结合重钢轧钢厂加热炉温度控制系统，以改善加热炉控制效果，该系统采用了一种基于模糊控制的PLC 温度控制系统。该系统充分应用模糊控制器的智能特点，以及PLC的编程维护方便，抗干扰能力强的优点，提
上传时间： 2013-07-31
上传用户：ouyangtongze
本文主要介绍了`加热炉混合模糊控制的方案。该方案采用了“短周期”预测炉温的模糊控制策略，将模糊控制和PID 控制结合在一起，利用协调因子的在线自整定来确定重油流量，实现了空燃比的自寻优模糊控制。该系统
上传时间： 2013-06-25
上传用户：牧羊人8920
在变强噪音的情况下，语音识别的正确率会迅速下降；当噪声较强并且强度不断发生变化的时候，端点检测是一个难题；提出了两种方法保证噪声较强而且强度不断发生改变情况下的语音识别率：基于LPC距离的端点检测算法
上传时间： 2013-07-19
上传用户：chongcongying
本文运用模糊控制与PID 控制分别对同一受控对象进行控制。通过MATLAB 仿真，表明了模糊控制与传统的PID控制相比明显地改善了控制系统的动态性能。关键词：模糊控制，PID 控制，MATLA
上传时间： 2013-08-01
上传用户：huangzchytems
语音识别技术就是能使计算机“听懂”人类的语言，然后根据其含义来执行相应的命令，从而实现为人类服务。 随着语音识别的深入研究，对它的技术应用主要有两个方面： 一个方向是大词汇量连续语音识别系统，主要应用于计算机的听写机，以及与电话网或者互联网相结合的语音信息查询服务系统，这些系统都是在计算机平台上实现的； 另外一个重要的发展方向是小型化、便携式语音产品的应用，这些应用系统大都使用专门的硬件系统实现。 随着后PC年代的到来，后一种发展将成为语音识别技术和嵌入式系统交叉研究的一个非常热门的话题，将进一步推动语音识别技术往智能化方向发展。 论文主要研究语音识别系统及其在ARM嵌入式平台上的实现。 根据嵌入式系统平台的特性和系统的实际需求，对目标平台的硬件和软件系统进行适当的剪裁定制，并且对语音识别中的算法进行改进和优化，同时为了加强系统的交互性，增加了控制界面，为实际应用提供很好的人机交互操作。 首先论文对嵌入式系统及嵌入式操作系统进行研究，通过实际比较后选用嵌入式Linux作为系统的操作系统； 然后对语音识别技术进行研究，并根据实际要求，采用Mel倒谱参数作为系统语音参数提取算法，DTW作为系统识别的模式匹配方法，并根据ARM嵌入式平台的要求，分别对上述两个算法进行优化设计，同时利用QT跨平台语言对应用控制程序进行代码实现，并移植到目标板上，构建出一个完整的嵌入式语音识别系统。 最后，对整个系统进行整体测试，通过实验结果表明，系统达到了预期设计的便携、智能及很好的交互性的目的。
上传时间： 2013-04-24
上传用户：1054154823
本文以EMS（Escort Memory Systems）的RFID 射频识别读写器LRP830 为例，分别介绍了可编程控制器及微机与RFID 射频识别读写器进行串行通讯，从而读取标识数据的具
上传时间： 2013-06-12
上传用户：fyerd
微型锅炉液位模糊PID控制:本文研究基于Profibus 现场总线和以太网两级网络的过程控制系统实验装置，被控对象是模拟电热锅炉。重点介绍了模糊PID 控制算法在锅炉液位控制实验系统中的应用，说明了实
上传时间： 2013-04-24
上传用户：liglechongchong
生物识别技术是根据人体自身所固有的生理特征或行为特征来进行身份识别。与传统识别方法相比，生物特征的身份识别技术不存在携带不便、丢失、遗忘等问题。虹膜识别以其精确度高、稳定性好、高独特性、非接触等特点作为一种新兴的生物识别技术使它受到国内外研究人员的重视。 近年虹膜识别理论的发展十分迅速，到目前为止已经有虹膜识别系统投入了商业应用，但大多数此类系统都需要PC作为运行平台而缺乏灵活性。但是嵌入式应用是虹膜识别技术走向实际应用的必然趋势。因此本文提出了一个利用DSP+ARM实现虹膜识别嵌入式应用的一个方案。本系统由6个模块组成：电源管理和监控、虹膜图像采集、虹膜图像处理(DSP)、存储器(SDRAM和FLASH)、人机交互(ARM)以及数据传输部分。 在硬件设计方面介绍了DSP的有关知识和DSP系统硬件设计的过程，讲解了DSP系统各硬件模块的设计与调试。在软件设计方面介绍了利用CCS开发的设计流程和调试经验并且对于如何固化代码使系统硬件自举进行详细阐述，另外还介绍了如何基于WINCE利用ARM系统进行人机界面快速开发。 最后，文章对未来工作方向进行了简要的说明。
上传时间： 2013-04-24
上传用户：hwl453472107
数字识别系统源代码 使用说明 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90%。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。 具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。 注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。
上传时间： 2013-06-25
上传用户：wzr0701
本文介绍了在非死卡尔智能赛车竞赛中的一份技术报告：模糊PID控制算法在赛车中的应用
上传时间： 2013-07-13
上传用户：feilinhan
