期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于STM32的太阳能双轴跟踪控制系统 被引量:3
1
作者 秦兴盛 陈晓荣 聂道林 《信息技术》 2013年第4期113-115,共3页
利用太阳能跟踪支架,使太阳能电池始终能被太阳光直射以提高发电效率,降低太阳能电池板的尺寸并节省成本。文中设计以STM32F103ZET6为控制核心的太阳支架双轴跟踪控制系统,系统根据支架所在地的经纬度与时间,计算出蜗轮蜗杆与推杆的相... 利用太阳能跟踪支架,使太阳能电池始终能被太阳光直射以提高发电效率,降低太阳能电池板的尺寸并节省成本。文中设计以STM32F103ZET6为控制核心的太阳支架双轴跟踪控制系统,系统根据支架所在地的经纬度与时间,计算出蜗轮蜗杆与推杆的相应位置,改变支架的高度角与方位角,实现双轴跟踪;并且利用照度传感器与风速传感器,使支架能适应不同天气;加入软件自动修复等技术,降低系统功耗、提高系统稳定性。该产品在实际应用中能较好地满足精度与稳定性要求。 展开更多
关键词 STM32 双轴跟踪 光伏发电
下载PDF
基于现场总线技术的水电站溢洪闸门综合自动化系统
2
作者 肖志怀 陈启卷 +1 位作者 秦兴盛 高海申 《计算机工程》 CAS CSCD 北大核心 2002年第5期196-198,共3页
介绍了现场总线技术在水电站大坝溢洪闸门综合自动化系统中的应用,实现了控制、维护与技术管理的集成,并对该系统的结构、功能、实现、软硬件配置等方面作了详细的说明。
关键词 现场总线 水电站 溢洪闸门 综合自动化系统
下载PDF
基于三维视觉的产品虚拟设计方法研究 被引量:5
3
作者 龙薜岳 秦兴盛 《现代电子技术》 北大核心 2018年第2期10-13,共4页
常规产品设计过程是通过AutoCAD软件直接进行设计,在软件中下达参数指令软件会自动生成,整体设计过程没办法进行虚拟演化以及实际模拟,设计产品只有真实制作后才能够进行测量与实验,存在极大的延后性。提出基于三维视觉的产品虚拟设计方... 常规产品设计过程是通过AutoCAD软件直接进行设计,在软件中下达参数指令软件会自动生成,整体设计过程没办法进行虚拟演化以及实际模拟,设计产品只有真实制作后才能够进行测量与实验,存在极大的延后性。提出基于三维视觉的产品虚拟设计方法,对产品进行数字化建模,根据产品生产流程以及产品特点设计数字化模型流程,利用协作效应对AutoCAD中的数据与三维视觉协作模型中的设计数据进行搭配组合,完成AutoCAD图像转换三维视觉图像,建立数字模型对转换数据加工实现产品的虚拟设计。实验结果表明,提出的虚拟设计方法设计的产品能够更好地制造应用,设计效率高于常规方法,解决了设计延后性。 展开更多
关键词 三维视觉 AUTOCAD软件 虚拟设计 建模 图形转换 产品设计
下载PDF
基于互联网推荐的视觉品牌形象设计研究 被引量:2
4
作者 张燕 秦兴盛 《现代电子技术》 2021年第12期87-90,共4页
以提升用户满意度为出发点,研究基于互联网推荐的视觉品牌形象设计方法。通过互联网采集用户行为数据,利用评分预测方法对未具有评分行为的图形元素评分,将可体现用户兴趣变化的评分依据时间变化赋予时间刻度值获取用户⁃元素⁃时间评分矩... 以提升用户满意度为出发点,研究基于互联网推荐的视觉品牌形象设计方法。通过互联网采集用户行为数据,利用评分预测方法对未具有评分行为的图形元素评分,将可体现用户兴趣变化的评分依据时间变化赋予时间刻度值获取用户⁃元素⁃时间评分矩阵,利用时间加权方法依据评分矩阵计算用户兴趣相似度,利用用户最终兴趣相似度实现视觉品牌形象初步设计,将完成初步设计的品牌形象设计结果通过全局亮度调节、局部对比度增强以及颜色恢复完成视觉图像增强,提升最终品牌形象设计图像的视觉呈现效果。结果表明,采用该方法对某地区某粥品实施视觉品牌形象设计,设计结果可充分体现品牌文化与主题,不同年龄层、不同职业用户对所设计视觉品牌形象结果注视时间均高于2 s,用户满意度高。 展开更多
关键词 形象设计 视觉品牌 互联网推荐 数据采集 视觉呈现效果 评分矩阵 实例分析
下载PDF
基于经验模态分解和多分支LSTM网络汇率预测 被引量:4
5
作者 薛涛 丘森辉 +1 位作者 陆豪 秦兴盛 《广西师范大学学报(自然科学版)》 CAS 北大核心 2021年第2期41-50,共10页
作为一种新型信号变换算法,经验模态分解(empirical mode decomposition,EMD)能够解决傅里叶变换等方法受限于特定基函数的缺陷。本文针对人工神经网络对高频金融时间序列预测准确率不足的问题,结合EMD和韦布尔分布对金融时间序列进行... 作为一种新型信号变换算法,经验模态分解(empirical mode decomposition,EMD)能够解决傅里叶变换等方法受限于特定基函数的缺陷。本文针对人工神经网络对高频金融时间序列预测准确率不足的问题,结合EMD和韦布尔分布对金融时间序列进行预处理,提出一种基于经验模态分解和多分支长短期记忆网络的分类预测模型,用于从高频金融时间序列中提取有关价格走势的信息并对未来的价格运动趋势做出预测。通过对2009—2012年欧元兑美元汇率时间序列进行预测,实验结果表明,所提出的网络模型可以得到较高的预测准确率和计算速度,并且同普通LSTM网络相比,提高了泛化能力和模型稳定性。 展开更多
关键词 LSTM网络 金融时间序列 汇率预测 分类模型 经验模态分解 深度学习
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部