桥式起重机抓斗防摆控制方法研究

根据起重机抓斗的受力分析,建立了起重机水平运行与抓斗摆动关系的数学模型。并采用一种前馈型的时滞滤波器技术,对加速度控制信号进行滤波来有效地控制抓斗的摆角。仿真结果表明,该方法能够有铲地消除抓斗摆,而且应用简单,易于用微型计算机实现。     

"LonWorks技术及其应用”讲座——第12讲 基于LonWorks技术的监控网络实验模型的研究与实现(下)

3监控网络模型的软件编制 作为网络监控系统,它必然包括与硬件密切相关的嵌入节点的用户应用软件和位于PC节点上的人一机交互界面软件. 7个功能节点的用户应用软件采用NodeBuilder开发环境下的Neuron C语言开发.Neuron C语言包括了ANSI C的基本内容,并针对监控系统的特点,增强了与神元芯片相关的多种有利于输入输出口操作的功能.由于嵌入式控制的特点,Neuron C语言在其基本配置中略去了与文件操作有关的函数,而浮点运算功能是作为选件提供的.Neuron C语言采用事件驱动方式编程,由多任务事件表进行调度,而且具有优先级,十分适合进行实时控制.其扩展的语言格式包括软件定时器、网络变量、明晰信息、多任务事件表、E2PROM变量及其它一些功能,这些都大大提高了编程效率及降低了难度.它突破了传统的一条主线连续执行的编程模式,而采用事件驱动方式.     

"LonWorks技术及其应用"讲座第5讲专用开发语言Neuron C

Ｎｅｕｒｏｎ Ｃ是一种专门为 Ｎｅｕｒｏｎ芯片设计的程序设计语言。它在标准Ｃ的基础上进行了自然扩展,直接支持Ｎｅｕｒｏｎ芯片的固化软件,并删除了标准Ｃ中一些不需要的功能,如某些标准的Ｃ函数库。并为分布式ＬｏｎＷｏｒｋｓ环境提供了特定的对象集合,及访问这些对象的内部函数,它提供了内部类型的检查,是一个开发ＬｏｎＷｏｒｋｓ应用的有力工具。 Ｎｅｕｒｏｎ Ｃ的一些功能如下： ①一个新的对象类──网络变量（ ｗｅｔｗｏｒｋ ｖａｒｉ－ａｂｌｅｓ）,它简化了节点间的数据共享。 ②一个新的语句类型──ｗｈｅｎ语句,…     

"LonWorks技术及其应用"讲座第6讲Neuron C中的网络变量及事件驱动

１网络变量（ｎｅｔｗｏｒｋ　ｖａｒｉａｂｌｅｓ）１．１什么是网络变量 网络变量是一个节点中的一个对象,它可以与一个或多个其它节点的网络变量相连接。一个节点的网络变量从网络的观点定义了它的输入和输出,同时允许在分布式应用中共享数据。无论何时,如果一个程序更新了它的输出网络变量的值,则该值通过网络传给所有的与该输出变量相连接的其它节点的输入网络变量。虽然网络变量通过ＬｏｎＴａｌｋ报文传播,但报文的传送是透明的,应用程序不需要任何显式的指令来接收或发送更新后的网络变量。网络变量大大地简化了开发和安装分…     

"LonWorks技术及其应用"讲座第11讲基于LonWorks技术的监控网络实验模型的研究与实现(上)

随着我国经济的迅猛发展和城市规模的不断扩大,国内大中城市的集中供热系统发展十分迅速。它对于改善城市大气污染,降低能源消耗都具有十分重要的意义。以北京为例,由发电厂供给的热水首先分配给上百个热力站,经过热交换并控制压力、流量后提供给楼宇冬季供暖。另外,还有一部分过热蒸汽提供给工厂企业,作为热源在生产过程中使用。因此,无论是热水网或蒸汽网都是一个典型的多站点,分布式管网系统。对于这样一个供热系统的监测和控制,经历过几个阶段,最初为人工监视、手工操作,现在发展到仪表测控、人工抄表、电话联络。但随着供热…     

基于蓝牙的嵌入式数据采集系统的设计

结合嵌入式技术与蓝牙技术的优势,设计了一种基于蓝牙技术的嵌入式数据采集系统,主要阐述了ARM微处理器、uClinux系统和蓝牙模块作为主要的软件、硬件的设计思想.而在工业现场中一些环境恶劣、布线不便的工业现场采用无线通信技术来实现数据的采集,使得数据的采集和远程监测更为简单和方便.     

基于Windows Media的网络媒体服务系统的实现

介绍了Windows Media系统的体系结构和通信协议,构建了采用Windows Media技术的网络媒体服务系统,详细叙述了系统的连接、配置和技术要点,以较低的代价实现了媒体服务系统的应用。     

玉米黄酒发酵条件的优化

以玉米碴为原料,分别选用UV－48黑曲霉和啤酒酵母为发酵菌种,通过对接种量、培养温度、pH值以及发酵周期的研究,确定以玉米为原料制作黄酒的最佳发酵条件为：最适接种量为糖化菌10％,酵母菌1％;最适发酵温度为15－18℃;最适pH值为4.5-5.5,最适发酵周期为16－19d。     

聚类后的关联规则快速更新算法研究*

关联规则和聚类分析是数据挖掘中重要的研究课题。通过对关联规则挖掘算法Apriori算法进行分析与研究,指出了其在实用中存在的两个主要问题。鉴于此,在分析聚类分析和关联规则两种挖掘算法的基础上,讨论了将这两种独立的挖掘方法集成起来的联合挖掘,使其可以有效地压缩数据规模。给出了聚类后的关联规则快速更新算法描述。实验结果表明,算法性能优良,提高了数据挖掘执行效率。