【摘 要】
：
为实时了解骑行者的骑行状态,便于其调整骑行举动,设计了基于物联网平台的自行车多功能码表.选用AT89C52作为主控芯片,结合传感器技术、WiFi技术、物联网平台实现了包含计算
【机 构】
：
贵州大学 电气工程学院,贵阳550025
论文部分内容阅读
为实时了解骑行者的骑行状态,便于其调整骑行举动,设计了基于物联网平台的自行车多功能码表.选用AT89C52作为主控芯片,结合传感器技术、WiFi技术、物联网平台实现了包含计算骑行速度、单次里程、总里程、时间、所耗卡路里、检测环境温湿度等功能的自行车码表设计.进一步地,通过在LCD显示屏及物联网平台显示所得数据实时监测骑行者的骑行状态,以及时调整骑行举动.运行结果显示本次设计的多功能码表具有使用方便、结构简单、价格便宜等优点,增加的卡路里消耗计算进一步丰富了码表功能.此外,此设计能合理地计算骑行数据并及时将数据传送至物联网平台,更加方便骑行者了解骑行实时信息.
其他文献
为了提高快速帧移动多视点图像的检测跟踪识别能力,提出基于Harris角点检测的快速帧移动多视点图像跟踪识别方法。构建快速帧移动多视点图像检测和帧稳定性控制模型,采用数字特征融合技术,实现对快速帧移动多视点图像的模糊度增强和融合处理,通过多维空间参数检测技术,实现快速帧移动多视点图像的动态参数识别,结合联合滤波特征匹配方法,采用稳像控制技术,建立快速帧移动多视点图像的灰度参数分析模型,根据Harri
摘 要：为提高非平稳性电力负荷的预测精度以及充分挖掘历史负荷数据的时序特征，本文提出了基于注意力（Attention）机制和经验模态分解（EMD）以及门控循环神经网络（GRU）组合的负荷预测方法。首先使用EMD对原始负荷数据进行EMD分解，继而得到有限个具有本征模态函数（IMF）的分量;然后考虑到各分量间的相关性，使用多层GRU网络对IMF分量进行多输入多输出预测，同时引入注意力机制，深入挖掘历史
摘要：弗兰克-赫兹实验是“近代物理实验”中的重要实验之一，数据量大且数据处理复杂。支持向量机是一种广泛应用于函数逼近、模式识别、回归等领域的机器学习算法。本文将支持向量机算法应用于弗兰克-赫兹实验数据的拟合，过程简单，在python环境下验证该方法拟合精度高，效果好。支持向量机算法还可应用于其他的物理实验曲线拟合。 关键词：支持向量机;曲线拟合;弗兰克-赫兹实验;Python 中图分类号：TP
摘要：随着人们自驾出游的频率逐步提高，城市交通拥挤堵塞的情况时常出现，给应急指挥车的救援带来诸多不便，为使应急指挥车能够机动灵活地深入城市各个角落，及时有效解决各类突发事故，通过ArcMap以城市交通道路为源构建了网络数据集，将城市交通道路网抽象为图的结构，使用邻接表以及二叉排序树结构对传统Dijkstra算法进行了改进，并基于改进后的Dijkstra算法，采用ArcGIS Engine、Visu
针对肌肉电信号(EMG)控制假手的需求,介绍了一种仿生机械手的设计和控制仿真.此机械手优势在于关节和手指尺寸完全还原真实人手的大小.首先,在多自由度的基础上,建立了五指的
摘 要： 从医疗文本中抽取知识对构建医疗辅助诊断系统等应用具有重要意义。实体识别是其中的核心步骤。现有的实体识别模型大都是基于标注数据的深度学习模型，非常依赖高质量大规模的标注数据。为了充分利用已有的医疗领域词典和预训练语言模型，本文提出了融合知识的中文医疗实体识别模型。一方面基于领域词典提取领域知识，另一方面，引入预训练语言模型BERT作为通用知识，然后将领域知识和通用知识融入到模型中。此外，本
提出结合CAN矩阵对报文数据场信号的具体定义提取特征,训练LSTM网络在多个时间步长上,对一些重要的信号进行预测,引入观测值得到预测误差矩阵.使用多元高斯分布对误差矩阵建
摘 要： 城市轨道交通系统站点之间相互影响，若列车在某一站点产生初始延误，该延误的影响会向周边列车或站点传递，产生严重后果。本文首先基于图论理论，建立站点分层重构的有向图延误模型，综合考虑了节点的连通作用，对节点的重要度排序，然后结合故障树分析法对发生故障的节点深入分析，找出导致列车发生故障的底事件，从而更加高效地处理故障。该方法不仅可以迅速辨识故障发生的原因，还准确预测了故障消散的节点和故障消散
在工业4.0的推动下,智能制造备受关注,智能制造的生产模式及其结构现已成为瞩目焦点.全文通过以集成制造、数字制造、网络制造为基础,构建智能制造框架,分别解释集成制造、数
摘 要： 牵引系统身为地铁车辆的关键系统之一，提升其可靠性对于改善整个地铁车辆的可靠运行尤为重要。但是，牵引系统的结构复杂，且失效模式多样，采用传统的可靠性分析方法较为困难。针对这一问题，提出了一种基于贝叶斯网络的系统可靠性评估方法，并结合故障树法，对地铁车辆牵引系统的可靠性进行建模和分析。以某地铁牵引系统为例，利用贝叶斯网络模型计算出牵引系统的可靠度;通过贝叶斯网络的双向推理能力，找出对牵引系统