志、UL508认证的注意事项,请参见口《KV7000系列用户手册》、《KV550050003000系列用户手册》、《K∨Nano系列(连接器型)用户手册》、《 KV Nano系列(端子台型)用户手册》2KV-EP21VKV-7500/K∨-5500/KVNC1EP用户手册使用手册的构成1章配置与技术规格本章介绍K∨-7500、KV5500的 EtherNet/P功能、K∨EP21V、KVNC1EP的特点、各部分的名称、功能和技术规格2章单元的安装本章介绍KV7500、KV5500的 EtherNet/e功能、K∨EP21V、KVNC1EP的安装环境、安装到CPU单元上的方法、与以太网的连接方法3章单元设定本章介绍 EtherNet/IP单元的单元设定。4章 therNet/IP通讯功能木章介绍EhNe通讯的原理、功能和必要通讯设定2—3—4-5EtherNet/P设定的操使用 KV STUDIO随付的 EtherNet/IP设置,可设定 EtherNet/P I单元与 EtherNet5章作方法P设备间的隐式(O)报文通讯等。本章将对 EtherNet/P设置的操作方法进行说明KV DATALINK+for使用 KV STUDIO附带的 KV DATALINK+ for etherNet/p,只要按照画面的指示,6章法EtherNet/P的操作方输入所需的项目,就可以方便地设置与 EtherNet/P扫描仪之间的数据发送和接收7章传感器应用功能本章介绍传感器应用、功能和必要设定567898章上位链路通信功能本章介绍上位链路通信功能的工作原理、通信设定、命令和应109章Mc协议通信功能本章介绍MC议通信功能的工作原理、通信设定命令与响应10章邮件收发功能本章介绍邮件收发功能的结构和通讯设定。1211章P服务器功能本章介绍如何基于FTP获取CPU单元的软元件值,写入/读取存储卡,运行/停止CPU单元,以及如何使用访问窗口。1312章FTP客户端功能交本童介绍了在与FTP服务器连接后,如何使用FTP客户端功能上传下我14件1513章简易PC连接功能本章介绍如何使用简易PC连接功能实现数据连接1614章N套接字通讯功能介绍Ky套接字通讯功能的结构和套接字通讯时使用的软元件的功能附录15章访问窗本章介绍 EtherNet/P单元访间窗的操作方法。16章监控器本章介绍“ KV STUDIO"的监控功能和使用方法本章介绍了K∨-7500、K∨5500的 EtherNet/P功能,K∨EP21V,KVNC1EP附录的外形尺寸、软元件列表错误列表、故障排查等,同时还介绍了时钟数据自动调整功能。KV-EP21VKV-7500/K∨-5500/KVNC1EP用户手册目录安全使用注意事项使用手册的构成手册的使用方法.16助记符列表的使用方法16术语检查包装内容18KV-EP21V/K∨NC1EP和KV-LE21V的差别19KV-7500/K∨-5500/K∨-5000的内置 Ethernet功能的差分...第1章配置与技术规格1-1 EtherNet/IP单元概述12何谓 EtherNet|P1-2EtherNet/P单元功能概述141-2各部分的名称1-3技术规格1-8第2章单元的安装2-1检查安装环境2-22-2安装到CPU单元(基本单元)2-3安装到DN轨道2-92-3连接到以太网2-10所用电缆.2-10所用以太网交换机2-11EtherNe|P单元的连接器2-14EtherNet/|P单元与以太网的连接2-15EtherNet/|P单元和PC的直接连接2-16构建以太网时的注意事项2-172-4维护与保养2-18第3章单元设定3-1单元编辑器的设定.3-2单元编辑器的定义.3-2单元编辑器的设定方法3-2设定项目列表3-43-2各项目设定内容3-6功能3-6基本.3-6端口号3-8路由设定EtherNet/P设定3-11FTP客户端设定3-13FTP服务器设定3-14简易PLC连接设定3-14MC协议通信3-15邮件设定3-15时钟数据自动调整功能3-15K∨套接字通讯功能(仅K∨-7500)3-174K∨EP21V/K-7500KV5500/K∨NC1EP用户手册第4章 EtherNet/P通讯功能4-1 EtherNet/P通讯功能概述4-2EtherNet/|P通讯功能概述4-24-2 