律动荆棘皇冠 Crown of Thorns

这篇博客介绍了如何使用micro:bit和相关电子元件制作一款律动荆棘皇冠,这款皇冠能随着音乐节奏变化灯光。通过简单的电路连接和编程,可以实现音乐感应的灯光效果。文中提供了详细的制作步骤、电路图和程序代码,还有设计图纸供读者自行制作。同时,文章末尾提供了获取设计图纸的方式。

她一袭长纱,一捧花,一顶皇冠,款款向你走来。从此以后,她便成了你的小苹果,你的一切,你的世界。

这样一顶七彩皇冠,见证爱情的忠贞,填满追求的热烈,宣示未来的多彩……

是不是想把她的笑容定格在这一刻,是不是想把她如玉般捧在手心里,是不是想让她成为最明亮耀眼的公主,却还在为自己的创意在捉急?不用担心,今天为大家带来的律动荆棘皇冠足以实现你的愿望,还附带具体教程哦!

律动荆棘皇冠是怎样的?先来看一下视频大饱眼福!


是不是心动了?是不是想赶紧为你的她戴上这顶皇冠?下面就跟我来一起制作吧。

1

准备工作

 
首先请准备好所有材料,如上图所示,清单如下:

  • micro:bit

  • micro:bit RGB 全彩LED灯环扩展板

  • 3.7V 锂电池

  • 锂电池充电模块

  • 锂电池升压模块

  • 激光切割皇冠结构件(零件太多,事先拼好了一部分)

  • 3D 打印底座(照片里忘记拍进去了 T_T )

  • 宝石(太耀眼,就不拍了。实际上是忘记了 T_T )

  • M3 螺丝若干

  • M3 铜柱若干

  • 螺丝刀

  • 502 胶水

2

电路原理

电路原理很简单,如上图所示,只要让 micro:bit 和扩展板相连,接上锂电池、升压模块、充电模块,如上图,即可完成所有电路。上图中省略了一个电源开关,当然你可以加一个开关,随时关闭电源,以节省电池。

3

制作过程

先来看一下设计图纸,如下图所示,外观结构只要根据设计图一步一步组装起来就好啦。

 
1、首先利用 micro:bit RGB 全彩LED灯环扩展板附赠的螺丝,将 micro:bit 和 micro:bit RGB 全彩LED 灯环扩展板固定在一起,并在前后固定上铜柱,如下图所示。下面称此组合为“核心板”。

 
这是“核心板”反面的样子。

 
2、将锂电池、锂电池充电模块、升压模块、开关焊接在一起,并安装到底座的电路固定圆盘上,如下图所示。下面称此组合为“电源板”。

 
3、将“核心板”与拼装好的皇冠外壳固定到一起,如下图所示。

 
4、将“核心板”与“电源板”通过电源插口连接到一起,如下图所示。

 
5、利用螺丝将“电源板”固定到皇冠上,如下图所示。

 
6、将宝石固定到皇冠前方,如下图所示。

 
duang~~~ 律动荆棘皇冠就做好啦,是不是很简单?

咦!总感觉忘了点什么?音乐响起,怎么我的皇冠不像视频中那样可以随着音乐律动呢?想起来了,原来是忘记写程序了!别急,程序也很简单!

4

程序解析

本次程序采用 MakeCode 编写:

https://makecode.microbit.org/

由于 micro:bit RGB 全彩 LED 灯环扩展板有一个声音传感器,所以程序的核心思路就是检测周围音乐声音的响度,根据响度不同,决定 LED 亮灯的数量,并且让亮起的 LED 显示彩虹色。为了增加音乐律动的效果,最后在彩虹色的基础之上,给灯环加了一个跑马灯效果。

所以,最终呈现的效果就是:音乐声决定亮灯数+亮灯显示彩虹色过度+彩虹跑马灯

最终程序如下图:

5

福利时间

这么漂亮的皇冠,是不是也想自己做一顶送给你的她、或者送给自己?别急,关注“铁熊玩创客”微信公众号,后台回复“皇冠”,获取设计图纸!


*欢迎转发朋友圈。如需转载,请注明出处和原作者。

更多精彩内容,请扫码关注!

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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