搜索资源列表
热释电红外报警器设计
- 1 概述 4 1.1 红外报警器原理 4 1.2 设计目标 5 1.3 参考资料 6 2 设计说明 7 2.1 传感器设计 7 2.2 滤波器设计 9 2.3 比较和延时电路设计 10 2.4 驱动电路设计 10 2.5 电源设计 11 3 元器件清单（BOM）表 11
PICclock
- 一、 前言 二、 准备工作与快速上手 1 、 芯片资源 2 、 软件开发环境 MPLAB IDE v8.00 3 、 编译器picc9.50 4 、 MPLAB ICD2 硬件调试及编程工具 5 、 ICD2 的连接顺序 6 、 从最简单的测试程序开始 三、 旋转时钟功能概述 1 、 基板 2 、 电机 3 、 指针板 4 、 红外遥控器 . 5 、 上位机 四、 指针板的供电方式 1 、 常见的供电方式 2
Home-security-alarm-system-
- 本论文设计了由AT89C52单片机为控制核心,用红外线为监测装置的防盗报警系统。该系统中红外对管作为红外线的发射和接收部分。发射部分采用红外发光二极管，而使用光敏三极管作为接收部分，接收红外发光二极管发出的红外线（不可见光）。单片机将通过内部的软件系统检测到接收管的导通或截止状态,并根据检测到的信号状态,进行判断并输出报警信号, 直至按复位按钮或电源开关。声光报警信号由9014三极管驱动构成声光报警电路,进行声光同时报警。电源部分采用变压器将220V交流市经变压器降压，桥式整流器整流，电解
ir2003
- IRDA WD969USB 2.0高速IrDA红外控制器支持驱动程序 -IRDA WD969IRDA WD969IRDA WD969IRDA 红外线驱动、USB 2.0高速IrDA红外控制器支持驱动程序
msp430xiaoche
- 关于PID算法和智能小车的各个驱动管理及电源和电机及红外模块的开发-Each driver management and power and motor and infrared modules developed PID algorithms and smart car
STC
- 以热释电红外探测器、光亮度及声控传感器做为照明区域的感知器件，进行信号采集，将采集信号通过转换电 路转换后传到STC12C5628AD 单片机，经单片机处理后的控制信号控制驱动电路。根据AC LED 电路的特点，驱动电 路以双向可控硅做为核心器件进行设计，系统可实现AC LED 照明的智能开启及亮度调节。经实际电路测试，电路工 作稳定可靠，达到了设计要求。-Pyroelectric infrared detectors, brightness and voice sensor as
version-5-road-tracing-information
- 该文件包括智能寻迹小车的更新程序、坦克寻迹的参考程序资料，以及电机驱动原理分析，还有5路红外原理最新的原理图。-The file include intelligent tracing car update program, tanks of tracing reference data, as well as motor driven principle analysis, 5 road infrared principle and the latest schematic diagram.
A-robot-design
- 跷跷板机器人设计报告本设计跷跷板机器人采用AT89C51系列单片机作为控制及数据处理的核心，通过红外反射对管采集信息是小车在跷跷板上寻迹前进，采用倾角传感器SCA60C进行角度检测得知小车的平衡状态，从而控制L298N驱动步进电机实现电机的正反转,并由此完成小车的前进、后退与转向，直到小车在跷跷板上达到平衡。此外本设计还采用LCD显示屏对小车的行驶时间及状态进行显示。小车可以在跷跷板上自动寻找平衡点，实时显示电动车行驶时间及平衡位置还可以在添加配重的情况下也能完成任务。-The design o
Computer-Vision
- 机器视觉，双目视觉板卡电路：1> 双目视觉照相机电路图，含红外照明管，可以红外成像的立体双摄像头图像采集电路。2> 长按按键开机/关机电路（类似手机电源按键长按可开机，关机），可以通过程序控制IO关机。3> 锂电池剩余电池电量检测电路。4> 段码式液晶显示屏接口。5> 蜂鸣器驱动电路，采用两个三极管，烧写程序时蜂鸣器不发出噪声。6> 已分析原理图，原理正确，实测电路为有效可靠。-Machine vision, binocular vision circuit
结合双模多尺度 ＣＮＮ 特征及自适应深度ＫＥＬＭ 的浮选工况识别
- 针对可见光图像特征驱动的浮选工况识别方法的不足，提出一种基于双模态图像多尺度 ＣＮＮ 特征及自适应深度自编码核极限学习机（Ｋｅｒｎｅｌ Ｅｘｔｒｅｍｅ Ｌｅａｒｎｉｎｇ Ｍａｃｈｉｎｅ，ＫＥＬＭ）的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解，设计双通道 ＣＮＮ 网络对双模态多尺度图像进行特征提取及融合，将多个双隐层自编码极限学习机串联成深度学习网络对 ＣＮＮ 特征逐层抽象提取，然后通过核极限学习机映射到更高维空间进行决策，最后改进量子细菌觅食算法并应用于深度自编码