为什么从 scipy 直接导入 interp 会报错?正确用法是什么?
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
Python内容推荐
Python-Project-Version-Compatibility-Auditor-Threshold-Tuning-v1.0-原创源码与文档.zip
原创 JavaScript 工程工具源码,包含完整可运行源码、3 项自动化测试、离线 HTML/JSON/SVG 报告、真实运行截图、README、使用文档、MIT License 与原创授权声明。适合前端、Node.js、自动化测试和工程实践学习,解压后按 README 即可运行。
自己用python开发的一款桌面便签工具,可以选定工作目录
桌面便签工具,自己开发的。 python开发。
Python办公坐姿检测 低头塌腰 MediaPipe Pose课设
Python办公坐姿检测 低头塌腰 MediaPipe Pose课设 人脸/手势和疲劳 EAR 已经上过。这个做办公场景:Pose 算低头角和塌腰角,Haar 回退,摄像头或静态图。 功能: · Pose 低头角/塌腰角 · Haar 人脸位置回退 · 办公坐姿报警 · 摄像头或静态图 · 截图到 output/ · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python OpenCV蓝黄车牌定位 颜色形态学非YOLO课设
Python OpenCV蓝黄车牌定位 颜色形态学非YOLO课设 YOLO 车牌资源已经烂大街。这个走 HSV+形态学定位,方便课设当传统基线对照深度学习。 功能: · 蓝/黄牌 HSV 阈值 · 形态学闭运算 · 长宽比过滤 · 非 YOLO 课设对照 · 掩膜+画框导出 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
无人机自主四轴飞行器的模型预测控制(Matlab实现)
内容概要:本文围绕“自主四轴飞行器的模型预测控制”展开,详细介绍了基于Matlab实现的无人机三维路径规划与控制系统设计,重点聚焦于模型预测控制(MPC)在无人机自主飞行中的应用。文档系统阐述了无人机动力学建模、状态估计与路径优化的核心理论,提供了完整的MPC控制器设计流程,并结合多无人机协同避障场景进行仿真验证。研究进一步融合瞬态三角哈里斯鹰优化算法(TTHHO)等智能算法,以实现复杂环境下的最优路径规划,目标函数综合考虑路径长度、飞行高度、威胁规避及转弯能耗等因素,提升系统整体性能。此外,文档配套丰富的Matlab代码资源与仿真案例,涵盖从单机控制到集群协同的多种应用场景,助力读者深入掌握无人机自主控制的关键技术。; 适合人群:具备一定Matlab编程能力与自动控制理论基础,从事无人机控制、智能优化算法、路径规划或自动化系统研究的科研人员、研究生及工程技术人员。; 使用场景及目标:①学习并实现基于模型预测控制(MPC)的无人机三维路径规划与实时控制;②研究多无人机协同避障机制及智能优化算法(如TTHHO)在路径规划中的集成应用;③开展无人机控制系统仿真、算法验证与性能评估,支撑科研项目或学位论文工作。; 阅读建议:建议结合提供的Matlab代码与网盘资料,按照文档结构循序渐进学习,重点理解MPC控制策略的设计原理与参数调优方法,并通过复现仿真案例加深对无人机自主决策与控制逻辑的掌握。
ExcUserFault_CNShareExtension-2026-08-15-223453.ips
ExcUserFault_CNShareExtension-2026-08-15-223453.ips
R语言SCINature绘图模板SCI科研绘图-Krona嵌套饼图
R语言SCINature绘图模板SCI科研绘图--Krona嵌套饼图
用华为海思 ATC 工具转的 OM 格式的PP-OCRv6-tiny-640本地模型
盘古M900 芯片鸿蒙系统用NPU跑 本地的文本检测 (PP-OCRv6_tiny_det):可以在图片中精准定位文字的位置 参数 input-shape="x:1,3,48,640"
YOLO算法工业车间紧固件目标检测数据集-2100张-包含 VOC 和 Yolo 格式标签-支持多种算法训练模型.zip
页面底部可查看数据集可视化效果; 该数据集可直接接入YOLOv5s/v5m/v5l、YOLOv8n/v8s/v8m、YOLOv10n/v10s、yolo11等轻量级至中型骨干网络进行端到端训练,支持从零训练(from scratch)与迁移学习(fine-tuning)两种模式;包含voc格式和yolo格式标签可直接使用
负荷预测基于GA-LSTM遗传优化长短记忆网络的电力系统负荷预测算法(Matlab代码实现)
