毕竟FPGA的乐趣就在于，你能把硬件玩成橡皮泥，随便捏出想要的计算结构。一个fpga控制多个电机，目前一个fpga最多控制6伺服驱动，所有内容均有fpga完成，控制曲线(T曲线)，位置环，速度环，电流环，低通滤波等，以及各种变换，三环的pid。一个fpga控制多个电机，目前一个fpga最多控制6伺服驱动，所有内容均有fpga完成，控制曲线(T曲线)，位置环，速度环，电流环，低通滤波等，以及各种变换

代码全放在Github上了，随便改着玩——把卷积核改成5x5，多加几层全连接，或者换成Adam优化器，观察准确率变化，这才是学习的最佳姿势。比如第一层卷积出来的特征图，能看到各种边缘响应，越往后的层特征越抽象。程序运行环境为MATLAB 2021b，为深度学习的简单入门介绍，并以手写数字图像识别为例进行说明，程序标注清晰，极易入门学习。程序运行环境为MATLAB 2021b，为深度学习的简单入门介

最近在折腾分布式电容器选址定容的项目，发现粒子群算法在这事儿上挺灵光。先看电网老哥的现状：没装电容时（base case），线路电流大得离谱，变压器都快哼出颤音了。以减小网损和成本费用最低为目标函数，通过粒子群算法计算，求得使目标函数最优的布式电容器接入系统的节点位置和容量。以减小网损和成本费用最低为目标函数，通过粒子群算法计算，求得使目标函数最优的布式电容器接入系统的节点位置和容量。粒子群的核心

WinCaps3的帮助文档是藏在安装目录下的CHM文件，但Win10/11默认会阻止这类文件打开。调试机械臂本身已经够头秃了，别再让软件安装消耗你的发量。官方给的安装包经常是多个版本的混合体，有次我手滑装了2021版驱动结果把2019的runtime搞崩了。最近在调试DENSO机械臂的时候，发现不少同行在WinCaps3的安装和授权环节翻车。今天就结合自己的踩坑经验，聊聊怎么搞定这个工业机器人界的

中间那个Dropout是后来加的——有次训练集准确率飙到99%但验证集卡在85%，明显过拟合了，加个0.3的dropout立马稳住。实际跑的时候发现有些易拉罐图片会被误判成塑料瓶，于是在数据里混了些商品包装的特写图，效果立竿见影。不过遇到碎纸机处理的文件碎片还是会误判，可能得加个文本检测模块来辅助，这是后话了。试了挺多方案，最后还是用MobileNet搞定了。模型搭建才是重头戏。MobileNet

这套系统在ISIC2018数据集上能达到89%的Dice系数，但实际部署时发现对毛发的干扰比较敏感。现在回头看，医学影像项目最大的挑战不是模型本身，而是如何让模型理解哪些是真正有临床意义的特征。这里3x3卷积配合BatchNorm已经是标配，但有个细节——inplace=True参数能节省内存，实测在1080Ti上能让batch_size增大20%。这个领域最有趣的地方在于，皮肤病变边缘往往模糊不

实际跑仿真时发现，当入射角控制在56°左右（别问我怎么测出来的，试了三十多个角度值），环氧树脂层的热影响区会缩小42%——可能跟菲涅尔反射的临界角有关。跑出来的温度场动画里，环氧树脂层像被无形之手精准剥离，纤维基底的温度始终控制在200°C以下——刚好是常见复合材料的玻璃化转变临界点。在COMSOL里建模时有个小细节特别关键：把环氧树脂层的厚度参数设为全局变量。表面一层50μm厚度的环氧树脂(可更

实测中发现，当算法陷入局部最优时，这种反向操作能像凸透镜聚焦光线一样，把分散的个体重新聚集到更有潜力的区域。代码中取放大率的平方根，让参数C在迭代前期大胆探索，后期精细收敛。比起无脑随机，这种有物理依据的调整能让算法更快锁定最优区域。这里有个细节处理：只在每代精英个体上做反向学习，既保证种群质量，又避免过度计算。这种把物理原理揉进算法的思路，说不定在其它优化算法里也能玩出花样。最近在折腾优化算法的

三相PMSM永磁同步电机svpwm控制基于滑膜观测器永磁同电机无速度传感器控制三个仿真一起打包Matlab/simulink仿真(2018a及以上版本)，今天，我来和大家聊聊三相PMSM永磁同步电机的无速度传感器控制。作为一个刚开始接触这块的同学，可能会觉得这东西有点复杂，但不要怕，我们一步步来。首先，我们都知道，永磁同步电机（PMSM）是当今工业界和学术界都非常热门的研究方向。它具有高效率、高功

本项目主要用来把传统的采购招标流程迁移到线上，线上采购招标系统目的在于摒弃传统采购招标复制繁琐的流程、改善现有采购招标现状，将采购招标功能流程迁至线上，实现信息互通，远程完成整个采购招标流程。本项目主要用来把传统的采购招标流程迁移到线上，线上采购招标系统目的在于摒弃传统采购招标复制繁琐的流程、改善现有采购招标现状，将采购招标功能流程迁至线上，实现信息互通，远程完成整个采购招标流程。其中主要针对采购