期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于STM32F103C8的DLQR控制算法的C编程
1
作者 王昌世 《现代信息科技》 2025年第16期29-33,共5页
在较低端的MCU芯片(低工作频率、低Flash和RAM容量、无FPU及低成本)上实现较为复杂的离散线性二次型调节器(DLQR)控制算法,是实用且近些年MCU控制领域的一个小难题。该项目创新地在STM32F103C8上完成了DLQR控制算法的自主C语言程序设计... 在较低端的MCU芯片(低工作频率、低Flash和RAM容量、无FPU及低成本)上实现较为复杂的离散线性二次型调节器(DLQR)控制算法,是实用且近些年MCU控制领域的一个小难题。该项目创新地在STM32F103C8上完成了DLQR控制算法的自主C语言程序设计。三个要点如下:首先,在STM32F103C8 MCU的通用开发工具Keil 5.32中加入CMSIS-DSP函数库;其次,通过C编程采用双线性法实现连续状态方程的离散化;最后,利用后向迭代法求解动态黎卡提方程,进而得到离散状态反馈增益矩阵K_n。产品测试表明,基于该C语言设计的DLQR控制算法程序与基于MATLAB设计的程序在STM32F103C8芯片上的效果近乎一致。 展开更多
关键词 STM32F103C8 DLQR 双线性变换 动态黎卡提方程 cmsis-dsp函数库 Keil 5.32
在线阅读 下载PDF
基于机器学习的Cortex-M监控视频车型识别 被引量:4
2
作者 李晓琳 曹银杰 +3 位作者 田存伟 刘明 耿相珍 冯文文 《科学技术与工程》 北大核心 2019年第34期227-233,共7页
为了解决高速公路环境下监控视频图像车型识别需要将海量视频数据上传计算机服务器中心,对所有的视频流图像进行结构化处理和车型识别,造成服务器中心数据压力大、计算任务重,对服务器性能要求高的问题。对此,提出一种基于机器学习的Cor... 为了解决高速公路环境下监控视频图像车型识别需要将海量视频数据上传计算机服务器中心,对所有的视频流图像进行结构化处理和车型识别,造成服务器中心数据压力大、计算任务重,对服务器性能要求高的问题。对此,提出一种基于机器学习的Cortex-M监控视频车型识别的方法。首先,将训练机训练好的六种车型的权值矩阵文件移植到前端Cortex-M核系列开发板上,采用开发板内嵌的CMSIS-NN网络函数库搭建与训练机相同的网络模型结构;同时采用开发板内嵌的CMSIS-DSP库加快图像处理速度,并对选择处理监控视频图像实现车型识别;实验结果表明,该方法平均识别率达到94.6%以上,与采用计算机进行识别相同,可见该方法能够缓解大量视频上传给服务器中心造成的压力,为高速公路环境下监控视频图像车型识别研究提供了一种可选择的方案。 展开更多
关键词 结构化处理 Cortex-M 监控视频 车型识别 CMSIS-NN cmsis-dsp
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部