matlab代码：储能参与电能量—辅助服务调频市场联合出清代码。 本代码是电力市场出清的一个重要方向，由于储能的诸多特性，使其适合于辅助服务市场的调频市场，储能的参与也能获利。 首先利用SCUC模型确定机组出力计划和储能充放电计划，然后利用SCED模型进行市场出清，确定节点电价，调频容量电价和调频里程电价。 最后得到出清和收益结果。 本程序在IEEE39节点系统中测试，结果正确，注释清晰。 有参考文档

STM32嵌入式系统开发实战指南-FreeRTOS与LwIP联合移植.rar是书本加源代码打包一起

FMIKit_for_Simulink2.4.2 FMI,The Functional Mockup Interface,功能模型接口（通用模型接口标准），用于将不同设备供应商提供的各种不同的行为模型设备与标准控制器的软件/硬件/模型进行半实物实时仿真测试。 可有偿代做： 基于FMI的系统仿真，如AMEsim，Simulink，Adams等工具之间的联合仿真。 意向联系yalsrs@126.com

刚刚从visual basic 中杀回来，由于急切想试一下，上位机（微机）与下位机（单片机）相结合的无穷魅力，就急切的利用好心人的实例匆匆修改调试，终于建立了一座小桥，面貌和功能真是我都不忍心看。但网友比我还急切，我刚说出了想法，就相我要结果，干脆就把周日给消灭了。先拿出来共同欣赏一下，以证明这条路子是可以走的，在以后的过程中，将会有漂亮灵巧的例子和大家一起弄。 首先说明一下我的过程，另外介绍一下需要安装的软件和过程。 1。visual basic 6.0 他的版本可不旧，.net不和咱相关。软件很大，可以随便从网上找到下载安装。 2。vspd xp 5。也可以从网上下载，但为了方便，我就放一块了，可以直接安装设置。增加两个虚拟串口，就和虚拟光驱的道理是一样的。具体可以找一下资料，1，将串口选择处改为com3和com4，点击add pair就可以了。这样就与他暂时无关了，就相当于硬件pc 与 mcu 都将要连在一起了。 ！！！！！！！！！注意！！！，vb的mscomm1控件设置为com3,而讲proteus 的compim设置为com4,就表示连在一起了，不能都为com3或com4!!!!!! 其他参数设置为（9600，n,8,1）. 3.运行vb,运行proteus 4。看看很一般的效果，但意义还是有一点的。哈哈 ！好了，过几天我再弄得漂亮一点点了。比如，让电脑界面上的设置的按钮把单片机玩弄起来。

simulink联合cubeMX生成CAN通信代码，使用CANdb++生成DBC文件。 芯片：STM32F103ZET6 SIMULINK:2021b 视频介绍： https://www.bilibili.com/video/BV1k14y1W7T7/?spm_id_from=333.999.list.card_archive.click&vd_source=689893c00c42d98588422785d898fa2d

提出基于级联扩展卡尔曼滤波与块状处理线性卡尔曼滤波的频偏和相位噪声协同处理方案。利用扩展卡尔曼滤波器对系统频偏进行初始估计, 利用块状线性卡尔曼滤波器实现频偏和相位噪声的精准估计。对最优数据块长度和调优参数Q的关系, 算法的线宽容忍性能、频偏估计范围以及频偏漂移追踪速度进行了详细的讨论和分析。结果表明, 该方案具有快速的载波估计收敛能力、较高的频偏和相位估计精度, 并且其频偏漂移追踪可高达320 MHz/μs。相比传统盲相位搜索方法, 该方案具备较高的频偏容忍度和较低的实现复杂度。最后实验研究正交相移键控(QPSK)光通信系统下的载波恢复性能, 同时给出不同光信噪比、块状数据长度下的载波频偏估计性能。

Isight 与Matlab联合仿真--fence例子

AEB案例-carsim2017与simulink2018a联合仿真 文件包括：AEB_pdf文档、cpar文件、AEB_.mdl文件 仅供学习。

全面综述基于事件的控制系统的研究现状与最新成果.主要介绍事件驱动通信机制的各种类型和事件触发控制的主要研究内容,包括不同的建模方法以及控制器与事件产生器的联合设计方案,重点对时延系统建模方法进行分析,将事件触发闭环控制系统建模成连续时滞模型.此外,关于网络诱导因素对事件触发机制的影响以及网络化事件触发控制的一些应用也进行说明.最后,提出目前研究工作所存在的不足,以及下一步需要解决的开放难题.

康诺斯 Conos：在样本网络上聚类 什么是conos？ Conos是一个R包，用于将大量单细胞RNA-seq数据集组合在一起，从而既可以识别复发性细胞簇，又可以在多样本或Atlas规模集合中的数据集之间传播信息。 它着重于跨异构样本集合的同源细胞类型的均匀映射。 例如，用户可以研究来自癌症患者的数十种外周血样本的收集以及数十种对照，其中可能包括相关组织（如淋巴结）的样本。 它是如何工作的？ Conos应用了许多容易出错的方法中的一种来对齐集合中的每对样本，从而建立了加权的样本间单元间链接。 然后可以分析所得的联合图，以识别不同样品之间的亚群。 相同类型的单元格将倾向于在许多此类成对比较中相互映射，从而形成可以识别为簇（图社区）的集团。 Conos处理可以分为三个阶段： 阶段1：过滤和归一化使用标准软件包对样本面板中的每个单独的数据集进行过滤和归一化，以进行单数据集处理： pag