包含文件 1. AutoMod仿真软件安装包 2. AutoMod学习资料 - AutoMod软件基础 - AutoMod队列 - AutoMod传送带 - AutoMod移动路径等等 注:中文版资料、安装包请不要选择验证/重启等操作、学习版仅能查看Model文件部分项目缺失
2024-07-04 11:43:31 159.54MB AutoMod
1
IBM MQ,全称为WebSphere Message Queuing,是IBM公司提供的一种高级消息中间件,用于在分布式系统中可靠地传输消息。这个压缩包包含了IBM MQ学习的多个重要方面,包括理论知识、实践工具和日常运维指南。 "MQ配置.doc"文档很可能是关于IBM MQ的配置教程,它会涵盖如何在不同操作系统上安装和配置MQ服务器,以及如何设置队列管理器、队列和通道等核心组件。队列管理器是MQ的核心,负责管理消息的存储和传递;队列是消息的实际存储位置,而通道则定义了两个MQ实体之间的通信路径。 "MQ日常维护手册.doc"是运维人员的重要参考,它可能包含监控、日志分析、性能调优、故障排查和备份恢复等日常操作步骤。例如,如何查看和解析MQ的日志文件来定位问题,如何定期检查关键性能指标以确保系统健康,以及在出现故障时如何快速恢复服务。 "Websphere+MQ入门教程.pdf"可能是一个综合性的学习资料,它会深入介绍IBM的集成平台WebSphere与MQ的结合使用。WebSphere是IBM的应用服务器,常与MQ配合,提供企业级的应用集成和消息传递解决方案。这份教程可能涉及如何在WebSphere环境中部署和管理MQ,以及如何通过JMS(Java Message Service)接口进行应用编程。 至于"MQ工具",这可能是指IBM提供的各种MQ管理工具,如MQ Explorer或命令行工具。MQ Explorer允许用户图形化地管理和监控MQ环境,而命令行工具如runmqsc则提供更底层的配置和管理功能。此外,这个目录可能还包含一些自定义的工具,如你基于MQ API开发的客户端和服务端小工具。这些工具可能是用Java实现的,它们简化了MQ的接入,帮助开发者快速创建发送和接收消息的应用。 这个资源包为学习和使用IBM MQ提供了一个全面的起点,从基础配置到实际开发,再到日常运维,覆盖了IBM MQ的各个重要环节。对于想要掌握MQ技术的人来说,这是一个宝贵的资料库。
2024-07-04 10:08:18 2.37MB MQ学习资料
1
"三相桥式可控整流电路的MATLAB仿真" 三相桥式可控整流电路是电力电子技术中最重要的电路之一,也是应用最广泛的电路,不仅应用于一般工业领域,也广泛应用于交通运输、电力系统、通信系统、能源系统及其他领域。因此,对三相桥式可控整流电路的相关参数和不同性质负载的工作情况进行对比分析与研究具有重要的现实意义。 三相桥式半控整流电路是三相桥式可控整流电路的一种, 由共阴极接法的三相半波可控整流电路与共阳极接法的三相半波不可控整流电路串联而成。这种电路兼有可控和不可控的特性,共阳极组3个整流二极管总是自然换相点换流,使电流换到比阴极电位更低的一相;而共阴极组3个晶闸管则要在触发后才能换到阳极电位高的一个。 三相桥式半控整流电路的工作情况可以通过MATLAB软件的Power System工具箱进行仿真,并对其带纯电阻负载及电阻电感性负载时的工作情况进行对比分析与研究。仿真结果验证了所建模型的正确性。 在仿真中,假定负载电感L足够大,可以认为负载电流在整个稳态工作过程中保持恒值,因此不论控制角为何值,负载电流i总是单向流动,而且变化很小。一个周期中参与导通的管子及输出整流电压的情况如表1所示。 表1 三相桥式半控整流电路电阻负载ct=0时的晶闸管和二极管工作情况 晶闸管触发角a=0时,对于共阴极组所接的3个晶闸管,阳极所接交流电压最高的1个导通;同理,对于共阳极组阴极所接交流电压最低的1个导通。这样,任意时刻共阳极组和共阴极组中总是各有1个管子处于导通状态,负载电压为某个线电压。 图1中各个管子均在自然换相点处换相,从输入电压与负载线电压的对照来看,自然换相点既是各线电压的交点,又是各相电压的交点。从线电压波形可以看到由于共阴极组中处于通态的晶闸管对应的是最大相电压,而共阳极组中对应的是最小的相电压。 在MATLAB仿真中,可以通过改变共阴极组晶闸管的控制角,获取0-2.34u(变压器二次侧电压)的直流电压。具体电路图如图1所示。 三相桥式可控整流电路的MATLAB仿真可以帮助我们更好地理解和分析三相桥式可控整流电路的工作原理和特性,并且可以应用于实际工程中。
1、docker安装kong,konga 2、Kong 基础认证插件(Basic auth) 3、Kong的插件: Key Authentication 4、Kong插件[IP Restriction]使用【黑白名单】 5、kong网关