EtherNet/P通讯功能和设定工具概述4-5EtherNe|P通讯的各种功能与设定工具的关系4-54-3隐式(/O)报文通讯功能4-6概述4-6将隐式(/O)报文通讯设定到运转的流程4-9与隐式(O)报文通讯功能相关的单元编辑器设定4-11扫描列表的设定4-12目标设备端 EtherNet/|P设备的设定4-15EtherNet/P单元(发起设备端)主机的设备设定4-19隐式(/O)报文通讯的开始和停止4-21连接设定4-24标签设定4-38隐式(/O)报文通讯数据的软元件分配4-42cPU软元件和通讯数据的刷新.4-50通讯负荷(负荷率)的计算和限制.4-56使用外围功能时的通讯负荷率标准.4-60隐式(O)报文通讯的消息交换时间(延迟时间)4-62隐式(/O)报文通讯中使用的软元件和程序…4-63隐式(O)报文通讯的停止请求和重新开始请求4-67隐式(O)报文通讯用的专用指令4-69RESCI隐式(/O)报文通讯输入刷新4-70RFSCO隐式(/O)报文通讯输出刷新4-74U CSTOP指定隐式(/O)报文通讯停止请求对象…4-78U CSTRT隐式(/O)报文通讯重新开始请求对象指定4-80U CREG读取隐式(/O)报文通讯登录节点表…4-82U CERR读取隐式(/O)报文通讯错误节点表4-84隐式(O)报文通讯用的专用函数4-86RFSCI隐式(/O)报文通讯输入刷新………4-88RESCO隐式(O)报文通讯输出刷新4-90U CSTOP隐式(O)报文通讯停止请求目标节点指定……4-92U CSTRT隐式(/O)报文通讯重新开始请求目标节点指定4-93U CREG读取隐式(O)报文通讯登录节点表4-94U CERR读取隐式(/O)报文通讯错误节点表4-954-4显式报文通讯(客户端)功能4-96概述4-96显式报文通讯(客户端)功能的数据格式4-97与显式报文通讯(客户端)功能相关的单元编辑器的设定4-98显式报文通讯中使用的软元件4-99报文发送的步骤4-102显式报文通讯(客户端)功能的示例程序..…4-103显式报文通讯用单元专用指令4-105U MSGTO显式报文通讯对象写入4-106U MSGSND显式报文通讯发送数据写入4-108U MSGRCV显式报文通讯接收数据读取4-110U MSGST显式报文通讯完成代码读取4-112显式报文通讯用单元专用函数4-114U MSGTO显式报文通讯对象写入4-115U MSGSND显式报文通讯发送数据写入4-116K∨EP21V/K-7500KV5500/K∨NC1EP用户手册U MSGRCV显式报文通讯接收数据读取.4-117U MSGST显式报文通讯完成代码读取,4-1184-5显式报文通讯(服务器)功能4-119概述4-119显式报文通讯(服务器)功能相关的单元编辑器设定.4-121通讯格式和处理流程4-122各对象表的使用方法4-125PLC对象(类D:65H)4-126Identity对象(级别|D:01H)….4-141Message Router对象(类|D:02H).4-144Assembly对象(类|D:04H)4-145Connection Manager对象(类ID:06H)…4-146TCP/IP Interface对象(类|D:F5H)4-148Ethernet link对象(类ID:F6H)4-151C|P的一般状态一览4-1544-6节点状态获取功能4-156概述.4-156与节点状态获取功能相关的单元编辑器设定4-157节点状态获取功能中使用的软元件4-158节点状态获取功能的步骤和参考程序4-160节点状态获取功能用的单元专用指令4-162U NDtO节点状态获取对象指定4-163U NDSTAT读取节点状态获取结果4-165U SLREG登录节点表读取4-167节点状态获取功能用单元专用函数4-169U NDTO节点状态获取对象指定.4-170U NDSTAT读取节点状态获取结果4-171U SLREG扫描列表登录节点表读取.4-1724-7附录..4-173数据类型和软元件的存储方式4-173C|P的数据相关指令4-175CPMSETC|P消息创建4-176CPMGETC|P消息获取4-181RCPSASCC|P字符串型数据反转换4-185CPSASCC|P字符串型数据转换4-187C|P数据相关函数4-189CPMSETC|P消息创建4-190CPMGETC|P消息获取.4-192RCPSASCC|P字符串反转换4-194CPSASCC|P字符串转换4-195第5章 