华小电

摘要： class PID: def __init__(self, kp, ki, kd): self.kp = kp self.ki = ki self.kd = kd self.prev_error = 0 self.integral = 0 def update(self, setpoint, cur 阅读全文

摘要： 对于二阶过阻尼系统，其传递函数通常可表示为两个一阶惯性环节的串联形式： \(G(s)=\dfrac{1}{(T_1s+1)(T_2s+1)}\qquad(T_1>T_2>0)\) 其中 $T_1 $和 \(T_2\) 为系统的时间常数。以下为阶跃响应公式的详细推导过程： ‌步骤1：写出系统的阶跃响应 阅读全文

摘要： 计算一个传递函数，使其阶跃响应在 ‌15秒达到稳态值的75%‌，‌30秒达到稳态值的90%‌ ‌步骤1：选择系统模型结构‌ 通常使用 ‌一阶系统‌ 或 ‌二阶过阻尼系统‌ 进行拟合，因两者均无超调且易解析计算。 ‌推荐模型‌： \(G(s)=\dfrac{K}{(T_1s+1)(T_2s+1)}\) 阅读全文

摘要： import numpy as np from sklearn.preprocessing import MinMaxScaler # 生成一个 10x5 的随机矩阵 matrix = np.random.rand(10, 5) # 创建 MinMaxScaler 对象 scaler = MinMa 阅读全文

摘要： 微分信号 传递函数 \[G(s) = \frac{Ts}{Ts+1} \]阶跃响应 单位阶跃函数\(u(t)\) 的拉普拉斯变化为 \(U(s)=\frac{1}{s}\) \[Y(s)=G(s)U(s)=\frac{T}{Ts+1} \]对\(Y(s)\) 进行拉普拉斯反变换,得到微信信号的阶跃响 阅读全文

摘要： sklearn 自带数据集 来自知乎 阅读全文

摘要： rolling参数 DataFrame.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None) window：表示时间窗口的大小；可省略不写。两种形式：int和offse 阅读全文

摘要： 双向 LSTM（Bidirectional LSTM，BiLSTM）是一种特殊的 LSTM 结构，它同时处理序列的正向和反向信息。这意味着对于给定的时间步，双向 LSTM 不仅考虑了之前的时间步的信息（像标准的单向 LSTM 一样），还考虑了未来时间步的信息。这使得 BiLSTM 在处理自然语言处理 阅读全文

摘要： class LSTMModel(nn.Module): def __init__(self, input_size, hidden_size, num_layers, output_size): super(LSTMModel, self).__init__() self.lstm = nn.LST 阅读全文

摘要： 通过Pip升级Torch报错：ERROR: Could not install packages due to an OSError: [Errno 28] 设备上没有空间 原来/tmp空间不足 临时解决方案 使用 tmpfs 暂时增加 /tmp 空间 # 创建一个新的 tmpfs 挂载点 sudo 阅读全文