墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
100+累计阅读
69平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
targetPoses 函数用于获取雷达场景中所有目标相对于观测平台的姿态信息。
超级会员免费看
poses = targetPoses(plat) ：返回场景中所有目标相对于观测平台 plat 的姿态。 poses = targetPoses(plat,format) ：除了返回目标姿态，还可以指定返回的平台方向格式为 'quaternion' 或 'rotmat' 。 | 参数 | 描述 |
|---|---|
plat |
观测平台，为 Platform 对象，可使用 platform 函数创建。 |
format |
姿态方向格式，默认为 'quaternion' ，可选 'rotmat' 。当为 'quaternion' 时，平台姿态结构的 Or |
【信息科学与工程学】【控制科学】第十二篇 微型计算机控制技术01
更精确的经典模型：I1在第5周期WB结束，I2最早可在第6周期进入EX，但I2在ID阶段就需要R1，因此I2的ID需在第6周期，而I1的WB在第5周期，所以I2的ID可以紧接在第6周期，但中间仍有一个stall（因为I1的EX结果要等到MEM之后才能转发给ID？有优先级继承后，Task_L被提升优先级，不会被Task_M抢占，阻塞时间缩短为Task_L剩余执行时间（9ms），仍可能超过10ms，但可通过调整任务周期或使用中断处理缓解。电感L=10μH，输出电容C=100μF，ESR=5mΩ。
【信息科学与工程学】【数据科学】数据科学领域——第三篇 数学08 几何学07 网络几何01
编号类型领域问题问题的数学分析参数列表及参数的数值范围关联知识1组合优化 / 计算几何网络几何（几何图论）：给定平面上的 n 个点（节点），求连接所有点的总边长最小的树。数学模型：设点集 P={p1,…,pn}⊂R2，边权为欧氏距离 d(pi,pj)=(xi−xj)2+(yi−yj)2。目标是找到一棵生成树 T=(P,E)使得 ∑(i,j)∈Ed(pi,pj)最小。该问题是经典 MST 在欧氏度量下的特例，属于 NP-hard 吗？
【信息科学与工程学】【物理/化学和工程技术】第七十五篇 电气工程 系列三 电机学01
至此，总条目达到163 条磁路与电磁场数值方法（131–134）特殊运行状态（135–139）实验技术与标准设计细节（144–149）动态过程（150–154）至此，总条目达到213 条，全面覆盖《电机学》教材及其在电动汽车、工业机器人、家用电器、轨道交通、航空航天、船舶推进、新能源（飞轮储能、波浪发电） 等领域的应用，以及先进控制算法（MTPA、弱磁、MPC、EKF、三环PID） 和仿真技术（联合仿真、遗传算法优化、HIL）。每条均包含逐步推理的数学方程式和详细推导，可直接用于教学、科研和工程参考。
【信息科学与工程学】【物理/化学和工程技术】第一百三十二篇 损伤学 系列二01 ——网络中的损伤学01
编号类型领域问题问题的详细数学分析参数列表及边界条件及范围及区间极限及边界条件及规则列表关联知识01机械损伤IP（骨干光缆）护套挤压+微弯导致附加损耗几何：光纤微弯半径R(z)；结构：层绞式/中心束管；质量分布：护套密度；时间：长期蠕变；介质分布：土壤压强p(z)；力学分布：护套弹性模量E、泊松比ν。微弯损耗α_micro ∝ ∫|d²R/dz²|² dz（Marcuse模型），R(z)由p(z)、E、ν通过梁弯曲理论确定。p∈[0,5] MPa，R∈[20mm,∞)，ν≈0.4，E∈[1,3] GPa，埋
VLOOKUP_fixed.py
VLOOKUP_fixed.py
D打卡签到，蓝牙中继，广播信号模拟器