2024-06-23 15:39:47 5.99MB docker 课程资源 kong konga
1
CANopen协议在机械研究院中的应用实例分析 CANopen是一种基于Controller Area Network(CAN)总线的应用层协议,广泛应用于工业自动化、机器人技术、医疗设备、汽车电子等领域。同济大学机械研究院的CANopen协议-PDO SDO应用实例分析,为我们提供了一个深入了解CANopen协议的机会。 CANopen协议简介 CANopen协议是一种开放式的通信协议,主要应用于工业自动化、机器人技术、医疗设备等领域。它基于CAN总线,提供了一个灵活的通信架构,能够满足不同工业应用的需求。CANopen协议的主要特点是开放式、灵活、可扩展、实时性强等。 PDO应用实例分析 PDO(Process Data Object)是CANopen协议中的一种数据对象,用于传输过程数据。在机械研究院的应用实例中,PDO应用实例分析主要涉及到对象字典的编写、节点之间的数据传输等方面。 对象字典的编写 在CANopen协议中,对象字典是指节点之间的数据交换所需的数据结构。对象字典的编写是PDO应用实例分析的重要步骤。根据机械研究院的应用实例,在对象字典的编写中,需要定义节点 ID、对象类型、对象名称、数据类型等信息。 节点之间的数据传输 在机械研究院的应用实例中,节点之间的数据传输是通过CAN总线实现的。节点 1 发送数据至节点 2、节点 3,节点 2 发送数据至节点 3。数据传输的过程中,需要遵守CANopen协议的规定,例如数据帧的格式、传输速率等。 SDO应用实例分析 SDO(Service Data Object)是CANopen协议中的一种服务数据对象,用于传输服务数据。在机械研究院的应用实例中,SDO应用实例分析主要涉及到服务数据的传输、错误处理等方面。 服务数据的传输 在CANopen协议中,服务数据的传输是通过SDO实现的。服务数据的传输包括服务请求、服务响应、错误处理等方面。在机械研究院的应用实例中,服务数据的传输需要遵守CANopen协议的规定,例如服务请求的格式、服务响应的格式等。 错误处理 在CANopen协议中,错误处理是非常重要的。错误处理包括错误检测、错误报告、错误恢复等方面。在机械研究院的应用实例中,错误处理需要遵守CANopen协议的规定,例如错误代码的定义、错误处理的流程等。 同济大学机械研究院的CANopen协议-PDO SDO应用实例分析,为我们提供了一个深入了解CANopen协议的机会。通过该应用实例,我们可以了解CANopen协议的基本原理、PDO和SDO的应用、错误处理等方面的知识。
2024-06-22 15:56:36 491KB CANopen 学习资料
1
1.武汉大学教学PPT 2.多套历年期末试题(含答案) 3.整理过的复习资料包 4.重点内容总结及学习笔记
2024-06-19 19:30:39 45.33MB 嵌入式系统 PPT 复习资料
1
Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G
2024-06-05 20:07:56 53B 课程资源 web html/js
1
《计算机组成与体系结构》学习资料.zip
2024-05-28 14:59:09 19.59MB 课程资源
1
入门图神经网络的好资源,了解GNN的基本原理,训练方法,以及其各种变体的应用。通俗易懂,讲解全面。入门图神经网络的好资源,了解GNN的基本原理,训练方法,以及其各种变体的应用。通俗易懂,讲解全面。
2024-05-22 19:41:49 47.73MB 图神经网络 神经网络 深度学习
1
百度飞桨学习python机器学习、深度学习资料 【机器学习】GRU:实践-情感分类的另一种方法 【机器学习】LSTM:实践-谣言检测 【机器学习】python复杂操作:实践-爬虫与数据分析 【机器学习】ResNet-50原理:实践-CIFAR10数据集分类 【机器学习】VGGNet原理:实践-中草药分类 【机器学习】Word2Vec实现:实践-基于CBOW和Skip-gram实现Word2Vec 【机器学习】飞桨高层API的实践 【计算机视觉】1.实践:飞浆与python入门操作 【计算机视觉】2.实践:python复杂操作 【计算机视觉】3.理论:计算机视觉概述 【计算机视觉】4.实践:基于深度神经网络的宝石分类 【计算机视觉】5.实践:基于卷积神经网络的美食识别 【计算机视觉】6.实践:基于VGG-16 的中草药识别 等等
2024-05-20 17:30:37 35.42MB paddlepaddle paddlepaddle python 机器学习
1