2020江苏省电子设计竞赛C题(省一等奖)的PID算法仿真,便于基于STM32硬件实现PID控制算法,基于matlab实现PID算法仿真,结果准确可靠,实现简单
2023-03-24 14:25:17 397B PID算法;MATLAB
1
考虑雪崩击穿效应,以光伏电池元双二极管模型为基础,建立了适用于分析光伏电池部分被遮光问题的数学仿真模型,并利用户外实验验证了模型的正确性。运用此模型分析了单片空间太阳电池在反向偏压下的输出特性和串联组件在不同阴影遮挡情况下的I-V,P-V特性及输出能力。结果表明,空间太阳电池串联组件从无阴影遮挡到40%阴影遮挡,最大输出功率下降40%。串联组件输出功率随单片空间太阳电池遮挡比例的增大迅速下降;从遮挡1/5片,2/5片到整片被阴影遮挡,相应最大输出功率分别下降7.36%,25.81%与97.94%。
2023-03-24 10:07:33 2.83MB 光电子学 空间太阳 输出特性 实验与模
1
开发步骤: 1.快递鸟API文档地址:http://www.kdniao.com/api-eorder, 根据官网电子面单API接口要求,按要求封装JSON格式,然后传到URL:http://api.kdniao.com/api/EOrderService 注:打印电子面单需要保存接口返回来的HTML数据, 请求参数 IsReturnPrintTemplate:1(返回电子面单模板:0-不需要;1-需要) 返回参数 PrintTemplate(返回HTML文本) 2.保存返回的HTML文本和物流单号 建议,利用txt文本存储,命名用物流单号命名 3.根据HTML传输到快递鸟组件,实现打印预览功能 前提需要下载并预先打开快递鸟的打印组件 http://www.kdniao.com/documents-instrument 根据本地电脑下载64位或者32位 HTML的注意事项: 1.首先引入快递鸟组件自带的JS文件 2.LODOP.NewPage(); 触发组件创建新网页 3.LODOP.ADD_PRINT_HTM(0,0,"100%","100%", htmlText); 生成打印页面 【htmlText】就是前面获取回来的HTML数据
2023-03-24 00:56:55 2KB java JS 电子面单 快递鸟
1
杭电大一下大学物理答案 word版 杭州电子科技大学 大学物理习题集参考答案
2023-03-23 23:05:54 4.55MB 杭州电子科技大学 大学物理 习题
1
微电子经典教材《微电子器件与IC设计基础》习题解答第六章
2023-03-23 20:58:15 2.18MB 微电子器件与IC设计基础_习题解6
1
电子科大--通信原理---课件--习题答案---考试题目
1
基于ucosii的一个医疗电子工程全部源代码(输液泵) 可以参考设计
1
互融云电子借条系统开发成熟系统+二次开发+灵活多样共2页.pdf.zip
1
3.1 标准应用电路 47R 47R LS VCC_IO TMC5160 SPI interface CSN SCK SDO SDI reference switch processing R E F L /S T E P R E F R /D IR DIAG / INT out and Single wire interface 5V Voltage regulator charge pump 22n 100V 100n 16V DIAG0/SWN CLK_IN DIAG1/SWP +VM 5VOUT VSA 2.2µ +VIO D R V _ E N N G N D D G N D A T S T _ M O D E D IE P A D VCC opt. ext. clock 12-16MHz 3.3V or 5V I/O voltage 100n 100n Controller LS stepper motor N S BMA2 Chopper 100n SRAH CE Optional use lower voltage down to 12V 2R2 470n Use low inductivity SMD type, e.g. 1210 or 2512 resistor for RS! Encoder unit A B N E N C B _ D C E N E N C A _ D C IN E N C N _ D C O Encoder input / dcStep control in S/D mode S D _ M O D E S P I_ M O D E opt. driver enable B.Dwersteg, © TRINAMIC 2014 RS SRAL LA1 LA2 HA1 HA2 BMA1 HS HS CA1 CB CA2 CB +VM LS LS BMB2 SRBH RS SRBL LB1 LB2 HB1 HB2 BMB1 HS HS CB1 CB CB2 CB +VM Both GND: UART mode C P I C P O V C P V S 11.5V Voltage regulator 12VOUT 2.2µ mode selection Bootstrap capacitors CB: 220nF for MOSFETs with QG<20nC, 470nF for larger QG 470n 470n Keep inductivity of the fat interconnections as small as possible to avoid undershoot of BM <-5V! RG RG RG RG RG RG RG RG Slope control resistors RG: Adapt to MOSFET to yield slopes of roughly 100ns. Slope must be slower than bulk diode recovery time. 47R 47R +VIO pd pd pd +VIO 图 3.1 标准电路 标准路使用最少的外部器件。