虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

智能<b>巡检</b>小车

  • 电网月度(年度)检修计划图示化智能分析 技术报告。系统设计了通过B/S模型IE浏览器登陆系统网站上报检修计划

    电网月度(年度)检修计划图示化智能分析 技术报告。系统设计了通过B/S模型IE浏览器登陆系统网站上报检修计划,二级单位主任直接通过网页审批检修计划,实现了上报计划流程的网络化。

    标签: 检修 电网 IE浏览器

    上传时间: 2014-10-31

    上传用户:zaizaibang

  • 智能小车 包括 巡线 避障 寻光源等功能 完整程序

    智能小车 包括 巡线 避障 寻光源等功能 完整程序

    标签: 智能小车 巡线 光源 程序

    上传时间: 2014-11-11

    上传用户:缥缈

  • 智能巡线避障小车设计(学报) 智能巡线避障小车设计(学报)

    智能巡线避障小车设计(学报) 智能巡线避障小车设计(学报)

    标签: 巡线 避障小车

    上传时间: 2013-12-18

    上传用户:lijinchuan

  • 智能巡线绕障小车的设计

    智能巡线绕障小车的设计,采用51单片机,超声波测距。

    标签: 巡线

    上传时间: 2017-06-06

    上传用户:ywqaxiwang

  • 基于XML-J2EE、C/S与B/S混合结构的电子商务智能管理信息系统应用研究

    基于XML-J2EE、C/S与B/S混合结构的电子商务智能管理信息系统应用研究

    标签: J2EE XML 电子商务 智能管理

    上传时间: 2017-07-22

    上传用户:1427796291

  • 基于单片机控制的智能巡线小车的研制

    基于单片机控制的智能巡线小车的研制这是一份非常不错的资料,欢迎下载,希望对您有帮助!

    标签: 单片机 智能小车

    上传时间: 2022-03-03

    上传用户:

  • 基于磁场检测的自平衡巡线智能小车设计

    文中以第七届"飞思卡尔"杯大学生智能车竞赛为背景,以飞思卡尔MC9S12XS128单片机为核心,设计了一种自平衡巡线智能车系统。本设计基于倒立摆的动力学模型,经过卡尔曼滤波算法对陀螺仪和加速度计的输出信号进行处理得到智能车的角速度和倾角,再通过PID运算处理后的输出控制智能车的平衡、前进和转向。实验及实际比赛表明,本智能车系统可稳定运行,具有速度快,转向灵活,抗干扰性强的特点

    标签: 磁场检测 巡线 智能小车 自平衡

    上传时间: 2013-10-08

    上传用户:CHENKAI

  • 1、本系统采用B/S架构

    1、本系统采用B/S架构,是学校智能办公系统的一部分,菜单中的“用户管理”、“权限管理”、“菜单管理”、“帮助主题”已集成在办公系统之中,因此本系统不提供这几项功能。 2、本系统采用集中管理、分工合作的方式,将用户分为五个级别,每个级别的用户只能使用相应的功能,因此,能公平、公正、公开地考评各位教师的教学质量。 3、支持多人同时操作和远程操作,大大缩短数据录入时间。 安装和使用注意事项: 1、将压缩文件解压到IIS目录后,运行cjcl目录下的reg.bat。 2、系统内置五个用户:系统管理、学校领导、成绩录入、班主任、一般用户,其中前四个用户的密码均为1,而一般用户在登录页面只需点提交,一般用户只提供查询功能。 3、使用前先由学校领导创建新任务,录入学校信息、教师信息、班信息等,再由班主任录入学生信息,最后由成绩录入员录入学生成绩。 4、在数据库中的user表中更改或增加用户,在jbqx表中更改每个级别的权限。 如有建议或疑问请与作者联系。

    标签: 架构

    上传时间: 2015-03-11

    上传用户:qlpqlq

  • 本系统采用B/S架构

    本系统采用B/S架构,是学校智能办公系统的一部分,菜单中的“用户管理”、“权限管理”、“菜单管理”、“帮助主题”已集成在办公系统之中,因此本系统不提供这几项功能。 2、本系统采用集中管理、分工合作的方式,将用户分为五个级别,每个级别的用户只能使用相应的功能,因此,能公平、公正、公开地考评各位教师的教学质量。 3、支持多人同时操作和远程操作,大大缩短数据录入时间。

    标签: 架构

    上传时间: 2015-03-16

    上传用户:yan2267246

  • 停车诱导系统中车位预测模型的研究 摘 要 研究城市停车诱导系统的停车车位占有率预测问题。首先提出墓于B P神经网络的车位占有预测模型

    停车诱导系统中车位预测模型的研究 摘 要 研究城市停车诱导系统的停车车位占有率预测问题。首先提出墓于B P神经网络的车位占有预测模型, 同时将自适应 学习速率调整法和加入动量项方法用于改善基本B P神经网络, 优化了学习速率, 减少了训练过程的震荡趋势, 改善了网络的收效 隆。以此为基础实现了停车位的智能预测 0最后, 进行了多种方法比对实验

    标签: 停车诱导 预测模型 城市

    上传时间: 2013-12-17

    上传用户:GavinNeko