当前位置: 首页 > article >正文

電機方向資料整理

1. 基本知識確認電機的接綫2.SVPWM2.1 svpwm是什么SVPWM空间矢量脉宽调制是一种用于三相电压源逆变器的调制技术。核心思想把逆变器的 8 种开关状态看成空间中的 8 个基本电压矢量6 个有效矢量2 个零矢量。要输出任意方向的电压矢量时用相邻的两个有效矢量 零矢量进行合成并分配在一个 PWM 周期内各自的作用时间。这样合成的定子电压矢量轨迹更接近圆形磁场旋转更平滑。直观好处直流母线电压利用率比 SPWM 高约15.5%。输出谐波更低电机转矩脉动小。特别适合数字实现现代电机控制里基本都用它2.2 svpwm与同步坐标系和静止坐标系的关系旋转坐标系下的 dq 轴电压Vd, Vq与 SVPWM 的电压矢量Vs, 角度之间的关系如下物理意义dq 轴电压是电流环 PI 控制器根据电流误差计算出的在转子磁场定向旋转坐标系下的电压指令。其中 Vd 控制励磁磁链Vq 控制转矩。SVPWM 的电压矢量是逆变器实际输出的在静止 αβ 坐标系下的定子电压矢量大小 Vs方向角 θv它决定了磁链的旋转和转矩。转换桥梁逆 Park 变换要将 dq 电压转换为 SVPWM 需要的 αβ 电压需要用到转子电角度 θ来自编码器或观测器VαVdcos⁡θ−Vqsin⁡θ VβVdsin⁡θVqcos⁡θ​然后 VsVα2Vβ2Vs​Vα2​Vβ2​​矢量角度 θvarctan⁡2(Vβ,Vα)θv​arctan2(Vβ​,Vα​)。这个 αβ 电压矢量就是 SVPWM 的输入SVPWM 据此合成三相占空比。直接关系大小SVPWM 输出的基波电压幅值正比于 Vd2Vq2Vd2​Vq2​​受母线电压和调制比限制。角度SVPWM 矢量角度 θv 与转子角度 θ 之间存在夹角称为转矩角 δ θv - θ该夹角由 Vd、Vq 的比例决定直接影响电磁转矩。一句话总结dq 电压是旋转坐标系下的指令SVPWM 的矢量是静止坐标系下的执行结果两者通过逆 Park 变换和转子角度 θ 紧密联系。2.2.1 伏秒平衡原理在一个 PWM 周期 TT 内逆变器输出的平均电压必须等于目标电压矢量。逆变器只能输出两种基本电压矢量V1V1​、V2V2​和零矢量因此Vtarget⋅TV1⋅t1V2⋅t20⋅t0Vtarget​⋅TV1​⋅t1​V2​⋅t2​0⋅t0​取 T1T1归一化周期得到VtargetV1⋅t1V2⋅t2Vtarget​V1​⋅t1​V2​⋅t2​同时三个矢量的作用时间满足t1t2t01t1​t2​t0​1以上就是伏秒平衡方程。为什么使用正弦定理将 V1V1​、V2V2​、VtargetVtarget​ 画成一个矢量三角形V1V1​ 与 V2V2​ 的夹角为 60∘60∘扇区角度。VtargetVtarget​ 与 V1V1​ 的夹角为 θθ如图中所标。根据正弦定理t1sin⁡θt2sin⁡(60∘−θ)∣Vtarget∣sin⁡120∘sinθt1​​sin(60∘−θ)t2​​sin120∘∣Vtarget​∣​注意t1t1​、t2t2​ 是时间长度由于周期已归一化它们也等于占空比。解出t1K⋅sin⁡(60∘−θ),t2K⋅sin⁡θt1​K⋅sin(60∘−θ),t2​K⋅sinθ其中K∣Vtarget∣sin⁡120∘Ksin120∘∣Vtarget​∣​如图所示这个矢量和扇区是根据静止坐标系得出的2.3 工程实现2.3.1 直接时间法首先控制器会先计算各个开关所在的扇区用以分配相邻的矢量接着根据公式sin(60°-θ) sin60°cosθ - cos60°sinθ (√3/2)cosθ - (1/2)sinθ sinθ sinθ得到#define ONE_BY_SQRT3 0.5773502691896258f // 1/sqrt(3) #define One_BY_Udc (1.0f / Udc) // 需提前定义 Udc 为实际母线电压 void foc_Svpmm_2(foc_volt_t foc, foc_pwm_t *foc_pwm) { float va_abs fabsf(foc.valpha); float vb3_abs fabsf(foc.vbeta * ONE_BY_SQRT3); float du, dv, dw; // 三相上桥臂占空比 float d7; // 零矢量作用时间的一半 float t1, t2; // 两个相邻有效矢量的作用时间 // ---------- 扇区 1 (0° ~ 60°) ---------- if ((foc.valpha 0.0f) (foc.vbeta 0.0f) (va_abs vb3_abs)) { t1 1.5f * (foc.valpha - ONE_BY_SQRT3 * foc.vbeta) * One_BY_Udc; t2 1.5f * (Two_BY_SQRT3 * foc.vbeta) * One_BY_Udc; d7 (1.0f - t1 - t2) * 0.5f; du t1 t2 d7; dv t2 d7; dw d7; } // ---------- 扇区 2 (60° ~ 120°) ---------- else if ((foc.vbeta 0.0f) (va_abs ONE_BY_SQRT3 * foc.vbeta)) { t1 1.5f * (foc.valpha ONE_BY_SQRT3 * foc.vbeta) * One_BY_Udc; t2 1.5f * (-foc.valpha ONE_BY_SQRT3 * foc.vbeta) * One_BY_Udc; d7 (1.0f - t1 - t2) * 0.5f; du t1 d7; dv t1 t2 d7; dw d7; } // ---------- 扇区 3 (120° ~ 180°) ---------- else if ((foc.valpha 0.0f) (foc.vbeta 0.0f) (va_abs vb3_abs)) { t1 1.5f * (Two_BY_SQRT3 * foc.vbeta) * One_BY_Udc; t2 1.5f * (-foc.valpha - ONE_BY_SQRT3 * foc.vbeta) * One_BY_Udc; d7 (1.0f - t1 - t2) * 0.5f; du d7; dv t1 t2 d7; dw t2 d7; } // ---------- 扇区 4 (180° ~ 240°) ---------- else if ((foc.vbeta 0.0f) (foc.valpha 0.0f) (va_abs vb3_abs)) { // t1 : V4(011) t2 : V5(001) t1 1.5f * (-foc.valpha ONE_BY_SQRT3 * foc.vbeta) * One_BY_Udc; t2 -1.5f * foc.vbeta * Two_BY_SQRT3 * One_BY_Udc; // 原代码中的 d1 d7 (1.0f - t1 - t2) * 0.5f; du d7; dv t1 d7; dw t1 t2 d7; } // ---------- 扇区 5 (240° ~ 300°) ---------- else if ((foc.vbeta 0.0f) (va_abs ONE_BY_SQRT3 * (-foc.vbeta))) { // t1 : V5(001) t2 : V6(101) t1 1.5f * (-foc.valpha - ONE_BY_SQRT3 * foc.vbeta) * One_BY_Udc; t2 1.5f * (foc.valpha - ONE_BY_SQRT3 * foc.vbeta) * One_BY_Udc; d7 (1.0f - t1 - t2) * 0.5f; du t2 d7; dv d7; dw t1 t2 d7; } // ---------- 扇区 6 (300° ~ 360°) ---------- else // (foc.valpha 0.0f) (foc.vbeta 0.0f) (va_abs vb3_abs) { // t1 : V6(101) t2 : V1(100) t1 1.5f * (-foc.vbeta * Two_BY_SQRT3) * One_BY_Udc; t2 1.5f * (foc.valpha ONE_BY_SQRT3 * foc.vbeta) * One_BY_Udc; d7 (1.0f - t1 - t2) * 0.5f; du t1 t2 d7; dv d7; dw t1 d7; } // 将结果存入 PWM 输出结构体假设其成员名为 dutyA, dutyB, dutyC foc_pwm-dutyA du; foc_pwm-dutyB dv; foc_pwm-dutyC dw; }2.3.2 查表法1. 为什么要查表SVPWM 先用三个布尔条件A、B、C判断电压矢量落在哪个 60° 扇区这 8 种组合需要快速映射到 6 个扇区编号。查表直接把“条件编码”翻译成扇区号避免冗长的if-else。好比 6 个房间的门上挂着不同的三位二进制锁001、010…你看到锁上数字立刻从密码本查表知道是哪个房间不用挨个试。2. 三个占空比d_u, d_v, d_w如何分配与 ARR 的关系更细版首先从alpha, beta和目标扇区通过解伏秒平衡方程得到两个相邻基本矢量的作用时间t_m和t_n以及零矢量时间t_0 1 - t_m - t_n。每个基本矢量对应一个具体的“开关模板”——例如扇区 1 的两个模板是v[0] (1,0,0)和v[1] (1,1,0)其中 1 表示该相上管导通、下管关断0 则相反。三个占空比独立计算U 相占空比 t_m * v[0][0] t_n * v[1][0] t_0/2V 相取每个模板的第二位W 相取第三位。加t_0/2是为了将零矢量时间平均分给000和111两种零状态使开关序列对称降低谐波和开关损耗。最终算出的是 0~1 的小数。与 ARR 的关系ARR 是固定值如 1000代表一个 PWM 周期的时钟计数步长。将三个小数值乘以 ARR再取整写入比较寄存器。硬件在每个周期内将计数器与这三个比较值不断比较自动产生三对互补的 PWM 波形带死区从而精确输出目标电压矢量。形象地说算法切出“电压蛋糕”的比例小数硬件用 ARR 这把固定尺子量出实际要数多少个时钟周期然后自动执行开关动作。3.基本矢量表v[6][3]定义了六个非零基本矢量的开关状态U,V,W 相1上管通sector矢量v[sector-1]UVW1V0{1,0,0}1002V1{1,1,0}1103V2{0,1,0}0104V3{0,1,1}0115V4{0,0,1}0016V5{1,0,1}1014.占空比计算每个扇区用两个相邻基本矢量合成v[sector-1]前一个和v[sector%6]后一个扇区6时取模得0。作用时间分别为t_m、t_n零矢量时间t_0/2均分给每相。