EtherNet/P设定的操作方法5-1关于 EtherNet/P设定….5-2何谓 EtherNet/E设定5-2EtherNet/|P设定的功能5-3设定流程5-45-2启动和退出 EtherNet/P设定∴5-7启动 EtherNet|P设定5-7退出 EtherNet/P设定5-3画面各部分的名称和功能6K∨EP21V/K-7500KV5500/K∨NC1EP用户手册5-4扫描列表区域扫描列表区域概述5-9扫描列表区域的显示内容..5-10向扫描列表登录设备5-12EtherNet/P设备的删除5-145-5 EtherNet/P设备区域…∴5-15EtherNet/P设备区域概述5-15设备列表”选项卡5-16设备设定”选项卡5-22设备查找"选项卡5-245-6设定..5-31连接设定5-31选项卡设定5-32软元件分配设定…5-33传感器设定备份设定5-35传感器设定成批传送设定.5-355-7输出窗口5-36输出窗口的概述15-36“消息”选项卡5-36“校验”选项卡5-37“设定列表”选项卡…5-385-8文件5-46导入5-46应用.5-47关闭5-475-9编辑5-48剪切/复制/粘贴5-48删除5-48扫描列表5-495-10转换∴5-51跳转至错误行5-51自动分配所有单元.5-51单元内自动分配5-51设定检查5-525-11通讯/工具5-53与实机校验.5-53显式报文通讯5-54传送适配器设定5-55启动 KV DATALINK+ for etherNet|P5-55计算隐式(O)报文通讯负荷5-555-12传送适配器设定5-56传送适配器设定功能的特点5-56传送适配器设定功能的启动与退出5-56传送适配器设定的各部分名称和功能…5-57文件5-61传送适配器设定的执行(通讯)5-63通讯选项5-665-13计算隐式(/O)报文通讯负荷.5-67计算隐式(/O)报文通讯负荷的概述5-67显示隐式(O)报文通讯负荷计算对话框5-67计算隐式(/O)报文通讯负荷对话框各部分的名称和功能5-68K∨EP21V/K-7500KV5500/K∨NC1EP用户手册5-14视图/帮助.5-72工具栏/状态栏/输出窗口…5-72编程区域切换5-73EtherNet/P设定的使用方法5-73第6章 KV DATAL|NK+ for etherNet/p的操作方法6-1 KV DATALINK+ for etherNet/P的概述6-2KV DATAL|NK+ for ethernet/P”的功能6-2设定流程6-36-2 KV DATALINK+ for etherNet/e的启动和退出6-4启动退出6-46-3画面各部分的名称和功能.6-56-4数据链接设定的流程…….6-7数据链接设定的流程6-76-5设定向导的操作方法6-11设定向导的操作方法6-11可以通过设定向导设定的发送接收数据6-156-6设定视图6-19登录扫描器视图..6-19标签设定视图6-21连接设定视图6-25更新到 KV STUDIO项目的连接设定6-336-7更新到 KV STUDIO项目…6-34更新到 KV STUD|O项目6-346-8其他功能6-37文件6-37编辑6-41视图6-44转换6-47工具6-48帮助6-49第7章传感器应用功能7-1传感器应用功能简介7-2概述7-27-2传感器应用功能的设定步骤7-3传感器应用功能的设定步骤7-3传感器应用功能的通用内容7-4与传感器应用功能相关的单元编辑器设定7-4传感器应用功能的同时执行传感器应用功能的兼容性检查7-5ⅥT传感器应用画面强制切换继电器7-6监控传感器应用功能的进度和日志.7-67-4传感器设定备份功能7-7概述7-7传感器设定备份文件.7-10传感器设定备份功能的设定内容7-11执行使用了VT3系列的传感器设定备份功能.17-148K∨EP21V/K-7500KV5500/K∨NC1EP用户手册

利用matlab工具进行对不同海洋环境下声场干涉图案的获取，需要安装atwin声学工具。