登录社区云，与社区用户共同成长
邀请您加入社区
自动驾驶横纵向耦合控制-复现Apollo横纵向控制基于动力学误差模型，使用mpc算法，一个控制器同时控制横向和纵向，实现横纵向耦合控制matlab与simulink联合仿真，纵向控制已经做好油门刹车标定表，跟踪五次多项式换道轨迹，效果完美。内含三套代码，两套采用面向对象编程-一套只对控制量添加约束，一套对控制量和控制增量均添加约束，另外一套采用面向过程编程。在自动驾驶领域，横纵向耦合控制一直是个关
入门SOC估计，二阶RC+全局参数辨识+离线EKF/UKF完全够用，实车测试的话再考虑加自适应参数和温度补偿。参数辨识一定要用自己实验室/自己手头电池的数据！不同批次的软包三元锂参数差得还挺多的，公开数据只能当初始猜测值。如果模型不算特别复杂，雅可比矩阵好推，用EKF就行，实时性比UKF稍微好一点点（因为UKF要算2n+1个sigma点）；如果模型复杂，雅可比矩阵不好推，或者是磷酸铁锂这种OCV-
用PID控制器的时候，先别急着调参，把传递函数里的电感参数摸清楚。外加扰动测试才是真刺激，在磁力输出端接个step模块模拟冲击载荷，看着示波器里曲线像过山车一样俯冲又拉回，这才叫控制算法的压力测试。基于simulink的四自由度磁悬浮轴承控制仿真，包含电流环、位置环、位移解析以及磁轴承模型等，PID控制，到手可用，可仿真外加扰动工况、静浮、动浮等工况，基于simulink的四自由度磁悬浮轴承控制仿
基于温度匀速变化的扩展卡尔曼滤波器(EKF)，可用与pt100 ni100 cu100 ntc 等电阻型的温度传感器。1.全部采用公式计算，不需要储存表格2.通过一阶泰勒公式展开，处理非线性问题在温度测量领域，pt100、ni100、cu100、ntc 等电阻型温度传感器应用广泛。但由于实际情况中温度变化的复杂性以及传感器自身的特性，准确测量温度并非易事。基于温度匀速变化假设的扩展卡尔曼滤波器（E
完整工程里藏着个彩蛋：当温度超过30度时，小车会自动加速10%来"散热"。P1口直接驱动L298N电机驱动板，这里有个隐藏技巧——在转弯指令后加个5ms的小延迟，能有效防止电机堵转。进阶玩法可以接入蓝牙模块，用手机APP控制，只需要把按键检测改成串口指令解析即可。今天咱们来拆解一个基于51单片机的全能型智能车——能躲障碍、会走黑线、测温度，还能手动遥控，LCD屏实时显示数据。有个坑爹的情况：当小车
nmpc非线性模型预测控制从原理到代码实践包含4个案例1 自动泊车轨迹优化2 倒立摆上翻控制3 车辆运动学轨迹跟踪4 四旋翼无人机轨迹跟踪在控制领域，非线性模型预测控制（NMPC）可是个强大的工具，它能处理复杂的非线性系统，在很多实际场景中都有出色的表现。今天咱就来深入了解NMPC，并且结合几个超有趣的案例，通过代码实践来感受它的魅力。
当时搞那个电梯项目的时候，我电脑屏幕上密密麻麻的梯形图看得人头皮发麻。六部十层电梯的联动控制，光是想清楚楼层请求的优先级就够喝一壶的。记得最魔幻的一次调试，五号梯在七楼和八楼之间反复横跳，活像卡BUG的游戏角色。现在想起来，那些用RESET线圈清除楼层标志的深夜，调试时偶然发现用XOR指令能优化状态切换的惊喜，才是这个项目最上头的部分。改完程序后的深夜，六部电梯的楼层指示灯在测试台上交替闪烁，恍惚
在CDC连接器的配置中，特别注意server-id的唯一性设置，以及snapshot.mode的配置，可以选择initial模式进行全量快照后增量同步，或者latest-offset模式仅捕获最新变更。Apache Flink作为一个强大的流处理框架，在与MySQL数据库进行实时数据交互时，能够实现高效的数据摄取、转换和输出。在Kubernetes等容器化环境中部署时，注意网络延迟对数据库连接的影
这个平台并非简单地堆砌工具，而是提供一个统一的、标准化的、安全的入口，让开发团队能够按需、自助地获取所需资源（如测试环境、计算资源、依赖服务），同时嵌入最佳实践和合规性要求。当平台变得越智能、越贴合用户需求，开发者的采纳度和满意度就越高，进而产生更多有价值的数据和反馈，形成一个推动效能持续提升的良性飞轮效应。DevOps的核心是开发与运维的深度融合，但在传统组织架构中，部门墙、严格的权限划分和固有
深度学习检测不准确智能电表:一个案例研究python源代码，代码按照高水平文章复现，保证正确根据用电情况检测出故障的智能电表，并针对其进行更换，可以节省大量的资源。为此，我们开发了一种基于长短期记忆(long -term memory, LSTM)和改进的卷积神经网络(convolutional neural network, CNN)的故障智能电表深度学习检测方法。我们的方法使用LSTM根据从子
核心概念：Tekton 是基于 Kubernetes 的开源 CI/CD 框架，通过自定义资源（CRD）定义流水线。其核心组件包括：