模拟WIFI或蓝牙，有如下4种运行模式 1、WIFI模式：指定SSID、BSSID名称等，模拟WIFI，供设备连接。 2、蓝牙静态模式：指定MAC地址，广播固定的RAW数据。 3、蓝牙动态主机模式：扫描周围蓝牙设备，获取指定MAC地址的蓝牙及其RAW数据，实时发送至Cloud云端，可以设定时间段，只在设定的时间段内发送。 4、蓝牙动态从机模式：指定MAC地址，从Cloud云端获取动态主机模式实时上传的该MAC地址的RAW数据，并广播RAW数据。 准备工作： 1、板子：选择ESP32C3或ESP32C3 Supermini 2、nRF Connect手机app：用于扫描获取待模拟蓝牙设备的MAC和RAW数据。 Wifi分析仪或WiFi魔盒手机APP：用于扫描获取待模拟WIFI设备的SSID和BSSID。 3、可使用官方flash_download_tool_3.9.11工具来固件烧录。 使用说明： 上述完成后，设备首次上电，RESET一侧的指示灯会常亮，可以把它理解成电源指示灯； BOOT一侧的灯会亮，该灯常亮，表示设备开启了AP模式，此时设备会发射一个WIFI信号源，名称为ESPWIFI_AP，密码为12345678，手机或电脑连接该WIFI，浏览器输入192.168.4.1，进入设备的配置页面，进行相应的配置，其中动态主机模式和动态从机模式的SSID、Pwd 及要模拟的蓝牙MAC地址。配置完成并保存后，会重启，重启后设备会按照保存的配置运行。若下次要修改设备配置，可以长按BOOT按键，等待BOOT一侧的灯常亮，即进入AP模式，再按照上述流程配置即可。 仅用于蓝牙设备的开发与调试，请勿用于签到等违法违纪用途。
YOLO26算法心电图十二导联目标检测+训练好的模型+368张数据集+pyqt可视化界面.zip
附训练好的 YOLO 权重与 PyQt 可视化检测界面，页面底部含可视化效果预览，毕设/课设开箱即用。 【数据集概况】 · 检测类别（中文）：[导联I(I), 导联II(II), 导联III(III), 胸导联V1(V1), 胸导联V2(V2), 胸导联V3(V3), 胸导联V4(V4), 胸导联V5(V5), 胸导联V6(V6), 加压肢体导联aVF(aVF), 加压肢体导联aVL(aVL), 加压肢体导联aVR(aVR)] · 训练集：313 张 · 验证集：37 张 · 测试集：18 张 · 总计：368 张 该数据集聚焦于临床心电图信号的精准识别与定位，其核心检测目标为标准12导联心电图中的各个独立导联波形区域，涵盖肢体导联（I、II、III）与加压肢体导联（aVR、aVL、aVF），以及胸前导联（V1至V6），适用于心电图自动分析系统中对各导联位置的快速准确标注与分类。数据采集场景真实还原了医院心电图室或急诊监护环境下的标准心电图记录纸，波形清晰、基线稳定，具有高度临床参考价值。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 57 个 epoch，最终轮指标： 指标 | 数值 mAP50 | **0.9708** mAP50-95 | 0.6344 Precision | 0.8990 Recall | 0.9191 train/box_loss | 1.2231 train/cls_loss | 0.9703 val/box_loss | 1.2779 val/cls_loss | 0.... 使用场景：毕业设计、课程设计、深度学习入门、工业场景落地验证。
企业级AI助手平台 开箱即用的全栈AI平台，支持多智能体协同、Supervisor模式编排、多种决策模式、RAG技术和流程编排能力 支持多厂商大模型统一接入与管理，安全可控的企业知识库与高精度检索优化
企业级AI应用开发框架，支持多厂商大模型统一接入与管理，安全可控的企业知识库与高精度检索优化能力，提供可视化流程编排、自主决策智能体与多智能体协同调度，兼容主流 Agent Skill 协议，帮助企业与开发者零门槛快速构建安全、高效、可落地的AI智能体应用与行业解决方案。
Java低代码, 轻量级, 支持国产化 国密 AI大模型MCP服务 商业免费 包括核心模块如：组织机构、角色用户、权限授权、数据权限、内容管理、工作流、Spring Cloud 微服务、AI大模型等
Java低代码, 轻量级, 支持国产化 国密 AI大模型MCP服务 商业免费 Spring Boot, MyBatis, Flowable, TypeScript, Vue, Antdv, 包括核心模块如：组织机构、角色用户、权限授权、数据权限、内容管理、工作流、Spring Cloud 微服务、AI大模型、代码生成器等
