### 三菱FX3U系列PLC编程学习笔记 #### 第一章：PLC基础应用介绍 **1.1 PLC输入输出接线** - **颜色标识**：正极为棕色，负极为蓝色，信号线通常为黑色。 - **接线类型**： - **漏型接法（NPN）**：电流从输出端流出，适用于NPN类型的传感器或开关。 - **源型接法（PNP）**：电流从输出端流入，适用于PNP类型的传感器或开关。 **1.2 行程开关接线** - **漏型接线**：行程开关连接到PLC的输入端，外部电源的负极连接到公共端。 - **源型接线**：行程开关连接到PLC的输入端，外部电源的正极连接到公共端。 **1.3 外部电源接线** - **漏型接法**：外部电源的负极连接到PLC的公共端。 - **源型接法**：外部电源的正极连接到PLC的公共端。 **1.4 输出端接线** - **小灯接线**：直接将小灯连接到输出端。 - **中间继电器接线**：通过中间继电器控制更大的负载。 - **交流接触器接线**：通过交流接触器控制电机或其他大功率设备。 #### 第二章：三菱FX3U基础介绍 **2.1 编程语言及软元件介绍** - **2.1.1 编程语言** - **指令表（IL）**：类似于汇编语言，易于编写但不太直观。 - **梯形图（LAD）**：类似于传统的继电器电路，直观且易于接受。 - **顺序功能图（SFC）**：以流程为主线，清晰有序，弥补了梯形图在顺序控制方面的不足。 - **功能块图（FBD）**：适用于复杂系统的控制逻辑设计，具有良好的可视化效果。 - **结构化文本（ST）**：类似于BASIC或C语言，适合于高级编程，但要求操作者具备一定的编程能力。 - **2.1.2 PLC软元件介绍** - **输入继电器（X）**：编号为X000至八进制编号。 - **输出继电器（Y）**：编号为Y0000至八进制编号。 - **辅助继电器（M）**：编号为M0至十进制编号。 - **定时器（T）**：编号为T0起始。 - **计数器（C）**：编号为C0起始。 - **数据寄存器（D）**：编号为D0起始。 - **其他软元件**：状态（S），变址寄存器（V、Z），指针（P、I），高速计数器（C235~）。 **2.2 特殊辅助继电器** - **2.2.1 触点利用型** - **M8000**：运行监视，PLC运行时为ON，停止时为OFF。 - **M8002**：初始化脉冲，仅在PLC启动的第一个扫描周期为ON。 - **M8011~M8014**：分别为10ms、100ms、1s、1min的时钟脉冲。 - **M8005**：电池电压降低时变为ON，提示更换电池。 - **2.2.2 线圈驱动型** - **M8030**：电池电压降低LED熄灭。 - **M8033**：PLC停止后，输出继电器状态保持不变。 - **M8034**：禁止所有输出。 - **M8039**：根据D8039指定的时间进行工作。 #### 第三章：指令入门应用 **3.1 位指令应用** - **3.1.1 边沿触发指令** - **|↑|**：上升沿触发。 - **|↓|**：下降沿触发。 - **3.1.2 置位复位指令** - **SET**：无需自锁即可保持状态。 - **RSET**：复位指令。 - **ZRST**：连续复位多个元件。 **3.2 定时器与计数器指令** - **3.2.1 定时器** - **通电延时定时器**：通电后延时一定时间后输出。 - **断电延时定时器**：断电后延时一定时间后输出。 - **3.2.2 计数器** - **增计数器**：每次输入增加时计数值增加。 - **减计数器**：每次输入增加时计数值减少。 #### 第四章：基本指令的应用 **4.1 数据传输与转换** - **4.1.1 MOV传送指令** - **16位MOV**：将16位的数据从源地址传送到目标地址。 - **32位DEMOV**：将32位的数据从源地址传送到目标地址。 - **4.1.2 BCD转换** - **BCD指令**：将二进制数转换为BCD码。 - **BIN指令**：将BCD码转换为二进制数。 **4.2 四则运算指令应用** - **ADD**：加法指令。 - **SUB**：减法指令。 - **MUL**：乘法指令。 - **DIV**：除法指令。 **4.3 触点比较与比较指令** - **CMP**：比较两个数值大小，并根据比较结果输出相应的触点状态。 - **ZCP**：三个数值之间的比较，当第三个数值介于前两个数值之间时，输出为ON。 **4.4 时钟指令应用** - **TRD**：读取内部时钟数据。 - **年月日时分秒星期**：分别对应D0至D6中的数据。 - **HTOS**：将小时、分钟、秒的数据转换为时间戳格式。 以上内容涵盖了三菱FX3U系列PLC的基础知识和常用指令的应用方法，对于初学者来说是非常宝贵的学习资料。通过学习这些基础知识，可以帮助理解和掌握PLC的工作原理和编程技巧，为进一步深入学习和实践打下坚实的基础。

