hhaibin(小海)　请前来取分，谢谢。（3）

FAQit 2001-08-23 01:27:30

hhaibin(小海)　请前来取分，谢谢。（1） 60分
hhaibin(小海)　请前来取分，谢谢。（2） 60分
hhaibin(小海)　请前来取分，谢谢。（3） 20分
hhaibin(小海)　请前来取分，谢谢。（4） 20分
http://www.csdn.net/expert/topic/240/240364.shtm 40分

共200分

...全文

137 5 打赏收藏转发到动态举报

写回复

5 条回复

切换为时间正序

请发表友善的回复…

发表回复

hhaibin 2001-08-25

打赏
举报

回复

up

FAQit 2001-08-25

打赏
举报

回复

TO ：hhaibin(小海)　,对不起，上次您发给我的javabean由于硬盘故障给没了，能不能再发一编（只发这个javabean即可，不用发文本了），谢谢。另外请快来取分。

FAQit 2001-08-25

打赏
举报

回复

给分！！！！

FAQit 2001-08-23

打赏
举报

回复

谢谢。

lci21 2001-08-23

打赏
举报

回复

to FAQit(-：):
可惜可惜！这只能怪我，发过贴直就不看了！
我写过对数据库连接、查询以及增删改的javabean，没看到你的贴子！
否则，我会给你讲得清清楚楚

PLECS损耗计算-基于LCC谐振变换器的DCDC双机并联电源开环热仿真内容概要：本文档主要围绕基于LCC谐振变换器的DCDC双机并联电源系统，利用PLECS工具开展开环热仿真与损耗计算的研究。通过对LCC谐振变换器的工作原理建模与仿真分析，重点探讨了系统在开环控制下的热特性分布与各关键器件的功率损耗情况，旨在评估电源系统的热稳定性与效率表现。研究内容包括电路拓扑结构设计、损耗分解（如开关管、二极管、磁性元件等）、热网络建模及温升预测，为双机并联系统的散热设计与可靠性优化提供理论依据和技术支持。; 适合人群：从事电力电子、电源系统设计及相关领域研究的工程技术人员、高校研究生及科研人员，具备一定的电路分析与仿真基础；使用场景及目标：①用于高效率DCDC电源系统的热管理和可靠性设计；②指导LCC谐振变换器在并联应用中的损耗优化与散热布局；③支持PLECS仿真在电力电子系统热-电协同分析中的教学与工程实践；阅读建议：建议结合PLECS仿真软件实际操作，重点关注损耗计算模型与热网络参数设置，对比不同工况下的温升曲线，深入理解热仿真结果对硬件选型与系统优化的指导意义。

GeneratedClass112.java

GeneratedClass359.java

代码下载地址： https://pan.quark.cn/s/bc087ffa872a "测控电路课后习题详解"文件.pdf是一份极具价值的学术资料，其中系统地阐述了测控电路的基础理论、系统构造、核心特性及其实际应用领域。以下是对该文献的深入解读和系统梳理：1.1测控电路在测控系统中的核心功能测控电路在测控系统的整体架构中扮演着不可或缺的角色。它承担着对传感器输出信号进行放大、滤除杂音、提取有效信息等关键任务，并且依据测量与控制的需求，执行必要的计算、处理与变换操作，最终输出能够驱动执行机构运作的指令信号。测控电路作为测控系统中最具可塑性的部分，具备易于放大信号、转换模式、传输数据以及适应多样化应用场景的优势。 1.2决定测控电路精确度的关键要素影响测控电路精确度的核心要素包括：（1）噪声与干扰的存在；（2）失调现象与漂移效应，尤其是温度引起的漂移；（3）线性表现与保真度水平；（4）输入输出阻抗的特性影响。在这些要素中，噪声干扰与失调漂移（含温度效应）是最为关键的因素，需要给予高度关注。 1.3测控电路的适应性表现测控电路在测控系统中展现出高度的适应性，具体表现在：* 具备选择特定信号、灵活实施各类转换以及进行信号处理与运算的能力* 实现模数转换与数模转换功能* 在直流与交流、电压与电流信号之间进行灵活转换* 在幅值、相位、频率与脉宽信号等不同参数间进行转换* 实现量程调整功能* 对信号实施多样化的处理与运算，如计算平均值、差值、峰值、绝对值，进行求导数、积分运算等，以及实现非线性环节的线性化处理、逻辑判断等操作1.4测量电路输入信号类型对电路结构设计的影响测量电路的输入信号类型对其电路结构设计产生显著影响。依据传感器的类型差异，输入信号的形态也呈现多样性。主要可分为...

高效的多分辨率融合技术对具有标签不确定性的遥感数据进行处理（Matlab代码实现）内容概要：本文介绍了基于Matlab代码实现的高效多分辨率融合技术，用于处理具有标签不确定性的遥感数据。该方法通过融合不同分辨率的遥感图像，提升数据的空间与光谱信息一致性，有效应对遥感数据中标注不准确或模糊的问题，从而提高后续分类、检测或识别任务的精度与鲁棒性。文中详细阐述了算法的核心流程，包括多尺度数据配准、特征提取、不确定性建模及融合策略优化，并提供了完整的Matlab实现代码，便于科研人员复现实验并进行二次开发。; 适合人群：具备一定遥感图像处理基础和Matlab编程能力的研究生、科研人员及从事地理信息系统、环境监测、城市规划等相关领域的技术人员。; 使用场景及目标：①应用于土地利用分类、环境变化监测、灾害评估等存在标注误差的实际遥感项目中；②旨在提升遥感数据分析的准确性与可靠性，特别是在训练样本有限或标签质量较低的情况下；③为相关领域提供可复现的技术方案与代码参考。; 阅读建议：建议读者结合提供的Matlab代码逐段理解算法实现细节，重点关注多分辨率配准与不确定性融合模块的设计逻辑，同时可尝试在自有数据集上进行迁移实验以加深理解。

81,116

社区成员

341,730

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章