文创媒体电商行业智算中心（AIDC）建设规划方案.pptx
文创媒体电商行业智算中心（AIDC）建设规划方案.pptx
集团企业数字化转型AI智能体平台规划及场景应用方案.pptx
集团企业数字化转型AI智能体平台规划及场景应用方案.pptx
【运维自动化】shell脚本自动化运维示例2
内容概要：本文介绍了shell脚本在自动化运维中的实际应用，重点展示了一个批量远程执行命令与文件分发的典型场景。通过编写健壮的Shell脚本，实现对多台服务器并行执行指定命令（如磁盘使用情况查询），并集成错误处理、超时控制和并发管理机制，提升运维效率与系统稳定性。脚本采用set -euo pipefail增强容错能力，利用SSH免密登录和xargs并行处理实现高效批量操作，同时强调在受控内网环境中运行以保障安全。; 适合人群：具备Linux系统基础和Shell编程经验，从事运维、DevOps或后端开发工作1-3年的技术人员。; 使用场景及目标：①用于批量服务器状态检查、配置同步、日志收集等日常运维任务；②帮助理解自动化脚本设计中的健壮性要素（如错误捕获、并发控制、安全性考虑）并应用于生产环境。; 阅读建议：此资源提供可直接修改复用的实用脚本范例，建议结合自身运维环境进行适配测试，重点关注SSH安全配置、并发参数调优及异常输出捕获，确保在真实部署中稳定可靠。
基于动态窗口法DWA的机器人路径规划研究（Matlab代码实现）
内容概要：本文系统研究了基于动态窗口法（DWA）的机器人局部路径规划算法，深入剖析其在动态环境中实现自主避障与实时轨迹优化的核心机制。文章详细阐述了DWA算法的速度空间采样策略、轨迹预测模型、动力学约束处理及多目标代价函数的设计原理，并通过构建完整的Matlab仿真框架验证算法有效性。结合典型场景的仿真实验，展示了机器人在复杂障碍物环境下如何实时生成安全、平滑且符合运动学约束的最优路径，充分体现了DWA在移动机器人导航中的实用性与鲁棒性。; 适合人群：具备机器人运动规划基础知识和Matlab编程能力，从事智能移动机器人、自动驾驶或服务机器人研发的研究生、科研人员及工程技术人员。; 使用场景及目标：①深入理解DWA算法的理论基础与实现细节；②掌握机器人局部路径规划的仿真实现方法；③为实际机器人系统的导航模块开发提供可复用的算法原型与代码参考；④作为进一步研究高级导航算法（如TEB、MPC）的技术基础。; 阅读建议：建议结合提供的Matlab代码逐模块分析与调试，重点关注速度采样、轨迹积分、障碍物距离计算及代价评估等关键环节，通过调整参数在不同地图环境中进行对比实验，以深刻把握算法性能与参数之间的关系，进而提升对实时路径规划系统设计的理解与应用能力。
【轴承故障诊断】用于轴承故障诊断的集中时频分析研究（Matlab代码实现）
内容概要：本文系统研究了用于轴承故障诊断的集中时频分析技术，重点解决了传统时频分析方法在处理非平稳信号时存在的能量分散与分辨率不足等问题。通过引入集中时频分析方法，能够有效聚焦信号能量，精确提取轴承故障特征频率，提升故障识别的准确性与时效性。文章详细阐述了该方法的理论基础，并结合仿真信号与实际实验数据验证其优越性能，同时提供了完整的Matlab代码实现流程，涵盖信号预处理、时频变换、参数优化及结果可视化等环节，便于读者复现与拓展应用。; 适合人群：具备一定信号处理理论基础和Matlab编程能力的研究生、科研人员，以及从事机械设备状态监测、故障诊断与预测性维护工作的工程技术人员。; 使用场景及目标：①应用于电机、风机、齿轮箱等旋转机械的早期轴承故障检测，实现故障预警；②提升工业设备运维系统的智能化水平，支撑预测性维护体系构建；③作为高校或研究机构在信号处理、机械故障诊断等课程中的教学案例与实践素材。; 阅读建议：建议读者结合文中提供的Matlab代码逐段运行与调试，深入理解集中时频分布的生成机制及其关键参数（如核函数选择、平滑窗口大小）对诊断效果的影响，并尝试将其应用于其他类型的机械故障信号分析中，开展对比研究以深化对该方法适用性的认识。
2024 《计算机网络》实验教学指导书.doc
