机械自动化的基础课程，包含线性系统模型的描述与稳定性判断等，是基础入门级资料
上传时间： 2016-06-19
上传用户：古越阳明子
实验源代码 //Warshall.cpp #include<stdio.h> void warshall(int k,int n) { int i , j, t; int temp[20][20]; for(int a=0;a<k;a++) { printf("请输入矩阵第%d 行元素:",a); for(int b=0;b<n;b++) { scanf ("%d",&temp[a][b]); } } for(i=0;i<k;i++){ for( j=0;j<k;j++){ if(temp[ j][i]==1) { for(t=0;t<n;t++) { temp[ j][t]=temp[i][t]||temp[ j][t]; } } } } printf("可传递闭包关系矩阵是:\n"); for(i=0;i<k;i++) { for( j=0;j<n;j++) { printf("%d", temp[i][ j]); } printf("\n"); } } void main() { printf("利用 Warshall 算法求二元关系的可传递闭包\n"); void warshall(int,int); int k , n; printf("请输入矩阵的行数 i: "); scanf("%d",&k); 四川大学实验报告 printf("请输入矩阵的列数 j: "); scanf("%d",&n); warshall(k,n); }
上传时间： 2016-06-27
上传用户：梁雪文以
#include "iostream" using namespace std; class Matrix { private: double** A; //矩阵A double *b; //向量b public: int size; Matrix(int ); ~Matrix(); friend double* Dooli(Matrix& ); void Input(); void Disp(); }; Matrix::Matrix(int x) { size=x; //为向量b分配空间并初始化为0 b=new double [x]; for(int j=0;j<x;j++) b[j]=0; //为向量A分配空间并初始化为0 A=new double* [x]; for(int i=0;i<x;i++) A[i]=new double [x]; for(int m=0;m<x;m++) for(int n=0;n<x;n++) A[m][n]=0; } Matrix::~Matrix() { cout<<"正在析构中~~~~"<<endl; delete b; for(int i=0;i<size;i++) delete A[i]; delete A; } void Matrix::Disp() { for(int i=0;i<size;i++) { for(int j=0;j<size;j++) cout<<A[i][j]<<" "; cout<<endl; } } void Matrix::Input() { cout<<"请输入A:"<<endl; for(int i=0;i<size;i++) for(int j=0;j<size;j++){ cout<<"第"<<i+1<<"行"<<"第"<<j+1<<"列:"<<endl; cin>>A[i][j]; } cout<<"请输入b:"<<endl; for(int j=0;j<size;j++){ cout<<"第"<<j+1<<"个:"<<endl; cin>>b[j]; } } double* Dooli(Matrix& A) { double *Xn=new double [A.size]; Matrix L(A.size),U(A.size); //分别求得U，L的第一行与第一列 for(int i=0;i<A.size;i++) U.A[0][i]=A.A[0][i]; for(int j=1;j<A.size;j++) L.A[j][0]=A.A[j][0]/U.A[0][0]; //分别求得U，L的第r行，第r列 double temp1=0,temp2=0; for(int r=1;r<A.size;r++){ //U for(int i=r;i<A.size;i++){ for(int k=0;k<r-1;k++) temp1=temp1+L.A[r][k]*U.A[k][i]; U.A[r][i]=A.A[r][i]-temp1; } //L for(int