EAGLE绘制寄巧记录

原理图库

1.需要在原理图和封装上都加上>NAME,>VALUE的text,并且在ifo上分别修改到tname和tvalues层.

2.通常来说在原理图里每个管脚的名字按照功能命名,如下图一,而在封装上命名按照数字顺序命名,如图二.

图一

3.当我们把栅格设置成50mil的时候,可以看到,一般来说厂家的管脚放置都在一个50mil的整数倍位置,如下图,因此把栅格设置成50mil再检查管脚位置是否画对是一个相当具有参考价值的方法.

图二

PCB绘制

1.一般孔径0.35,电源线1.016,信号线0.4064.

2.铺铜

使用以下两个:,设置isolate:info选中覆铜边边(单位mil),一般用16即可,如下图

3.连线技巧:

出现下面这种情况时,24v和gnd之间距离太近,如何改善?

第一步:将最靠近管脚的线变细,如下

第二步:将下面那部分粗的靠近管脚,如下图:

当当当当!完成!!!

4.常见丝印位号大小:

  1.27  ,  0.8128.

5.过孔盖油

编辑--设计规则--masks--limit:24mil(如下两图)

投产

投产前记得检查DRC

然后就是再在缩略图上检查丝印,板子大小,插座位置等比较容易疏漏的问题

通常我们绘制的文件夹下面会有以下一些文件

将其中除了.sch和.brd的文件都删掉,然后就在印制板编辑栏中导出cam data,如下图所示

导出的会是一个压缩包形式,不过不管是嘉立创还是其他一些下单平台都可以解析这个压缩包,投产的时候直接提交这个压缩包就可以了.

导出bom表

如下图:运行ulp

选择bom(如果没有这个文件可以看我给的网盘链接:通过网盘分享的文件:bom.ulp
链接: https://pan.baidu.com/s/1zEqenTER9VP-J6k0JtJmNQ?pwd=nmds 提取码: nmds 
)

然后根据你的需要选择导出的格式,如果图方便的话截个图就可以直接看了

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