而TSC的杀手锏在于它的"零电压切入"——当交流电压过零点时，晶闸管在电压差最小的瞬间导通，这就像跳华尔兹时精准踩在节拍上的舞步。从机械开关到半导体控制的进化，不仅是技术的迭代，更是控制理念的革新。这提醒我们，在关注控制算法的同时，硬件可靠性同样重要。现场调试时发现个有趣现象：当破碎机启动瞬间，传统的SVC（静态无功补偿器）响应需要3个周波，而我们的TSC方案能在1.5个周波内完成补偿。TSC，晶
摘要： Tekton Pipelines 是一个 Kubernetes 原生的 CI/CD 框架（GitHub 8.9k Stars），通过声明式 YAML 定义流水线，无缝集成 K8s 生态。其核心设计采用云原生理念，Task 以容器为单元运行，实现资源解耦和类型化资源管理，支持灵活替换工具链。适用于构建镜像、多环境部署等场景，与 Argo CD 等工具协同良好。安装简单，提供稳定 v1 API
文章摘要 《Prometheus 监控 Tekton 全栈实战》详细介绍了如何通过 Prometheus 实现云原生 CI/CD 流水线 Tekton 的全面可观测性。文章对比了 Tekton 原生指标与社区导出器的优劣，推荐组合使用控制器内置指标和 tekton-pipeline-exporter 的方案。具体内容包括：启用 Tekton 控制器/metrics 端点的方法、配置 Prometh
Argo CD 是一款基于 GitOps 模型的 Kubernetes 持续交付工具，通过声明式配置实现应用的自动化部署、同步和回滚。其核心思想是将 Git 仓库作为应用状态的唯一真实来源，确保 Kubernetes 集群的实时状态与 Git 中定义的期望状态一致。Tekton 是由 Google 开源的云原生 CI/CD 工具，通过K8S云平台快速灵活定义流水线，实现构建、测试和部署。
Jenkins 作为开源CI/CD领域的领导者，支持超过 1000 个插件，覆盖构建、部署、测试等各个环节，使其成为开发生命周期的核心工具。Tekton 是由 Google 开源的云原生 CI/CD 工具，通过K8S云平台快速灵活定义流水线，实现构建、测试和部署。Arbess 是由 Tiklab 团队开发的企业级CI/CD根据，主要包含流水线管理、流水线设计、流水线执行、测试报告、统计分析等模
GitLab CI 是 GitLab 内置的自动化工具链，提供从代码提交到生产部署的全流程支持，其核心优势在于与 GitLab 代码仓库的无缝集成。Tekton 是由 Google 开源的云原生 CI/CD 工具，通过K8S云平台快速灵活定义流水线，实现构建、测试和部署。Arbess 是由 Tiklab 团队开发的企业级CI/CD根据，主要包含流水线管理、流水线设计、流水线执行、测试报告、统
Sealed Classes（密封类）是Java 17中引入的一项重要特性，它允许开发者明确控制哪些类可以继承或实现特定的类或接口。通过使用sealed关键字，开发者可以定义一个有限的、已知的子类层次结构，从而在编译时增强类型安全性并减少运行时错误。Java 17的Sealed Classes为开发者提供了更强的类型系统控制能力，通过编译时的严格检查显著提升了代码的安全性和可靠性。同时，它促进了更
随着现代标准的普及，智能指针（如unique_ptr, shared_ptr）的引入使得资源管理变得更加安全和便捷，理解其原理和适用场景是现代开发者的必备技能。学习如何将现实世界的问题抽象为类和对象，如何通过封装来隐藏内部实现细节，以及如何利用继承和多态来设计灵活且可扩展的代码结构，是提升代码质量的重要环节。保持好奇心，关注语言标准的新进展，阅读优秀的开源代码，参与技术社区的讨论，都是不断提升编程
Matlab 并联机器人，Stewart并联平台仿真，运动学逆解并联机器人运动学、动力学、算法、三维仿真Matlab / Simulink / simscape 仿真自建仿真。在机器人领域，并联机器人因其独特的结构和出色的性能备受关注，而Stewart并联平台更是其中的经典代表。今天咱就来唠唠如何用Matlab对Stewart并联平台进行全方位的仿真，从运动学逆解到动力学分析，再到酷炫的三维仿真。
最后说个骚操作：用SQL的FOR XML PATH直接把数据拼成HTML表格，在WinCC的WebBrowser控件里直接渲染。这段代码里的坑主要在连接字符串格式，特别是SQL身份验证和Windows验证的切换（用Integrated Security=SSPI替代账号密码）。最近在车间折腾WinCC报表的时候发现个挺有意思的事儿——这玩意儿配合SQL数据库能玩出不少花样。先来个最基础的日报表模板
无人驾驶车辆轨迹跟踪与模型预测控制第二版书中配套程序整理，包括MATLAB simulink模型与Carsim par文件。一共从第二章到第八章。已经完全适配Carsim2019与MATLAB2018a以上版本，最好为MATLAB2021a。包括相关的电子资料。非常适合学习模型预测控制，轨迹跟踪，路径规划等能够运行没问题。最近在研究无人驾驶相关技术，发现《无人驾驶车辆轨迹跟踪与模型预测控制第二版》