内容概要:本文提出了一种基于遗传算法(GA)优化长短时记忆网络(LSTM)的电力系统负荷预测模型,旨在提升预测精度与稳定性。该方法利用遗传算法对LSTM的关键超参数进行全局寻优,有效克服了传统手动调参效率低下及易陷入局部最优的问题,从而构建出性能更优的预测模型。文中系统阐述了GA-LSTM混合模型的整体架构设计、优化流程与实现方法,并基于实际电力负荷数据开展了仿真实验,验证了该方法在降低预测误差、增强模型泛化能力方面的显著优势。; 适合人群:具备一定机器学习与电力系统基础知识,熟悉Matlab编程,从事负荷预测、能源管理或相关领域研究的研发人员与高校研究生。; 使用场景及目标:①应用于电力系统短期或中期负荷预测任务,提升电网调度、发电计划与需求响应的决策精度;②为研究智能优化算法(如GA)与深度学习网络(如LSTM)融合建模的研究者提供可复现的技术方案与实践参考; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注遗传算法的编码方式、适应度函数设计以及LSTM网络结构的实现细节,通过调整参数和实验对比深入理解模型优化机制。
Model-License-Metadata-Coverage-Auditor-Incident-Evidence-v1.0-原创源码与文档.zip
原创 JavaScript 工程工具源码,包含完整可运行源码、3 项自动化测试、离线 HTML/JSON/SVG 报告、真实运行截图、README、使用文档、MIT License 与原创授权声明。适合前端、Node.js、自动化测试和工程实践学习,解压后按 README 即可运行。
[插电式混合动力车辆][交替方向乘子法(ADMM)结合CVX]插电式混合动力车辆的能源管理:基于凸优化算法用于模型预测控制MPC研究(Matlab代码实现)v
内容概要:本文针对插电式混合动力车辆的能源管理问题,研究并实现了基于交替方向乘子法(ADMM)结合CVX工具的凸优化算法,用于模型预测控制(MPC)策略的设计与仿真。通过Matlab代码实现,该方法能够高效求解能源分配中的复杂优化问题,在确保计算精度的同时显著提升求解效率。文章系统阐述了车辆动力系统建模、多变量多约束条件下的优化问题构建、ADMM算法的分解机制及其与CVX凸优化工具的协同实现过程,并通过仿真实验验证了该方法在处理发动机、电池与电机之间最优功率分配任务中的有效性与鲁棒性,尤其在应对实时性要求较高的控制场景中展现出优越性能。; 适合人群:具备一定优化理论基础和Matlab编程能力的研究生、科研人员及从事新能源汽车能量管理、智能控制、先进驾驶辅助系统等相关领域的工程技术人员。; 使用场景及目标:①应用于插电式混合动力车辆的能量管理系统中,实现多动力源之间的最优功率分配;②为模型预测控制在车载实时优化控制中的部署提供高效可行的数值求解方案;③作为ADMM等分布式优化算法在能源系统优化领域中的教学与研究范例,推动其在智能交通与清洁能源系统中的应用拓展。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注ADMM算法的变量分裂策略、增广拉格朗日函数构造以及CVX工具在子问题求解中的调用方式,深入理解其在处理大规模、强耦合凸优化问题时的分解思想与计算优势。同时可延伸学习其他分布式优化算法(如ADMM的变体)在类似复杂系统控制中的应用。
Codex Windows 登录 `token-exchange-failed`:WSL + 本地代理导致 OAuth 失败的完整排查记录
Codex Windows 登录 `token-exchange-failed`:WSL + 本地代理导致 OAuth 失败的完整排查记录
不平衡电网工况下并网变流器分布式电源多目标最优运行解析建模与控制策略研究(Matlab代码、Simulink实现)
内容概要:本文针对不平衡电网工况下并网变流器分布式电源的多目标最优运行问题,提出了一套基于ANPC三电平逆变器的高性能并网控制策略。通过深入分析ANPC三电平拓扑在降低开关损耗、均衡器件应力、稳定中点电位和抑制输出谐波方面的硬件优势,构建了融合双极性倍频脉宽调制(DPWMA)、正负序分离锁相环(PLL)与电网电压前馈控制的一体化控制体系。该策略实现了“精准同步-扰动补偿-优质调制”的协同优化:DPWMA调制在不增加器件开关频率的前提下提升等效开关频率,显著改善稳态电能质量;正负序分离技术有效隔离电网负序扰动,保障不对称工况下的锁相精度与并网电流对称性;电网电压前馈则提前补偿电网扰动,大幅增强系统的动态响应速度与抗干扰能力。研究通过Matlab/Simulink多工况仿真,全面验证了该复合控制策略在稳态运行、电网不平衡及动态切换等复杂场景下的优越性能,证实其可有效提升大功率并网系统的电能质量、稳定性和工况适应性。; 适合人群:具备电力电子、自动控制或新能源并网相关背景的科研人员、研究生及从事逆变器设计与控制的工程技术人员。; 使用场景及目标:①用于研究和设计适用于复杂电网环境(如电压不平衡、谐波畸变、电压波动)的大功率并网逆变器系统;②解决电网电压不平衡导致的锁相环失真、并网电流畸变和有功/无功功率波动等关键技术难题;③提升并网系统的动态响应能力和抗扰动性能,确保新能源发电设备在恶劣电网条件下的可靠、高效与高质量并网运行。; 阅读建议:此资源结合了严谨的理论分析与Matlab/Simulink仿真验证,建议读者在深入理解ANPC拓扑工作原理、DPWMA调制机理、正负序分离数学基础及前馈控制设计思路的基础上,动手复现完整的仿真模型。重点应观察并对比不同控制策略在稳态、电网不平衡跌落、电压骤升骤降等动态工况下的电压电流波形、谐波频谱、锁相环输出及功率响应曲线,以深刻掌握各项控制技术的内在协同机制与实际工程应用效果。
X-12.17-NFB-@tkdashen.ipa
X_12.17_NFB_@tkdashen.ipa
博士德配件经典版,解决博士德软件到期需要年检注册续期问题、博士德软件加站点数、博士德软件加软件功能、博士德软件系列和版本变更
博士德配件经典版安装包,解决博士德软件到期需要年检注册续期问题、博士德软件加站点数、博士德软件加软件功能、博士德软件系列和版本变更
【轴承故障诊断】用于轴承故障诊断的集中时频分析研究(Matlab代码实现)
内容概要:本文围绕用于轴承故障诊断的集中时频分析方法展开研究,提出并实现了基于Matlab的信号处理方案。通过集中时频分析技术,能够有效提取轴承振动信号中的故障特征,克服传统时频分析方法在分辨率和抗干扰能力方面的局限。文中系统阐述了算法的理论基础、实现流程及关键参数设置,并通过仿真实验验证了该方法在识别早期微弱故障方面的优异性能。研究重点在于提升故障特征的可辨识度与检测灵敏度,为旋转机械的状态监测与智能故障预警提供可靠的技术手段。; 适合人群:具备一定信号处理理论基础和Matlab编程能力的研究生、科研人员及从事设备状态监测、故障诊断等相关领域的工程技术人员。; 使用场景及目标:①应用于电机、风机、齿轮箱等旋转机械中的轴承早期故障检测;②目标是实现对微弱、复杂工况下故障信号的高精度捕捉与识别,提升诊断准确性与设备运维智能化水平。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解集中时频变换的算法细节,重点关注实验设计中的参数选择与结果对比分析,以便将该方法有效迁移并应用于实际工程问题中。
计及V2G双向能量互动的主动配电网承载能力极限挖掘与多时间尺度分布式调控方法研究(Matlab代码实现)
内容概要:本文针对计及V2G(Vehicle-to-Grid)双向能量互动的主动配电网承载能力极限挖掘与多时间尺度分布式调控方法开展深入研究,系统分析了高渗透率电动汽车接入条件下配电网的承载能力评估、脆弱性识别及优化调控机制。研究构建了基于二阶锥规划(SOCP-OPF)的多时段协同优化模型,综合考虑无功优化、电压调节、网损抑制等多重目标,提出了一种融合广义需求响应与储能协同机制的多时间尺度分布式调控框架,有效提升了配电网的运行灵活性与稳定性。通过Matlab代码实现模型求解与仿真验证,结果表明所提方法能够显著增强配电网对大规模V2G负荷的接纳能力,并在复杂运行工况下保障系统安全高效运行。; 适合人群:具备电力系统分析、智能电网、电动汽车与能源管理等相关专业知识背景,从事相关领域科研工作的研究人员、高校研究生及工程技术人员。; 使用场景及目标:①评估高渗透率电动汽车接入对配电网承载能力的影响并识别系统薄弱环节;②设计支持V2G双向互动的配电网优化调度策略;③实现源-网-荷-储多主体在多时间尺度下的协同调控;④提升主动配电网在不确定性负荷冲击下的韧性与稳定运行水平。; 阅读建议:本资源以Matlab代码为核心工具,建议读者结合理论模型推导与仿真实验,动手复现关键算法流程,重点关注SOCP建模技巧、V2G充放电行为建模、多目标优化求解及分布式调控策略的实现逻辑,从而深入掌握主动配电网承载能力分析与优化调控的系统方法。
YOLO算法养殖车间鸡目标检测数据集-2207张-包含 VOC 和 Yolo 格式标签-支持多种算法训练模型.zip
页面底部可查看数据集可视化效果; 该数据集可直接接入YOLOv5s/v5m/v5l、YOLOv8n/v8s/v8m、YOLOv10n/v10s、yolo11等轻量级至中型骨干网络进行端到端训练,支持从零训练(from scratch)与迁移学习(fine-tuning)两种模式;包含voc格式和yolo格式标签可直接使用
期货五档tick数据包含逐笔时间、最新价、累计成交量、持仓量,以及买一至买五、卖一至卖五的价格和挂单量
期货五档tick数据包含逐笔时间、最新价、累计成交量、持仓量,以及买一至买五、卖一至卖五的价格和挂单量。level2数据提供更细粒度的委托队列,展示各档位深度明细与逐笔成交记录。分钟级别行情按分钟粒度输出,包含开盘价、最高价、最低价、收盘价、成交量和持仓量统计。 数据源:CMES金融数据库
最新推荐



