作为电流源输出,需要在后级输出采用0.1欧采样电阻来采样电流,采样电流经运放放大后送至单片机AD进行计算,单片机即可获得实际输出电流大小,由此根据设定电流值大小进行比较判断再控制DA输出,即可修正输出电流与设置电流一致.采样经放大的电流一部分又经运放组成比较器电路,采样电流与电位器可设置的比较电压进行比较,当电流大于比较电压,即可改变运放输出的高低电平状态,运放输出接单片机IO口,单片机将此IO设

感应异步电机的无传感器矢量控制，完整的C代码+仿真模型：1. 基于“电压模型+电流模型”的磁链观测器，实现转子磁场定向控制（FOC），可实现电机在低速、中高速段的高精度的转速估算；代码已经成功移植到DSP芯片（TMS320F28335）和STM32中，对一台额定功率为33kW的异步电机进行了无传感器矢量控制，波形和试验台架数据见下图。2. 可实现电机带满载零速启动，抗负载扰动性强，响应速度快，控制

先说核心思路：利用电机旋转时产生的反电势作为位置观测信号。参考实现代码和仿真模型我扔在GitHub了（地址见评论区），里边有个隐藏菜单：在初始化脚本里输入"magic 42"会解锁所有调试波形（别外传）。转速600rpm时位置跟踪波形显示，观测角度（黄色）与实际转子位置（蓝色）基本重合，但过零点附近会有个约3us的毛刺。最近在实验室折腾同步磁阻电机的无感控制方案，发现反电势法在SynRM中高速段的

最近翻出个LabVIEW 2018的老框架，意外发现这玩意儿完美平衡了灵活性和上手难度——不用啃TestStand手册，也不用被面向对象编程劝退，实测三小时就能让产线动起来。玩自动化测试的尽头，果然还是得会偷懒啊。权限管理可能是最有趣的部分，十级权限其实用了个取巧的设计：用户登录后把权限等级转成枚举常量，每个关键操作前先用条件结构过滤。基于LabVIEW 2018开发的自动化测试系统源码，该系统模

状态空间取需求功率和SOC（电池电量），控制量锁定EGS的输出功率。假设需求功率范围0-80kW，SOC维持在20%-80%，EGS功率离散化为10个档位。更妙的是，算法自己摸索出了类似"浅充浅放"的电池使用策略，这原本是工程师们多年总结的经验，现在被神经网络无师自通了。查看Q值分布发现，即使在高SOC时，保留少量发动机功率可以应对突发的功率需求，这种防抖策略比人工规则更细腻。这个简单的队列平均有

BTT导弹六自由度仿真simulink完整模型；STT导弹六自由度仿真simulink完整模型；BTT导弹6DOF仿真总体方案、各模块数学模型包含Simulink目标模型、Simulink导弹模型、Simulink导引头模型、Simulink导引规律模型、Simulink控制规律模型、Simulink舵机模型及完整的仿真报告文件所有模型均可自行设置参数、修改及二次优化；在导弹控制系统的研究中，六自

仿真结果（此处脑补完美跟踪的转速曲线）显示，从1000rpm阶跃到2000rpm时调节时间不到0.2秒，稳态误差控制在±3rpm以内。有个坑是当转速突变时霍尔信号跳变可能不连续，后来在速度环PI控制器里加了个抗积分饱和才搞定。转速环的PI参数调得我头大，最后锁定在Kp=0.15，Ki=2.8。无刷直流电机带霍尔传感器仿真，采用自建的无刷直流电机部分。无刷直流电机带霍尔传感器仿真，采用自建的无刷直流

冠豪猪优化器(CPO)是一种受冠豪猪的各种防御行为启发的算法，该算法具备强大的全局搜索和局部搜索能力，能够在复杂的搜索空间中找到最优解。冠豪猪优化器(CPO)是一种受冠豪猪的各种防御行为启发的算法，该算法具备强大的全局搜索和局部搜索能力，能够在复杂的搜索空间中找到最优解。这意味着，我们的方法能够在城市复杂环境中，快速而准确地为无人机规划出一条既安全又高效的飞行路径，为无人机的实际应用提供了有力支持

Matlab肺结节分割(肺结节提取)源程序，也有GUI人机界面版本。使用传统图像分割方法，非深度学习方法。使用LIDC-IDRI数据集。工作如下：1、读取图像。读取原始dicom格式的CT图像，并显示，绘制灰度直方图；2、图像增强。对图像进行图像增强，包括Gamma矫正、直方图均衡化、中值滤波、边缘锐化；3、肺质分割。基于阈值分割，从原CT图像中分割出肺质；4、肺结节分割。肺质分割后，进行特征提取

MIMO雷达的基本思想是通过多个天线同时发射和接收信号，从而利用空间信息来增强目标检测和测角能力。与传统雷达相比，MIMO雷达在阵列设计和信号处理方面具有更大的灵活性。例如，可以利用多发射波形的正交性来减少干扰，并通过多接收通道的信息融合来提高检测精度。# 简单的MIMO雷达系统示意图# 创建发射和接收天线阵列# 绘制发射和接收天线plt.show()从图中可以看出，发射和接收天线分别位于不同的位