准比例微分(PD)控制器，也称为准比例积分微分(PR)控制器，是一种常见的控制算法，常用于自动化系统和过程控制中。它结合了比例控制器的即时响应和微分控制器对未来误差的预测能力，但不包含积分部分，因此避免了积分饱和和超调等问题。在数字信号处理器(DSP)和单片机中实现准PR控制器，可以有效地提高系统的稳定性和控制精度。 在提供的"myPR.c"和"myPR.h"文件中，我们可以预见到一个已经封装好的准PR控制器函数。通常，这样的函数会接受几个关键参数来定义控制器的行为： 1. **Kp（比例增益）**：这是控制器对当前误差的响应程度。比例增益越大，控制动作越剧烈，系统的响应速度更快，但也可能增加系统的振荡。 2. **Kr（微分增益）**：微分增益决定了控制器对误差变化率的反应。微分作用有助于提前预测误差并减少超调，改善系统的动态性能。 3. **Ts（采样时间）**：这是控制系统采样的周期，决定了控制器更新其输出的频率。合适的采样时间对于保证系统稳定性至关重要。 4. **wc（截止频率）**：这是微分部分的截止频率，决定了微分作用的强度和范围。过高可能会导致系统不稳定，过低则可能减弱微分效果。 5. **wo（自然频率）**：与系统的固有频率有关，用于调整控制器的响应特性，确保系统在期望的频率范围内工作。 在TI的SOLAR库中未找到此函数，意味着这可能是一个自定义实现，适用于特定的应用场景或为了满足特殊的需求。用户可能需要自行编译和测试这个函数，以适应他们的硬件平台和控制任务。 在实际应用中，设计和调整这些参数是一个迭代过程，通常通过模拟或实地试验来完成。开发者需要考虑系统的稳定性、响应速度、抗干扰能力和目标性能指标。在单片机或DSP中实现准PR控制器时，还需要注意计算资源的限制，如处理速度、内存大小等，确保代码优化且能够在有限的硬件资源下高效运行。 "myPR"代码库提供了一个方便的工具，使开发者能够快速集成准PR控制器到他们的控制系统中，通过调整参数来优化控制性能。无论是用于学术研究还是工业应用，理解并熟练掌握这种控制器的原理和应用都将极大地提升项目实施的成功率。

CRME标准版 v5.3.0更新说明文档 功能新增 后台支持所有功能设置搜索 事业部：员工可以后台添加，员工邀请码改为商城码 添加新语言优化，自动翻译现有语句 小程序外部跳转生成器（小程序 H5 链接） 后台主动退款功能 增加短信发送的缓存，判断发送手机号以及ip数量限制 消息管理优化，可以更简单的从后台添加消息 拼团砍价秒杀功能关闭后，页面不显示相关功能 功能优化 对外接口权限优化 充值和付费会员小程序发货管理自动发货优化 后台版权信息优化闪烁 确认订单页面到店自提优化电话显示 公众号菜单添加字数提醒 移动端订单管理退款订单搜索优化 公众号菜单添加字数提醒 绑定员工优化 修复拼团未完成，发送了卡密或者优惠券 二级返佣冻结问题优化 优化批量翻译队列 diy商品列表组件分类选择优化 微信v3接口抽奖红包发送优化 好友代付查看订单优化