基于 win10+Python3.7的环境，利用Python的OpenCV、Sklearn和PyQt5等库搭建了一个较为完整的手势识别系统，用于识别日常生活中1-10的静态手势。基于 win10+Python3.7的环境，利用Python的OpenCV、Sklearn和PyQt5等库搭建了一个较为完整的手势识别系统，用于识别日常生活中1-10的静态手势。基于python+opencv的手势识别系统
《技术人转型VC实战手册》揭示了测试工程师思维与风险投资的深层契合。通过系统化拆解测试方法论在投资场景的迁移应用，构建了独特的转型框架：1）将缺陷分析转化为风险预判矩阵；2）重构ISO质量模型为创业评估维度；3）开发技术尽调TDaaS框架；4）利用混沌工程等硬核技能构建投资武器库。手册特别警示12个转型陷阱，强调技术洁癖的资本化处理。案例证明，测试工程师对失效模式的直觉预判，往往比传统财务模型更能
摘要：本文探讨递归算法在离婚房产分割中的应用，从软件测试视角提出解决方案。通过Python伪代码实现递归分割函数，将复杂房产列表公平拆分为两个价值相近的子集。重点分析测试策略：边界值测试覆盖空列表、单一房产等极端情况；路径测试确保递归分支全覆盖；性能测试解决O(2^n)复杂度问题。文章强调测试驱动开发(TDD)的重要性，建议采用记忆化优化和动态规划改进递归性能，最终实现误差率低于1%的法律合规分割
TCN是一种专门处理序列数据的卷积神经网络架构。与传统的循环神经网络（RNN）不同，TCN通过卷积操作来捕捉序列中的长期依赖关系，不仅计算效率高，而且避免了RNN中梯度消失或爆炸的问题，这使得它在时间序列预测等任务中表现出色。通过以上Matlab代码，我们成功地利用TCN卷积神经网络实现了多输入多输出的拟合预测建模。当然，实际应用中还需要根据具体数据特点和任务需求，对网络结构、训练参数等进行调整优
Tekton Pipelines、Jenkins X与GitLab Auto DevOps各自以独特的方式诠释了云原生CI/CD的最佳实践。Tekton以其高度的灵活性和Kubernetes原生特性吸引着追求极致自定义的开发者；Jenkins X则凭借其自动化程度和成熟的生态系统，为团队带来高效的持续交付；GitLab Auto DevOps则提供了一站式解决方案，简化了从代码到生产的全过程。选择
Tekton、Argo与GitLab CI，犹如云原生CI/CD的三剑客，各有千秋，满足不同场景下的自动化需求。选择合适的工具，就如同为你的云原生项目装备上了最趁手的武器，让持续集成与交付之旅畅通无阻。Argo，以workflow为中心，擅长复杂工作流的编排，特别是Argo CD和Argo Workflows的组合，让CI/CD流程自动化达到新的高度。Tekton，全副武装的Kubernetes原
因为 EventListener 最终需要创建 taskrun、pipelinerun 同时会查询一些其他信息，因此需要为其配置一个 serviceAccount，同时还需要为这个 serviceAccount 赋予相应的权限。EventListener 是一个 Kubernetes 对象，用于侦听 Kubernetes 集群上指定端口上的事件。TriggerTemplate 是指定资源蓝图的资源
Tekton 的前身是 Knative 项目的 build-pipeline 项目，这个项目是为了给 build 模块增加 pipeline 的功能，但是随着不同的功能加入到 Knative build 模块中，build 模块越来越变得像一个通用的 CI/CD 系统，于是，索性将 build-pipeline 剥离出 Knative，就变成了现在的 Tekton，而 Tekton 也从此致力于提
关注回复【学习交流群】加入【安全开发运维】答疑交流群请朋友们【多多点击文中的广告】，支持作者更新更多文章。目录:0x00 企业中使用云原生CI工具Tekton从git克隆源代码到镜像构建实践1.前言简述描述: 由于作者的工作及下一步学习计划的需要，作者将原本企业中的Jenkins持续集成环境，换为了更适合在云原生中进行CI-持续集成工具，即 Tekton 是一个开源的云原生 CICD（持续集成和持
Tekton Dashboard先给大家看下部署完之后的仪表盘页面：Tekton仪表板是Tekton Pipelines基于Web的通用UI。它允许用户管理和查看Tekton PipelineRun和TaskRun,以及在tekton中创建，执行和完成过程中涉及的资源。它还允许按标签过滤PipelineRun和TaskRun。本篇将简单介绍dashboard及其安装，当然也会将下该工具在开发...
