光电转换板配合光开信号的程序调试

写下来省的下次忘了。

1、光电开关应该和切光片有一个相对固定的位置,才能保证仪器机械结构和程序的一致性。目前T10是start缺口对准反光镜的后边沿(按旋转方向定前后)。

2、由斩光镜的结构决定能量的顺序为R(d1-d3) S(d5-d7) D(d9-d11) S(d13-d15)。

3、测量光电转换板上AD芯片U7的1脚或者和一脚相连的电容,得出的能量波形即R S D S的顺序。

4、测量光电转换板上的18脚,这是count管脚的光开信号。当测量这个信号时,出现的是1宽15窄的方波

begin
                start_count <= start_count + 20'd1;
                if( start_count == TIME_800US )      //开始脉冲//if( start_count == TIME_550US )      //开始脉冲
                    begin
                    start_flag <= 1'b1;
                    start_count_flag <= 4'd0;
                    end
                else if( start_count == TIME_100US ) //其他脉冲
                    begin
                    start_count_flag <= start_count_flag + 4'd1;
                    end

 end

这段代码判断是否出现了1宽的start信号,如果低电平维持时间到达了800us,则判断为start已经出现

 

 

                //------------------------------------------------
                // R信号输出
                //------------------------------------------------
                SYNC_WAIT_R:
                  if ( count_flag_down  && start_count_flag == 4'd1)
                  begin
                    sync_state <= SYNC_OUTPUT_R;
                  end                                      
                SYNC_OUTPUT_R:
                  if ( count_flag_down  && start_count_flag == 4'd3)
     begin
     rSum_R_Flag <= 1'b0;
     sync_state <= SYNC_WAIT_S;
     end
      else
     rSum_R_Flag <= 1'b1;

这段代码表示在d1和d3方波的下降沿开始累加R

其它也同理

5、目前采用计数模式3,单光开计数,软件为Sync_Mode_Switch.v文件

基于python实现的粒子群的VRP(车辆配送路径规划)问题建模求解+源码+项目文档+算法解析,适合毕业设计、课程设计、项目发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值