CRMEB标准版PC前端模板CRMEB-BZ-PC v5.3.0是一款专为CRMEB系统设计的前端界面模板，适用于电子商务平台。该版本是在2024年3月26日更新的，主要针对CRMEB v5.3版本进行了优化和适配，以提供更流畅、更稳定、更高效的用户体验。模板的设计和开发遵循了现代Web开发的最佳实践，旨在提升网站的交互性、美观性和功能性。 CRMEB是一个综合性的电子商务解决方案，集成了客户关系管理（CRM）、电子商务（E-commerce）和内容管理系统（CMS）等功能，为企业打造一站式的在线销售和服务平台。前端模板作为CRMEB系统的重要组成部分，它负责展示商品、处理用户交互、实现页面动态效果，以及优化用户体验。 在CRMEB-BZ-PC v5.3.0中，你可以期待以下关键知识点： 1. **响应式设计**：模板采用响应式布局，能自动适应不同设备屏幕尺寸，无论是桌面电脑、平板还是手机，都能呈现良好的视觉效果。 2. **Bootstrap框架**：基于Bootstrap，这是一个流行的前端开发框架，提供了丰富的组件和样式，便于快速构建和定制界面。 3. **Vue.js应用**：可能采用了Vue.js进行前端状态管理和数据绑定，Vue.js是一种轻量级的JavaScript框架，用于构建用户界面，能提高开发效率和代码可维护性。 4. **AJAX交互**：利用AJAX技术实现无刷新页面更新，提升用户体验，如购物车操作、商品筛选、表单提交等。 5. **SEO优化**：前端模板会考虑搜索引擎优化，如元标签设置、结构化数据标记等，有利于提升网站在搜索引擎中的排名。 6. **安全性**：CRMEB模板可能包含安全防护机制，如XSS和CSRF防护，确保用户数据的安全。 7. **插件集成**：可能集成了地图、支付接口、社交分享等第三方插件，增强网站功能。 8. **自定义主题**：提供灵活的主题配置，允许用户根据品牌需求调整颜色、字体等视觉元素。 9. **性能优化**：包括图片压缩、代码压缩、CDN加速等策略，提高网站加载速度。 10. **文档支持**：官方可能提供了详细的使用和开发文档，帮助开发者理解和修改模板。 为了获得更多信息和使用指南，可以访问链接，了解更多关于CRMEB系统升级和模板使用的具体细节。同时，`template`和`crmeb`这两个文件夹可能包含了模板的HTML、CSS、JavaScript文件以及与CRMEB系统的接口交互文件，开发者可以通过这些源码深入学习和定制模板。 CRMEB-BZ-PC v5.3.0是一个全面的前端解决方案，结合了现代前端技术和CRMEB的特性，为电子商务平台提供了强大且易用的界面。对于想要学习前端开发、了解CRMEB系统或改进现有电商平台的开发者来说，这是一个宝贵的资源。

新版CCNP学习指南（英文版），包括BSCI、BCMSN、ISCW、ONT

【作品名称】：基于 python+深度学习的视觉问答【毕业设计】（含源码+答辩 ppt） 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】：对于视觉问答（VQA）的研究具有深刻的学术意义和广阔的应用前景。目前，视觉问答模型性能提升的重点在于图像特征的提取，文本特征的提取，attention权重的计算和图像特征与文本特征融合的方式这4个方面。本文主要针对attention权重的计算和图像特征与文本特征融合这两个方面，以及其他细节方面的地方相对于前人的模型做出了改进。本文的主要工作在于本文使用open-ended模式，答案的准确率采用分数累积，而不是一般的多项选择。本文采用CSF模块（包括CSF_A和CSF_B）不仅对spatial-wise进行了权重计算，还对channel-wise进行了权重计算。本文采用MFB模块和ResNet152 FC层之前的tensor来结合LSTM的输出来计算每个区域的权重，而不是直接把image feature和question feature结合本文采用SigMoid来

机器学习中的数学修炼（数据）

torch-1.9.0+cu111-cp39-cp39-win_amd64.whl torchvision-0.10.0+cu111-cp39-cp39-win_amd64 typing_extensions-4.9.0-py3-none-any.whl

