一种矩阵键盘的MCU实现

使用430单片机设计一种矩阵键盘。该键盘配有特殊功能按键指示灯,能够与上位机进行422通信。通过422将按键对应键值上传给上位机,接收上位机点灯命令点亮或熄灭一个或若干个指示灯。     

SEPIC电路环路补偿研究

SEPIC电路具有效率高、输出升降压、开关停止停振等优点,本文在分析SEPIC电路基本原理的基础上,利用电源环路控制理论,介绍了一种SEPIC转换器环路补偿参数的设计方法,通过实验得出设计的SEPIC电路完全满足性能指标,动态性能良好,验证了理论设计的正确性。     

一类不确定网络控制系统的鲁棒H SymboleB@ 控制

基于一类具有网络时延和参数不确定性的离散系统，考虑系统的网络时延小于一个采样周期，传感器是时间驱动，控制器和执行器是事件驱动。根据文中描述的系统建立模型，运用Lyapunov稳定性理论、鲁棒控制理论和线性矩阵不等式处理方法，推导出闭环控制系统渐近稳定的充分条件，并且得出鲁棒H 控制律和其性能指标γ。最后用数值例子对所得结果加以验证，通过MATLAB LMI工具箱求解，说明文中结果的正确性。     

由Markov对偶分支q-矩阵导出的算子的性质

利用分析的方法研究了Markov对偶分支过程中q-矩阵分别在L∞空间、l1空间及c0空间上导出的算子的若干性质.     

一种适用于单胎动物多品种选择的基因组关系矩阵

旨在提出一种新型基因组关系矩阵并验证其在多品种联合群体中的模拟应用效果。本研究利用QMsim软件模拟牛的表型数据和基因型数据;利用Gmatrix软件构建常规G阵;利用R语言构建新型G阵,新型G阵在常规G阵的基础上,将多品种联合群体的非哈代-温伯格平衡位点考虑在内;利用DMU软件使用“一步”法模型计算基因组估计育种值（estimated genomic breeding value,GEBV）;比较不同情况下使用两种G阵的GEBV预测准确性。结果表明,在不同遗传力及QTL数下,不对新型G阵使用A₂₂阵加权就能达到常规G阵使用A₂₂阵加权时的GEBV预测准确性。在系谱部分缺失时,新型G阵不加权较常规G阵加权时GEBV预测准确性高。证明,在系谱有部分缺失时,新型G阵对多品种GEBV的预测有一定优势。     

甘薯黑斑病及其防治研究

本文对甘薯黑斑病病原菌的生物学特性进行了探索,描述了病原菌的生长状况和形态,弄清了生长发育与温度关系,数据经最小二乘法求出发育最低起点温度为9.12℃,最高终止温度为36.28℃,通过矩阵求解推测发育最适温为23.97℃,对储藏防治策略也提出了一些看法。     

驾驶室人机工程设计的多极模糊综合评判

驾驶室设计的人机评价系统由带有模糊性的多因数组成.应用多因数多极模糊综合评判方法,建立了驾驶室设计的人机模糊综合评价模型,给出了确定各层次因数权重集的方法和模糊合成运算的选取方法.利用该模型对驾驶室进行综合评价,建立了驾驶室人机综合评价指标体系,将评价因数归类、分层,建立最低层因数的单因数评判矩阵,确定各层次因数的权重数,然后逐层进行评价,最终得出评价结果.     

一般6R机器人的高精度逆运动学优化算法

为提高一般6R机器人逆运动学算法的精度和效率,提出一种基于符号运算和矩阵分解的优化算法。对6个基础逆运动学方程作变换,采用符号运算预处理得到14个逆运动学方程,避免大量浮点数计算累积误差。利用其中6个方程与关节变量3无关的特点,将目标矩阵从24阶降低到16阶,包含的关节变量从3个增加到4个。把一元16次方程求根问题转换为矩阵特征分解问题,并选取较高数量级的相关数据元素计算关节变量,进一步提高了算法精度。以一般6R机器人为例,求解结果表明,提出的算法能够得到具有任意期望精度的最多16组实数逆运动学解。     

自卸车举升机构矩阵变换算法统一格式的研究

针对自卸车各种举升机构提出了矩阵变换算法的统一格式,推导出统一格式下各举升机构的变换矩阵,并开发了通用设计系统。该系统可计算任一举升时刻举升机构各铰接点位置和油缸推力。     

基于改进YOLOv8和多元特征的对虾发病检测方法

[目的/意义]对虾病害严重危害对虾养殖业。针对对虾病害发病快、死亡率高等特点,高密度的工厂化养殖等模式需要一种高效率对虾发病检测方法替代传统人工检查方法,实现对虾发病的及时预警。[方法]提出一种基于改进YOLOv8 (You Only Look Once)和多元特征的对虾发病检测方法。首先利用改进YOLOv8网络从对虾夜间水面红外图像中进行前景提取,再利用Farneback光流法和灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)提取对虾视频片段的运动特征与图像纹理特征,利用提取到的特征参数构建训练数据集,训练支持向量机(Support Vector Machine,SVM)作为分类器用于检测对虾视频片段,实现对正常与发病的对虾视频片段的检测分类。[结果和讨论]训练好的SVM分类器在300个测试样本上的表现为检测准确率平均值为83%,检测效果达到设计要求。检测误差主要是将发病片段错误地检测为正常片段。该误差主要受水面对虾数量和视频影响。[结论]本研究实现了对对虾发病的检测,提供了一种基于计算机视觉的检测方法。但受条件限制,仅在工厂化养殖环境下进行了...