三相占空比公式数组的第二个元素是每个管子独有的第一个元素是共有的U相 t_m * v[sector-1][0] t_n * v[sector%6][0] t_0/2V相 t_m * v[sector-1][1] t_n * v[sector%6][1] t_0/2W相 t_m * v[sector-1][2] t_n * v[sector%6][2] t_0/2代码d和q必须是小于1的比例数#include stdio.h #include math.h #include stdbool.h #define PI 3.14159265358979323846 #define SQRT3 1.73205080756887729353 #define deg_to_rad(a) (PI * (a) / 180) typedef struct duty { float d_u; float d_v; float d_w; } duty_t; /** * brief 笛卡尔坐标系下的svpwm * * param phi 转子角度 * param d d轴强度单位比例 * param q q轴强度单位比例 * return duty_t 三相桥臂占空比 */ duty_t svpwm(float phi, float d, float q) { const float rad60 deg_to_rad(60); const int v[6][3] {{1, 0, 0}, {1, 1, 0}, {0, 1, 0}, {0, 1, 1}, {0, 0, 1}, {1, 0, 1}}; const int K_to_sector[] {4, 6, 5, 5, 3, 1, 2, 2}; float cos_phi cosf(phi); float sin_phi sinf(phi); float alpha cos_phi * d - sin_phi * q; float beta sin_phi * d cos_phi * q; bool A beta 0; bool B fabs(beta) SQRT3 * fabs(alpha); bool C alpha 0; int K 4 * A 2 * B C; int sector K_to_sector[K]; float t_m sin(sector * rad60) * alpha - cos(sector * rad60) * beta; float t_n beta * cos(sector * rad60 - rad60) - alpha * sin(sector * rad60 - rad60); float t_0 1 - t_m - t_n; duty_t duty; duty.d_u t_m * v[sector - 1][0] t_n * v[sector % 6][0] t_0 / 2; duty.d_v t_m * v[sector - 1][1] t_n * v[sector % 6][1] t_0 / 2; duty.d_w t_m * v[sector - 1][2] t_n * v[sector % 6][2] t_0 / 2; return duty; } int main() { for (float phi 0; phi 360; phi 10) { duty_t duty svpwm(deg_to_rad(phi), 0, 1); printf(%f,%f,%f,\r\n, duty.d_u, duty.d_v, duty.d_w); } return 0; }3共模电压注入法硬件优化/** * brief SVPWM 共模注入法空间矢量调制 * param pVab_V 输入静止 αβ 坐标系下的电压矢量Vα, Vβ单位通常是伏特或标幺值 * param pVabc_pu 输出三相调制波标幺值Q15 格式范围约 -0.5 ~ 0.5 * * 算法步骤 * 1. 将 Vα, Vβ 乘以母线电压倒数归一化到 [-0.5, 0.5] 范围Q15 格式下对应 -16384~16384 * 2. 通过 Clarke 逆变换等幅值变换计算三相正弦波 Va, Vb, Vc * 3. 找出三相中的最大值 Vmax 和最小值 Vmin * 4. 计算共模分量 Vcom (Vmax Vmin) / 2 * 5. 每相减去 Vcom得到 SVPWM 等效的马鞍形调制波范围被压缩到 ±0.5 内 */ void SVGEN_run(const MATH_Vec2 *pVab_V, MATH_Vec3 *pVabc_pu) { int32_t Vmax_pu 0, Vmin_pu 0, Vcom_pu; // 将 Vα, Vβ 乘以 oneOverDcBus_invq15母线电压倒数Q15 格式得到标幺化后的值范围约 -0.5~0.5 int32_t Valpha_pu pVab_V-value[0] * MOTOR_vars.oneOverDcBus_invq15; // Q15 int32_t Vbeta_pu pVab_V-value[1] * MOTOR_vars.oneOverDcBus_invq15; // 准备 Clarke 逆变换所需要的系数 int32_t Va_tmp Valpha_pu 1; // 0.5 * Valpha int32_t Vb_tmp (int32_t)(MATH_SQRTTHREE_OVER_TWO * Vbeta_pu) 15; // sqrt(3)/2 * Vbeta // Clarke 逆变换等幅值形式 // Va Valpha // Vb -0.5*Valpha sqrt(3)/2 * Vbeta // