最新实例
VSG虚拟同步机孤岛模型2018b版技术解析与应用
电力系统的 VSG 虚拟同步机孤岛模型 2018B 版,是个比较成熟的仿真模型,适合用 MATLAB 跑电力系统相关的控制策略。里面用的是 2018b 版本的 MATLAB,兼容性不错,不容易踩坑,模拟响应也快,参数调起来也方便。 VSG 虚拟同步机的原理说白了就是让逆变器模拟同步发电机的惯性和调频特性,尤其适合新能源接入时保持电网稳定。这个模型做得还挺细,能看到电压、频率的动态响应,适合跑孤岛模式下的工况。 配套的资源也蛮多,像是这个电力系统模拟和MATLAB 2018b安装包都有链接。用惯了 Simulink 的同学上手会比较顺,模块连接清晰,关键逻辑也没藏得太深。 嗯,有一点得提醒你一下
Hadoop分布式计算与存储框架详解HDFS与MapReduce配置使用
分布式计算的世界里,Hadoop算是老大哥级别的存在。它的HDFS负责把文件拆块、复制、分发,多台机器一起扛,安全性和稳定性都挺靠谱;MapReduce则是数据的老手,一套“映射+规约”流程,数据量再大也不怕。 文档里讲得还蛮细,从架构到原理,再到实操,像是怎么用Docker搭个Hadoop 集群,不管是单机、伪集群还是真集群,都给了清晰步骤和命令。看着照做就行,新手也能跟得上。 HDFS那块内容比较实用,比如怎么上传文件、查看目录,日常操作全都有;而MapReduce部分则用经典的 Word Count 程序,还教你怎么写自己的逻辑。对想自己上手写程序的人来说,挺贴心。 还有一点值得说:它不
Hi-C互作分析全流程从质控到TAD与Loop结构识别
Hi-C 数据的全流程真的是门手艺活,从质控、比对、去重到后面的 TAD 和 Loop 结构识别,每一步都不能出错。这套流程讲得还挺系统的,尤其适合刚接触 Hi-C 的朋友入门。流程里提到的PSYCHIC和HiC_tools都挺实用,前者能帮你根据 Hi-C 矩阵预测潜在增强子,后者则是一组小而美的工具集,数据比较高效。蛮推荐你看下相关的 Matlab 源码,像是schmid 滤波函数,Hi-C 信号的时候蛮顺手的。而且还有不少 Loop 管理和优化的小技巧,比如在Enhancing Loop Management那篇里就提到了一些暂停、进度显示的操作,适合想搞清楚流程控制细节的你。哦对了,如
欧姆龙PLC NJ系列12轴EtherCAT伺服与张力控制高级应用
欧姆龙 NJ 系列 PLC 的 12 轴 EtherCAT 伺服控制,真的是做多轴模切项目时的一把好手。它不仅控制逻辑清晰,而且张力算法也挺成熟的,跑起来稳定性高。你要是做类似的高速模切或印刷,拿来参考一下,还蛮值的。EtherCAT 的响应速度也快,实时性完全跟得上,调起来也不算复杂。 12 轴联动的EtherCAT 伺服控制,在这套模切程序里写得挺规范的。比如用MC_MoveAbsolute做定位动作,再结合张力控制逻辑,响应也快,误差也小。 张力控制部分用的增量式 PID,适合对纸带或薄膜有精度要求的场景。调试的时候建议你先从低速开始,看看张力反馈稳定不稳定。 整个程序结构上,主站是欧姆
西门子Smart 200PLC与三菱E700通讯控制方案Modbus RTU实现与监控
西门子 Smart 200PLC 和三菱 E700 变频器的 Modbus RTU 通讯,算是蛮多人踩过坑的点。这套方案就挺靠谱的,逻辑清晰,调试思路也实用,适合现场控制和状态监控场景,节省不少排查时间。用 Smart 200PLC 通过 Modbus RTU 去控制 E700,响应还挺快。地址分配、功能码使用都讲得比较细,像03、06、16这些常用码怎么搭配都说清楚了,调试起来少走弯路。串口配置方面,建议 RS485 拉一下 120 欧电阻,稳定性会更好。波特率、奇偶校验这些基本参数搞错了,基本就是收发乱码,别问我怎么知道的……另外,你要是想了解 FX5U 跟 Modbus 通讯的玩法,可以