2024 《计算机网络》实验教学指导书.doc
基于MPC的风储联合调频模型研究（Simulink仿真实现）
内容概要：本文系统研究了基于模型预测控制（MPC）的风能与储能系统联合频率调节模型，并通过Simulink工具实现了完整的仿真验证。文章深入剖析了风储联合系统的整体架构设计，详细阐述了MPC控制器的建模原理及其在电网频率调节中的具体应用机制，重点探讨了系统在应对负荷突变与风电功率波动等典型扰动下的动态响应特性与控制性能表现。通过与传统控制策略的仿真实验对比，充分验证了所提出的MPC方法在提升电网频率稳定性、抑制频率偏差方面的显著优越性，并进一步分析了控制器关键参数对系统整体性能的影响规律，为高性能控制策略的设计提供了理论依据。; 适合人群：具备电力系统分析、自动控制理论基础，熟练掌握Simulink/Matlab仿真环境，从事新能源并网、电力系统稳定控制、储能系统集成与优化等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标：①应用于高比例可再生能源接入背景下电网频率调节的关键技术研究；②为风储联合系统的规划、设计与运行优化提供先进的控制策略参考；③作为模型预测控制在电力系统领域应用的经典教学案例，深化对MPC预测机制、滚动优化与反馈校正等核心原理的理解与实践能力。; 阅读建议：建议读者结合提供的Simulink仿真模型进行同步操作与验证，重点关注MPC控制器的状态空间建模、预测时域设定、代价函数构建及参数整定过程，通过对比不同工况与参数配置下的仿真结果，深入理解风储系统协同调频的作用机理与MPC控制的优势所在。
数据驱动复杂网络的数据驱动控制（Matlab代码实现）
内容概要：本文系统介绍了《【数据驱动】复杂网络的数据驱动控制（Matlab代码实现）》这一技术资源，聚焦于复杂网络系统中基于数据驱动的先进控制方法，依托Matlab平台实现建模、仿真与控制策略开发。内容深入涵盖数据驱动控制的核心原理、Koopman算子理论在非线性系统线性化中的应用、机器学习与动态系统建模的融合机制，以及如何在无需精确物理模型的前提下，利用观测数据构建高效控制器。资源提供了完整的Matlab代码实例，覆盖从数据采集、特征提取、模型辨识到控制器设计与性能评估的全流程，突出在电力系统、智能电网、工业自动化等典型复杂网络场景下的应用潜力与工程可行性。; 适合人群：具备一定Matlab编程能力与自动控制理论基础的研究生、科研人员及工程技术人员，尤其适用于从事数据驱动控制、复杂网络建模、智能优化与系统辨识等方向的高校师生和研发工作者。; 使用场景及目标：① 深入理解数据驱动控制在复杂网络中的理论基础与实现路径；② 借助配套Matlab代码快速搭建仿真环境，开展算法验证与性能对比；③ 应用于电力系统稳定性控制、可再生能源集成、工业过程监控等实际工程问题的研究与优化；④ 支撑高水平学术论文撰写、EI/SCI期刊成果复现与科研项目申报。; 阅读建议：建议读者结合文档中的理论推导与代码实现逐项调试运行，深入剖析Koopman算子、模型预测控制（MPC）等关键算法的实现细节；鼓励在现有代码基础上进行参数调整、模型拓展与创新性改进，强化理论与实践的深度融合，提升科研创新能力。
(Multisim课设资料)最全面函数信号发生器(三角波+正弦波+方波信号+锯齿波仿真设计+报告文档
(Multisim课设资料)最全面函数信号发生器(三角波+正弦波+方波信号+锯齿波仿真设计+报告文档
统一大型语言模型和知识图谱：路线图
大型语言模型（LLM），如ChatGPT和GPT4，由于其涌现能力和泛化性，正在自然语言处理和人工智能领域掀起新的浪潮。然而，LLM是黑箱模型，通常无法捕捉和获取事实知识。相反，知识图谱（KGs），例如维基百科和华普，是显式存储丰富事实知识的结构化知识模型。KGs可以通过为推理和可解释性提供外部知识来增强LLM。同时，KGs很难从本质上构建和演化，这对KGs中现有的生成新事实和表示未知知识的方法提出了挑战。因此，将LLM和KGs统一在一起并同时利用它们的优势是相辅相成的。
Gromacs GPU加速版安装全攻略：从依赖配置到性能优化