根据所需的电流、电压和封装类型选择八个 MOSFET。两个采样电阻 设置电机线圈电流。请参阅第 8 章选择正确的采样电阻。电源滤波选用低 ESR 电容。为获得最佳性能, 建议功率桥附近线圈电流的最小容量为 100μF /安培。电容需要吸收斩波器操作产生的电流纹波。电源电 容上的电流纹波也取决于电源内阻和电缆长度。VCC _ IO 可以从 5VOUT 或外部电源(例如 3.3V 调节器)提 供。在 VM 高的应用中为了降低内部 5V 和 11.5V 稳压器的线性稳压器功耗,VSA 应该使用不同(较低)的 电源电压(参见第 0 章)。 基本布线提示 将采样电阻和所有滤波电容尽可能靠近功率 MOSFETs。 TMC5160靠近MOSFETs放置,短线互连线, 以最小化寄生电感。所有的 GND、GNDA、 GNDD 及采样电阻 GND,使用一个公共地。5VOUT 滤波电容 直接连到 5VOUT 和 GNDA 引脚。有关详细信息,请参阅布局提示。VS 滤波推荐使用低 ESR 电解电容。
2023-03-23 14:56:16 3.19MB TMC5160
1
4.1 电子病历实体关系抽取任务 电子病历命名实体关系抽取主要研究从电子病 历中抽取疾病、症状、检查和治疗这几类实体间的 关系. 这些实体关系体现了患者健康状况信息和针 对患者的医疗处置措施, 也体现了医生的专业知识. 如下面的例子: 1) 头 CT 检查显示腔隙性脑梗死 (检查 “头 CT” 证实了疾病 “腔隙性脑梗死”); 2) 患者彩超结果汇报轻度脂肪肝、慢性胆囊炎, 给予饮食指导, 继续治疗方案 (“彩超” 证实了 “轻度 脂肪肝” 和 “慢性胆囊炎”, “饮食指导” 施加于 “轻 度脂肪肝” 和 “慢性胆囊炎”). 电子病历实体关系抽取任务在命名实体识别基 础上展开, 对病历文本中同一个语句中的两个命名 实体赋予预定义的关系类型, 因而该任务转化为分 类问题, 通常采用基于机器学习的方法实现, 评价指 标采用精确度、召回率和 F 值. 目前电子病历实体 关系只限于一个句子范围内两个实体之间的关系. Uzuner 首先对医疗实体关系抽取进行了开创 性的研究, 详细定义了六大类医疗实体关系: 当前疾 病和治疗的关系、可能的疾病和治疗的关系、疾病 (包括当前的和可能的) 和检查的关系、疾病和症状 的关系、当前症状和治疗的关系、可能的症状和治 疗的关系[3]. 如果已经定义了修饰识别任务, 实现了 疾病和症状的修饰识别, 那么在关系抽取时, 可以不 考虑修饰的影响, 直接抽取实体间的关系, 然后借助 实体的修饰, 可以得到文献 [3] 定义的上述各类关 系. 所以, 在 I2B2 2010 评测中, 实体关系的定义没 有考虑修饰的因素. I2B2 2010 首次对电子病历命 名实体关系进行了系统的分类[12], 这些关系包括医 疗问题和医疗问题之间的关系、医疗问题和检查之 间的关系、医疗问题和治疗之间的关系. 这三类关系 以医疗问题为中心, 反映了电子病历面向医疗问题 的信息组织方式. 这三类关系只限于一个句子范围 内两个实体之间的关系. 表 5 详细列出了医疗问题、 检查和治疗这三类实体间的关系. 针对中文电子病历特点, 医疗问题被拆分为疾 病和症状,那么在定义实体关系时,也应作相应调整. 主要体现在两方面: 1) 医疗问题和治疗 (或检查) 的 关系转变为疾病和治疗的关系以及症状与治疗的 关系, 医疗问题和检查的关系也转变为疾病和检查 的关系以及症状和检查的关系; 2) 医疗问题之间的 关系替换为疾病和症状的关系 (疾病导致了症状)、 疾病和疾病的关系 (疾病导致了另一个疾病)、症状 和症状的关系 (症状伴随另一个症状). 自动抽取这几类实体间的关系可以构造患者健 康状况的简明摘要, 医生可以预先快速浏览病人的 信息, 后续再关注特定的细节. 除了可以用作医疗研 表 4 疾病和症状的修饰识别方法总结 Table 4 Summarization of methods for assertion classification 作者 方法 用到的资源 数据 评价 (F 值) Chapman 等[13] (NegEx) 规则 正则表达式规则 出院小结 0.853 Mutalik 等[105] (Negfinder) 规则 正则表达式规则、句法规则 自建语料 0.965 Sohn 等[106] (DepNeg) 规则 依存规则 I2B2 2010 评测数据 0.838 Harkema 等[107] (ConText) 规则 正则表达式规则、触发词 6 种类型的病历文本 0.76∼ 0.93 Uzuner 等[108] SVM / 三个机构的病历 0.35∼ 0.98 Grouin 等[110] SVM NegEx I2B2 2010 评测数据 0.931 Jiang 等[97] SVM MedLEE I2B2 2010 评测数据 0.931 de Bruijn 等[99] SVM cTAKES I2B2 2010 评测数据 0.936 Clark 等[111] CRF、最大熵 语义分类词典、状态规则 I2B2 2010 评测数据 0.934
2023-03-23 11:28:15 979KB EMR 人工智能 智能医疗 电子病历
1