基于卷积-长短期记忆网络加注意力机制（CNN-LSTM-Attention）的时间序列预测程序，预测精度很高。可用于做风电功率预测，电力负荷预测等等标记注释清楚，可直接换数据运行。代码实现训练与测试精度分析。这段程序主要是一个基于CNN-LSTM-Attention神经网络的预测模型。下面我将逐步解释程序的功能和运行过程。1. 导入所需的库：- matplotlib.pyplot：用于绘图- pa

定义（充电数据）与（放电数据）两个结构体，每个结构体包含7个关键字段：：相对时间（单位：s）；voltage：电压（单位：V）；current：电流（单位：A，充电为正，放电为负）；：温度（单位：℃）；SOC：荷电状态（State of Charge，0-1之间）；SOH：健康状态（基于容量计算，1为全新状态）。% 输出维度：SOH（1个值）% 输入维度：4个健康特征% LSTM隐藏层节点数（经验

这个表格最妙的是J列隐藏的彩蛋——按住Alt+M+V，能看到所有物理量的计算公式像俄罗斯套娃一样层层展开。试着把鼠标悬停在阻抗计算公式上，会弹出当年导师骂我"基准不统一还敢标幺化"的经典表情包，这大概是最生动的错误教学了。不过要注意，当标幺值小于0.01时，这种处理会丢失细节，这时候就得在表格设置里勾选"高精度模式"。1.标幺化的过程需要兼顾溢出和数据精度，用这个表可以从数学层面去深刻理解这句话，

最近在搞PFC6.0和FLAC的耦合计算，三轴试验的体应变分析效率提升明显。直接拿球颗粒膜做边界替代传统的柔性膜，发现个有趣的现象——当围压加载到峰值时，颗粒膜表面居然能自然形成波浪形褶皱，这可比有限元模拟的"橡皮膜"真实多了。用PFC的颗粒膜当边界，配合FLAC做应力传递，实测发现20万颗粒规模的模型，计算时间直接从8小时压缩到2小时。这行代码贼有意思，它让颗粒的接触刚度随着位移平方增长，既能保

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》

主要内容：代码主要主要研究的的是大规模电动汽车的蒙特卡洛模拟，具体包括，首先抽样生成充电功率、电池容量以及电动汽车起始充电时间以及每日行使里程的概率密度分布，在此基础上，进一步计算基于蒙特卡洛模拟法的电动汽车充放电负荷的计算。主要内容：代码主要主要研究的的是大规模电动汽车的蒙特卡洛模拟，具体包括，首先抽样生成充电功率、电池容量以及电动汽车起始充电时间以及每日行使里程的概率密度分布，在此基础上，进一

CPO-CNN-SVM分类【24年新算法】 基于冠豪猪优化算法(CPO)优化卷积神经网络(CNN)-支持向量机(SVM)的数据分类预测(可更换为回归/单变量和多变量时序预测，前私，选一个)，Matlab代码，可直接运行，适合小白新手程序已经调试好，无需更改代码替换数据集即可运行数据格式为excel冠豪猪优化器(Crested Porcupine Optimizer，CPO)于2024年1月发表在中

这种性能靠的是电流环200us的刷新周期，以及死区时间的精准补偿。（4）网侧控制(并网控制)：采用电压、电流双闭环控制，均采用PI；（4）网侧控制(并网控制)：采用电压、电流双闭环控制，均采用PI；（3）机侧控制(发电控制)：采用转速、电流双闭环控制，均采用PI，磁链解耦；（3）机侧控制(发电控制)：采用转速、电流双闭环控制，均采用PI，磁链解耦；（1）主要包括发电机、整流器、逆变器（双pwm控制

永磁同步电机的无传感器控制这两年越来越火，滑膜观测器作为其中扛把子技术，今天咱们就上手撸一个Matlab仿真模型。先说说滑膜观测器的精髓——这玩意儿就像个电子侦探，通过测量电流电压这些表面现象，把藏在电机内部的转子位置和转速给揪出来。2）滑膜控制的开关量波形，应该是高频抖动的方波；这段代码里的sign函数就是滑膜观测器的灵魂开关，k值选得太大容易抖振，太小又跟踪不上。这里有个坑要注意：坐标变换用的

STM32同步Buck降压开关电源变换器开方案主控STM32F334，输入12-32V，输出5-28V，最大电流5.5A，才有恒压限流模式，开关频率200kHz，PID控制与2零3极点控制。输出纹波＜200mV，具有过压、过流、短路、输入欠压等保护功能。提供原理图，开发软件，设计文档，详细的计算书，使用说明书，PSIM仿真，bom，代码，代码有详细注释。最近在研究电源相关项目，今天来和大家分享一下