Matlab小波变换双端行波测距凯伦布尔变换放射状配电网单相故障测距Simulink模型及对应程序。配有对应说明及原理参考文献，适合初学者学习。在电力系统领域，准确的故障测距对于快速恢复供电、保障电力系统稳定运行至关重要。今天咱们就来聊聊如何利用Matlab中的小波变换、双端行波测距以及凯伦布尔变换，结合Simulink模型和对应程序，实现放射状配电网单相故障测距，特别适合初学者上手学习哦。
本文摘要了Tekton这一Kubernetes原生CI/CD工具的核心概念和使用方法。Tekton将CI/CD流程转化为Kubernetes资源，通过Step、Task、Pipeline等组件构建流水线。Step是最小执行单元，Task是一组Steps，Pipeline编排多个Tasks。文章用生活化比喻解释这些概念，如将Step比作烹饪动作、Task比作一道菜、Pipeline比作整桌宴席，并提
Tekton是一个Kubernetes原生开源CI/CD框架，由谷歌开源并基于CRD（CustomResourceDefinition）实现。它提供Task、Pipeline等核心概念，支持跨多云平台的构建、测试和部署。相比传统工具，Tekton具有轻量级、配置与流程分离、可复用组合等优势。文章详细介绍了Tekton的安装步骤、核心概念（Task/Pipeline/PipelineResource
主要内容：代码主要实现了考虑电动汽车参与削峰填谷的场景下，电动汽车充放电策略的优化，是一个多目标优化，目标函数一方面考虑了电动汽车综合负荷以及电池退化损耗成本，一方面考虑了削峰填谷的峰谷差和负荷波动最低，所以为三目标约束，最后通过赋权值以及化简将三目标问题化简为单目标问题进行求解，求解结果可以看出来电动汽车参与后，负荷曲线有明显改善，结果合理正确！不过也有翻车的时候，第一次跑仿真忘记设置电池SOC
实现电、热、气、氢四能流的统一建模与协同优化；引入阶梯碳交易机制，真实反映碳成本对调度决策的影响；精准刻画多元储能的运行特性，释放其在多时间尺度下的调节潜力；以工程可行为前提，兼顾经济性与可持续性。该框架可作为园区级、区域级 IES 规划与运行的参考范式，亦可进一步扩展至考虑不确定性（如风电预测误差）、多时间尺度协调（日前-日内）、或与上级电网/气网互动等更复杂场景。
配电网电压与无功协调优化以最小化运行成本（包含开关动作成本、功率损耗成本以及设备运行成本）和电压偏差为目标函数，考虑分布式电源的接入，采用线性化和二次松弛方法，将非凸模型转化为二阶锥规划模型，通过优化变压器分接头位置，电容器接入组数以及sop的输出功率，实现电压与无功控制，并对多个场景进行对比分析。
基于萤火虫算法优化BP神经网络(FA-BP)的多输出数据回归预测FA-BP多输出数据回归matlab代码注：暂无Matlab版本要求--推荐2018B版本及以上在数据预测领域，BP神经网络是一种常用且有效的模型，但它容易陷入局部最优解。而萤火虫算法（Firefly Algorithm，FA）具有较强的全局搜索能力，将两者结合（FA - BP）可以提升多输出数据回归预测的性能。下面我们就来看看如何使
tekton
——tekton
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
天工造物局
乐奇 Rokid 开放社区
码道开发者社区
亚马逊云科技技术品牌专区
AI编程社区
AI Agent技术社区
DAMO开发者矩阵
脑启社区
腾讯云开发者社区
AtomGit开源社区
开源鸿蒙跨平台开发者社区
