研究了下wpf下设计上位机，希望把界面做的更美观，不过目前暂时停止开发与维护了，因此，wpf做的上位机仅限于界面设计，相关的源代码公开到github和gitee上面，希望给大家提供思路。这里的思路主要是界面设计方面的思路。

本文讨论了神经网络在机器学习模型中的定位及其应用。作者以电池SOC/SOH估算为例，对比了传统机理建模与神经网络方法的区别，指出神经网络作为无模型方法（model-free）可以绕过复杂的机理研究。文章认为神经网络研究应关注结构改进、训练算法优化（如遗传算法、粒子群算法等），以及结合领域知识进行数据预处理优化。最后强调，将专业知识与神经网络结合，通过改进输入数据预处理，既能保持预测效果又可降低计算

本文讨论了神经网络在机器学习模型中的定位及其应用。作者以电池SOC/SOH估算为例，对比了传统机理建模与神经网络方法的区别，指出神经网络作为无模型方法（model-free）可以绕过复杂的机理研究。文章认为神经网络研究应关注结构改进、训练算法优化（如遗传算法、粒子群算法等），以及结合领域知识进行数据预处理优化。最后强调，将专业知识与神经网络结合，通过改进输入数据预处理，既能保持预测效果又可降低计算

通讯协议基本概念通讯协议的概念协议实现通讯协议的概念以modbus为例，大部分通讯协议只是一段软件代码，和硬件是独立的像485通讯、SCI通讯、SPI通讯这些通讯，本身只是一个通讯的硬件层面的叫法。它们可以作为各种通讯协议的载体来进行，然后CAN通讯、以太网通讯比较特殊，有自身的通讯协议，它们基础的通讯协议有can协议、TPC/IP协议这些，但是其他的通讯协议可以建立在这些协议的基础上搭载着...

前言我的研究方向不是计算机视觉，这段时间开始的CV学习纯粹是出于兴趣，在此记录下自己的学习历程，也方便感兴趣的同伴一起学习。目前，我学习主要参照的是《OpenCV 4计算机视觉项目实战(原书第2版)》，所学习的代码也是来自于这本书。因为我比较习惯c++和c#的代码，所以更偏向于从c++版本的opencv开始学起。这次主要学习的是opencv导入深度学习模型。配置Opencvopencv是一个开源的

已经读了三年研究生，如果算上之前本科为了参加比赛而学习的电机控制，应该学电机控制接近五年了。这几年下来感觉学的还是很充实的，今天谈谈电机控制可以学些什么。如许多人所说，电机控制已经十分成熟了。矢量控制，无位置传感器运行等技术，一个学电机控制的人应该基本掌握。对于本科时期的学生，这一块可以先定性认识，借助于各种芯片厂商的软硬件方案，熟悉这一块的控制。本科时期，我当年主要玩的就是stm32这些单片机，

CLA简介TI的CLA本身是一个加入到28035等DSP的协处理器，可以执行浮点运算，并且有CLAmath库函数，可以灵活执行各种浮点运算和非线性运算。由于CLA为协处理器，可以与CPU同时工作，往往在CLA执行算法，而CPU去执行各种通讯、保护等程序。不足之处是CLA执行逻辑运算的效率较低，但是其对算法运算的执行效率高于CPU。TI提供了CLAmath.lib这一函数库，帮助CLA模块进行运算.

在嵌入式开发或是其他学术研究时，有一个自己设计的上位机可以方便自己的研究，比如嵌入想要的算法，或是发送特定格式的通讯数据。由于以前学过c#，加上它和c语言接近，平时开发也以c语言为主，因此选择了c#作为设计语言。上位机界面开发环境配置用微软的VS2017（VS2019）开发而成，该软件可以通过微软的在线安装工具来安装，一般选择VS社区版就可以满足大部分的开发需要，只是需要注册微软账户来激活开发环境