高级开发简单游戏制作，期末项目答辩小组作业

永磁同步电机的MTPA最大转矩电流比控制算法的simulink仿真模型，有详细的算法设计文档。1. 永磁同步电机的数学模型；2. 永磁同步电机的矢量控制原理；3. 最大转矩电流比控制；4. 前馈补偿提高抗负载扰动性能；5. 弱磁控制；6. SVPWM调制。

半桥LLC谐振变器仿真模型，采用变频控制电压闭环控制，完美跟踪给定电压，可实现软开关

FPGA图像处理，每个算法都包括matlab算法、modelsim仿真、小梅哥AC620上板工程、正点原子新起点 开拓者上板工程

基于自适应多种群寄生樽海鞘群PEDSSA.差分演化的寄生SSA优化门控逻辑单元GRU参数，可用于分类、回归、时序预测任务，代码注释详细

灰度图片OTSU阈值分割算法利用fpga实现，包括直方图统计等模块，一帧图像输出结束后输出直方图统计、前一帧图像的阈值，误差几个灰度值左右，只要误差来自于小数的精度损失。开发和仿真环境为vivado2018.3，实验图片像素为1024*1024。

MATLAB代码：基于主从博弈的智能小区代理商定价策略及电动汽车充电管理关键词：电动汽车 主从博弈 动态定价 智能小区 充放电优化 参考文档：《基于主从博弈的智能小区代理商定价策略及电动汽车充电管理》基本复现仿真平台：MATLAB+CPLEX gurobi平台优势：代码具有一定的深度和创新性，注释清晰，非烂大街的代码，非常精品 主要内容：代码主要做的是一个电动汽车充电管理和智能小区代理商动态定价的问题，将代理商和车主各自追求利益最大化建模为主从博弈，上层以代理商的充电电价作为优化变量，下层以电动汽车的充电策略作为优化变量，通过优化得出最优电价策略以及动态充电策略，代码出图效果非常好，店主已经对代码进行了深入的加工和处理，出图效果非常好，代码质量非常高，保姆级的注释以及人性化的模块子程序，所有数据均有可靠来源，联系后会直接发您资料，保证您学得会，用的起来，简直是萌新福利

基于双层优化的电动汽车优化调度研究标价即原价 参考文档：《考虑大规模电动汽车接入电网的双层优化调度策略_胡文平》中文版《A bi-layer optimization based temporal and spatial scheduling for large-scale electric vehicles》完全复现仿真平台：MATLAB+CPLEX 平台主要内容：代码主要做的是一个双层的电动汽车充放电行为优化问题，具体来讲，输电网上层优化将电动汽车与发电机、基本负荷协调，同时考虑风力发电，从而在时域内优化电动汽车的负荷周期。然后，配电网的下层优化在空间上调度电动汽车负荷的位置。同时代码考虑了风电的出力场景，研究了不同风电出力下电动汽车的适应性，该代码具有一定的创新性，适合新手学习以及在此基础上进行拓展

埃斯顿量产方案绝对值编码器伺服控制器全C代码和硬件图纸 1）TMS320F2812+FPGA量产方案；DSP全C代码，VHDL语言FPGA代码。2）绝对值编码器，或者旋变。3）AD格式硬件电路图和PCB，主控板、显示板、驱动板。3）程序代码能自动识别电机参数、惯量识别、低频振动抑制，含MODBUS、CANopen通讯。4）量产技术生产方案。

Modbus RTU通讯S7-1200主站程序 RS4585总线通讯TIA博图SCL源码语言编程.可用于西门子S7-1200PLC.S7-1500PLC.简单实用,轻松实现对30个从站数据的读写,只需要在变量中添加相应的站号,,添加对应的Modbus 地址寄存器,添加需要读写的位及字数就能轻松实现通讯. 不用在编写大量的梯形图轮询程序,减少编写程序工作量.简单轻松的实现Modbus RTU大量数据通讯.

BP神经网络的数据分类预测和故障信号诊断分类matlab代码 ，直接运行出数据分类结果和误差分布，注释详细易读懂，可直接套数据运行。

基于STM32F103的密码检测串口通信 包括源代码、仿真功能上电打印版权信息按任意数字按键，打印相应按键信息输入6位密码，正确密码为123456#号键为 格，再次按*键为确认。密码正确，打印密码正确；密码错误，打印密码错误，并归零输入。3次连续错误，显示已锁定。在OLED屏幕上显示3行日期命名的文件名。文件名前面显示一个△符号，代表文件选择，2和8代表上下移动三角形选择文件。实时在显示屏上显示电池的电压和电量

深度神经网络的电力系统实时状态估计与预测源代码代码按照高水平文章复现，保证正确利用深度神经网络(DNNs)进行电力系统实时监测。在IEEE 118系统的实际负载数据实验中，新的基于dnn的PSSE方案的性能几乎优于竞争对手的数量级，包括广泛采用的Gauss-Newton PSSE求解器。基于数据驱动的DNN的改进处理电力系统实时监测(估计和预测)。为PSSE开发了Prox-linear网络，将网络神经网络与传统的基于物理的优化方法相结合。在此基础上，引入深度DNN来预测历史(估计)电压对电力系统状态的影响。基于模型的prox-linear网络的PSSE易于训练，计算成本低廉。所提出的基于DNN预测考虑了电压时间序列中的长期非线性相关性，增强了PSSE。在ieee57总线和118节点系统上使用真实负载数据进行的数值测试，说明了开发的方法相对于现有方案的优点。