本文提供了Gromacs GPU加速版的完整安装与性能优化指南。详细介绍了从编译器、OpenMPI、FFTW到CUDA等关键依赖的配置，手把手指导编译支持CUDA的Gromacs，并深入解析了如何通过调整.mdp参数及平衡MPI与OpenMP线程分配，最大化GPU利用率，从而让分子动力学模拟效率获得数十倍提升。
给粒子物理萌新的Geant4保姆级入门：从看懂B1示例代码到跑通第一个模拟
本文为粒子物理初学者提供Geant4的保姆级入门指南，从解析B1示例代码到跑通第一个模拟。详细介绍了环境准备、代码解析、可视化系统实战及扩展模拟的方法，帮助新手快速掌握Geant4的基本概念和工具包使用。
AI报告撰写实战指南：从提示词工程到全流程优化的底层逻辑与实践突破
传统AI写作常被诟病为“信息拼贴”——模型虽能生成文本，却常出现逻辑断裂、数据矛盾、风格不符等问题。而“全流程优化”则是通过系统化设计，将报告生成拆解为需求解析→数据对齐→提示词设计→初稿生成→迭代优化→格式适配六大环节，每个环节均通过技术手段提升输出质量。提示词工程：本质是通过结构化指令（如角色设定、任务分解、格式约束、示例引导）精准控制模型输出方向，是连接用户需求与模型能力的“翻译器”。全流程优化。
halcon C++编程 第4讲 HObject/HImage Mat相互转换（tcy）
网上有很多相互转换程序，但并不知那个正确，本文对相互转换后的结果和原对象比较是否相同判断转换是否正确。经测试ok.本文包括转换代码及测试是否相同。 1.转换程序： /************************************ HObject转为Mat：time:2021/3/16 V1.0 *************************************/ cv::Mat HalconClass::HObjectToMat(const HalconCpp::HObject&..
Keras中神经网络可视化模块keras.utils.visualize_util安装配置方法
Keras中神经网络可视化模块keras.utils.visualize_util安装配置方法
PX4实战（十）：PX4导航模块（Navigator）详解
本文将对 PX4 固件 v1.14.3 版本中的 Navigator（导航）模块进行详尽的技术剖析。作为飞行控制栈中的高层决策核心，Navigator 模块承担着将抽象的任务指令转化为具象的底层控制设定点的关键职责。本文基于对 src/modules/navigator 目录下源代码的深究研究与架构反推，详细阐述了该模块的文件组织结构、基于状态机的控制逻辑、uORB 异步通讯机制、核心任务模式（Mission）与返航模式（RTL）的实现细节，以及地理围栏（Geofence）与任务可行性检查（Feasibil
【AI黑话日日新】什么是对比学习？
模型效果高度依赖大规模、高质量的人工标注数据。数据标注不仅成本高昂、周期漫长，在医疗、工业、小众垂类等场景中，甚至难以获取足量的标注样本，严重限制了模型的泛化能力与应用边界。自监督学习的出现，为解决这一问题提供了全新思路——无需人工标注标签，而是利用数据自身的结构与内在关联，构建自生成的监督信号完成模型预训练，再通过微调适配下游任务。在众多自监督学习方法中，对比学习（Contrastive Learning）
NTscan扫描工具
ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。
STM32F407中文手册
STM32f407中文手册 本参考手册面向应用开发人员，提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列，各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性，请参见数据手册。有关 ARM Cortex™-M4F 内核的信息，请参见《Cortex™-M4F 技术参考手册》。
pscad IEEE标准系统搭建说明
pscad IEEE标准系统搭建说明，包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
订阅专栏 解锁全文
8628
扫一扫