i=r+1;i<A.size;i++){ for(int k=0;k<r-1;k++) temp2=temp2+L.A[i][k]*U.A[k][r]; L.A[i][r]=(A.A[i][r]-temp2)/U.A[r][r]; } } cout<<"计算U得:"<<endl; U.Disp(); cout<<"计算L的:"<<endl; L.Disp(); double *Y=new double [A.size]; Y[0]=A.b[0]; for(int i=1;i<A.size;i++ ){ double temp3=0; for(int k=0;k<i-1;k++) temp3=temp3+L.A[i][k]*Y[k]; Y[i]=A.b[i]-temp3; } Xn[A.size-1]=Y[A.size-1]/U.A[A.size-1][A.size-1]; for(int i=A.size-1;i>=0;i--){ double temp4=0; for(int k=i+1;k<A.size;k++) temp4=temp4+U.A[i][k]*Xn[k]; Xn[i]=(Y[i]-temp4)/U.A[i][i]; } return Xn; } int main() { Matrix B(4); B.Input(); double *X; X=Dooli(B); cout<<"~~~~解得:"<<endl; for(int i=0;i<B.size;i++) cout<<"X["<<i<<"]:"<<X[i]<<" "; cout<<endl<<"呵呵呵呵呵"; return 0; }
标签： 道理特分解法
上传时间： 2018-05-20
上传用户：Aa123456789
论文-基于红外热成像技术的猪体温检测与关键测温部位识别63页摘要 实现猪体温测量自动化有利于实时监测猪的健康状况、母猪发情和排卵检测等 生理健康状况。本文采用红外热成像仪采集猪的红外热图像，引入化学计量学建模 方法建立体表温度、环境温度与直肠温度间的多元校正模型，同时提出两种关键测 温部位的自动检测方法。主要结论总结如下： (1)建立了母猪体表温度、环境温度与母猪体温之间的一元和多元线性回归模型。研 究发现， 9个身体区域提取的体表温度与直肠温度呈正相关(产O．34～0．68)，其中， 基于耳根区域体表温度平均值建立的一元回归方程效果最优，预测集相关系数RP与 均方根误差RMSEP分别为0．66和0．420C。全特征模型相比一元线性回归方程有更 好的预测效果，RP和RMSEP分别为0．76和O．370C。此外，应用特征选择方法LARS． Lasso确定了7个重要特征建立简化模型，其校正集和预测集的R分别为0．80和 0．80，RMSEs分别为0．30和0．350C。 (2)将卷积神经网络应用于生猪主要测温部位(眼睛和耳朵区域)的直接分割。利用 python构建了四种不同结构的卷积神经网络模型FCN一1 6s、FCN．8s、U．Net一3和U． Net．4。对比分析4种卷积神经网络模型的性能，结果表明U-Net．4网络结构的分割 效果最优，平均区域重合度最高为78．75％。然而，当计算设备的计算力不够时，可 以选用U．Net一3模型以达到较好的分割效果。 (3)提出猪只眼睛及耳根区域关键点的识别方法，将猪只主要测温部位的检测问题 转变为主要测温部位的定位问题。设计具有不同深度的卷积神经网络架构A．E，得 出架构E最优。且当Dropout概率设置为0．6时模型效果最好，验证集平均误差和 预测集平均误差分别为1．96％和2．65％。测试集单张猪脸关键点的预测误差小于5％ 和10％的比例分别为89．5％和97．4％。模型能够很好的定位猪脸关键点，用于猪只 体温测量。 本文采用红外热像仪测量母猪体表温度，通过化学计量学建模为非接触母猪直 肠温度测量提供了更准确、可靠的方法，同时提出两种关键测温部位的自动检测方 法，有助于实现母猪体温测量自动化，为生猪健康管理提供参考。
标签： 红外热成像技术
上传时间： 2022-02-13
上传用户：jiabin
