9套六轴机器人三维模型共9套六轴机器人三维模型，其中六套有结构三套有工程图 可用于结构了解学习，仿真模拟，设计借鉴

带条码打印的固定资产管理系统源码本源码亲测可用 功能介绍1.基本信息管理：包括资产分类，基本资料，资产编号规则，保存列间距和选择资产显示列等功能；2.固定资产管理：包括资产增加，资产更新，资产删除，资产清理，资产清理查询和资产折旧核算等功能；3.数据维护管理：包系统数据初始化，系统数据备份 恢复等功能；4.系统维护管理：包括本单位信息和操作员管理等功能；5.系统辅助工具：包括计算器和记事本等功能；6.条码打印：对条码进行打印等功能；

多脉冲双温模型求解，matlab，comsol。计算电子温度与晶格温度，电子密度曲线变化。matlab的双温模型。

分布式鲁棒电力系统状态估计 源代码，代码按照高水平文章复现分布式PSSE方法它利用了传统的基于最小二乘的PSSE，并提供了一个鲁棒状态估计器。通过利用压缩采样，联合估计状态在IEEE14、IEEE118和4200节点基准上对新算法进行了数值评估。仿真结果表明，在少量区域间交的情况下，可以达到所能达到的精度。相量测量单元;SCADA测量;互联状态估计局部域的分布式优化:MPC和网络流中的应用通信高效的分布式算法，它找到一个向量x，使所有函数的总和最小化。我们额外假设函数有相交的局部域，即每个函数只依赖于变量的一些组成部分。因此，每个节点需要的是只知道x的一些分量，而不是整个向量。这可以提高沟通效率。我们将我们的算法应用于分布式模型预测控制(D-MPC)和网络流问题，并通过在大型网络上的实验表明，提出的算法比现有的最先进的算法需要更少的通信来收敛。指标项分布算法、交替方向乘子法(ADMM)、模型预测控制

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。