今日学习配置HC-05蓝牙模块 与 STM32 F103C8T6 单片机的通信： 文章提供测试代码讲解、完整工程下载、测试效果图 主要需要用到的知识： 串口通信 目标是配置单片机串口1 与 HC-05蓝牙模块的通信，并借此传送数据打印数据给手机APP

### 人工智能机器学习中的关键数学知识 随着人工智能技术的飞速发展，特别是在机器学习领域，数学成为了构建高效算法不可或缺的基础工具。本文旨在深入探讨对于从事人工智能领域的专业人士来说至关重要的数学知识，包括微积分、线性代数、概率论以及最优化理论等方面的内容。 #### 微积分 微积分作为机器学习的基础之一，主要用于理解和解决模型训练过程中的优化问题。在机器学习中，微积分主要关注以下几个方面： - **导数与偏导数**：理解如何计算导数及偏导数，这对于理解损失函数的变化趋势至关重要。 - **梯度向量**：梯度向量提供了函数变化最快的方向，是许多优化算法的核心。 - **极值定理**：了解函数达到极值时导数或梯度为零的原则，有助于识别最佳解。 - **雅克比矩阵与Hessian矩阵**：这些矩阵分别描述了多变量函数的一阶和二阶偏导数，对于理解和分析函数的行为非常有用。 - **泰勒展开**：利用泰勒公式可以近似表示复杂函数，从而简化问题并推导出诸如梯度下降等优化算法。 - **拉格朗日乘数法**：用于求解带有等式约束条件的优化问题。 #### 线性代数 线性代数在机器学习中扮演着核心角色，因为它提供了一种高效的方式来表示和操作数据结构。以下是一些关键概念： - **向量与矩阵运算**：掌握向量和矩阵的基本运算，如加法、减法、乘法、转置等，是处理数据的基石。 - **范数**：了解L1范数和L2范数，它们在评估向量或矩阵的大小时经常使用。 - **特征值与特征向量**：这些概念帮助我们理解矩阵的特性，并在主成分分析等降维技术中起到关键作用。 - **奇异值分解(SVD)**：这是一种强大的矩阵分解技术，广泛应用于推荐系统、图像处理等领域。 - **矩阵的正定性**：这一属性对于理解优化问题的解空间非常有用。 #### 概率论 概率论为机器学习提供了处理不确定性数据的强大框架。以下是一些基本概念： - **随机事件与概率**：理解随机事件发生的可能性，以及如何计算概率。 - **条件概率与贝叶斯公式**：条件概率描述了一个事件在另一个事件发生条件下的概率，而贝叶斯公式则用于更新基于新证据的概率。 - **随机变量**：包括连续和离散随机变量，了解其期望值、方差等统计量。 - **概率分布**：熟悉常见的概率分布类型，如正态分布、伯努利分布等。 - **最大似然估计**：一种常用的参数估计方法，用于确定使观察数据最有可能出现的参数值。 #### 最优化理论 最优化理论是机器学习中一个极其重要的主题，因为它直接关联到寻找最佳模型参数的过程。以下是一些核心概念： - **梯度下降**：一种迭代方法，通过沿着负梯度方向更新参数来最小化损失函数。 - **牛顿法**：一种更高效的优化算法，利用Hessian矩阵的信息加速收敛。 - **拟牛顿法**：当Hessian矩阵难以计算时，拟牛顿法是一种实用的替代方案。 - **凸优化**：凸优化问题具有独特的性质，即任何局部最优解也是全局最优解，这对于许多机器学习任务来说非常有利。 - **拉格朗日对偶**：通过引入拉格朗日乘子将带约束的优化问题转化为无约束问题的方法。 - **KKT条件**：KKT条件为带不等式约束的优化问题提供了必要条件。 ### 结论 总而言之，微积分、线性代数、概率论以及最优化理论构成了机器学习领域的四大支柱。深入理解和掌握这些数学知识不仅能够帮助我们更好地理解机器学习算法背后的原理，还能够提高我们在实际问题中解决问题的能力。虽然直接阅读数学教科书可能需要花费较多的时间和精力，但在实践中逐步积累这些知识，结合具体的案例和项目进行学习，将会更加高效且有效。