随着软开关技术和并联均流技术的发展，高性能的大功率高频开关电源的研究与开发已成为电力电子领域的重要研究方向。针对大功率电源在性能、重量、体积、效率和可靠性方面的要求，本文主要对高效率的开关电源主电路结构和并联均流控制技术进行研究，并研制出一种基于LLC谐振的交流电力机车智能控制充电机系统。交流传动电力机车对其所用的大功率蓄电池充电机的工作效率要求达到90%以上，这是采用硬开关技术的开关电源难以达到的。根据这种开关电源功率大、效率要求高的特点，充电机主电路采用了LLC谐振全桥电路的结构。选取谐振元件参数是设计LLC谐振全桥电路的重点和难点，本文通过建立LLC全桥谐振变换器的线性等效模型，详细分析了LLC谐振全桥的频率、短路和空载特性，提出一套完整的LLC谐振全桥电路结构的参数设计方法。本充电机最大输出电流为150A，为此设计采用了5个30A电源模块并联供电的模式。论文依据设计要求选取LLC谐振全桥电路的元件参数，利用 SABER仿真验证了参数的正确性：并完成了整个电源模块主电路其它器件的参数选择；控制电路采用通用PWM调制芯片SG2525实现PFM调频控制。实现了电源模块的高频ZVS（零电压开关）软开关，有效地提高了电源模块的转换效率，减小了单模块的体积。通过对几种常用的负载均流方法进行研究和电路分析，根据主从均流控制的特点，采用CAN总线实现主从均流法，数字均流的采用提高了系统的抗干扰能力；设计了监控模块对各电源模块和整体输出进行监控；通过CAN总线接口和人机接口的设计，提高了电源系统的智能化和可操作性。实现了多个电源模块并联供电的模式最后给出了电源模块的实验结果和电源系统并联运行的测量数据，实验证明了理论分析的正确性和设计方法的合理性。
上传时间： 2022-04-04
上传用户：
双足步行机器人（Biped Walking Robot）是一种仿人机器人，是移动式机器人领域中一类重要的仿生系统。双足步行机器人作为一种移动式机器人，它与轮式，履带式机器人相比有许多优点与优越性。由于双足步行机器人的行走具有独特的适应性和拟人性，其行走控制成为当今研究的热点。步行运动模式与运动控制是影响双足步行机器人技术进步的重要问题，也是双足步行机器人成功而有效地实现稳定步行的理论基础和技术关键。本文针对双足步行机器人步行模式生成与步行控制相关问题进行了研究，并在虚拟现实的实验环境中实现了机器人以给定步行模式的行走。取得的主要科研成果有：第一：基于平面倒立摆线性模型的双足步行机器人步行运动模式生成。本文对双足步行机器人的动力学模型进行了简化，采用平面倒立摆的线性化模型作为双足步行机器人步行模式生成的简化模型。设计了基于倒立摆线性化模型步行模式生成算法，对双足步行机器人前向行走，侧向行走与拐弯行走的腰部重心位置轨迹与速度轨迹进行了规划。对于双足步行具有双脚作支撑期的特点，本文采用了七次多项式插值，分两阶段对具有双脚支撑期的步行运动的腰部运动轨迹进行规划，实现了期望的运动模式。第二：基于小脑模型控制器的双足步行机器人逆运动学控制系统。本文针对双足步行机器人腿部逆模型求解问题，提出一种基于小脑模型连接控制网络CMAC（Cerebellar Model Articulation Controller）的机器人逆运动学控制方法。机器人腿部正运动学模型采用Denavit-Hartenberg方法进行建模，在建立双足步行机器人正运动学模型基础上，设计了基于CMAC的控制系统。系统采用两个CMAC直接控制机器人的腿部运动。两个CMAC逆模型控制器分别逼近步行机器人支撑腿与摆动腿的逆模型，实现了对腰部运动轨迹的跟踪控制。第三：基于虚拟现实环境的双足步行机器人行走控制实验。
上传时间： 2022-06-19
上传用户：1208020161
一、 一元三次回归方程 CubicMultinomialRegress.cs 方程模型为Y=a*X(3)+b*X(2)+c*X(1)+d public override double[] buildFormula() 得到系数数组，存放顺序与模型系数相反，即该数组中系数的值依次是d,c,b,a。 以后所述所有模型的系数存放均与此相同（多元线性回归方程除外）。 public override double forecast(double x) 预测函数，根据模型得到预测结果 public override double computeR2() 计算相关系数（决定系数），系数越接近1，数据越满足该模型。
标签： CubicMultinomialRegress override public double
上传时间： 2015-11-25
上传用户：13215175592
本系统采用A. 系统需求分析报告(设计方法/数据流图/数据字典) B. 数据库的信息要求报告（E—R图及关系数据模型） C. 数据库的操作和应用要求报告（模块结构图<概念结构设计及逻辑结构设计>） D. 调试中出现的问题及解决方法（物理设计,调试及运行，维护） E. 访问数据库的方式(ODBC,
上传时间： 2013-12-27
上传用户：日光微澜
学生论文在线管理系统 采用B/S模型 学生可以从浏览器中提交 浏览论文
上传时间： 2014-01-08
上传用户：ukuk
inside the c++ object model.深入c++对象模型。鼎鼎大名的Stanley B. Lippman 写的。搞c++编程的能不看吗？
上传时间： 2013-12-22
上传用户：佳期如梦