聚类算法研究
聚类算法的总结类资源其实不少,但《聚类算法研究_孙吉贵.pdf》这篇文章还挺有参考价值的。里面把近年来比较火的聚类方法都梳理了一遍,像K-Means、DBSCAN、谱聚类这些常用的算法,都有详细。关键是,它不仅讲原理,还搭配实验,讲清楚了算法在不同数据集下的表现。对比做得蛮细,准确率、效率都有考虑。 从算法思想讲起,再到关键技术,讲优缺点,说实话,讲得挺透。你要是正好在搞数据挖掘或者图像聚类,拿这篇文章做入门或者查漏补缺都挺合适。尤其是对比那块,看完你基本就知道哪个算法适合自己的场景了。 还有一点蛮好的,作者选的实验数据都来自UCI那类公开库,比较有代表性。你可以用同样的数据复现实验,方便。对
数据挖掘18大算法实现合集
数据挖掘算法的代码集合,真的是个宝藏。分类、聚类、关联、图挖掘、序列模式通通都有,像Apriori、KMeans、PageRank这些经典的都有代码实现,写得挺清楚的。 每种算法都有对应的包名和目录结构,而且大部分还带了调用方法。比如你想试下KNN,直接看对应的Client类就能跑起来,输入格式也都有规范示例,挺省事。 算法分得也比较细:分类(Classification)、聚类(Clustering)、序列模式(SequentialPatterns)、统计学习(StatisticalLearning)等,连粗糙集和图挖掘都有照顾到,像gSpan和RoughSets,这类在平时项目中不常见但研
实用数据挖掘中文版扫描版
意大利学者 Giudici 写的《实用数据挖掘》中文版扫描版,内容蛮全的,适合入门又想看实际案例的你。讲得不枯燥,配合多实操流程,比如怎么做数据准备、怎么选数据、怎么找规律。还有分类、聚类、关联规则这种常用技术,书里都有例子。更妙的是,文末还聊到大数据背景下怎么搞分布式挖掘,提到了 Hadoop 和 Spark,思路也挺清晰。要是你在做推荐系统、风控或社交网络建模,这份资源真的值得翻翻。
Internet数据挖掘原理及实现
大规模文本的利器是Internet 数据挖掘的关键之一,尤其在做文本分类和推荐时,能省不少事。文本知识挖掘的流程比较清晰,从数据收集到个性化推荐都有详细的实现方法,是TF-IDF和CVSM模型,挺适合初学者和有经验的开发者上手。像数据预这块,用爬虫抓下来的网页,先清洗 HTML 标签、去掉停用词,再转成词袋模型或者 TF-IDF 格式,流程还蛮顺畅的。你要是用过BeautifulSoup或者jieba,会更快理解。分类和聚类这块,讲了用向量空间模型来比较文本之间的相似度,适合做文章聚类或者新闻分组,还挺实用。顺带一提,特征选择也有提到,可以少踩多坑。后面说到搜索引擎优化和个性化检索,讲了OEM
DataMiningHtmlViewers数据挖掘模型视图控件
微软的,其实就是Microsoft.AnalysisServices.DataMiningHtmlViewers.dll这个文件,说白了,就是用来在.NET 应用里展示 Data Mining 模型结构的视图控件,像决策树、聚类图那种。界面显示蛮直观的,操作也不复杂,拖进项目就能用,响应也快。对于搞 BI 或者数据可视化的前端来说,还是挺方便的。它不依赖太多别的组件,你只要装好 SQL Server 和 Visual Studio,大部分情况下都能跑起来。如果你之前搞过SSAS,应该会比较熟,整合起来也顺手。我用它主要是展示数据挖掘模型的决策逻辑,比如客户分类、购买预测那类,直接用Decisi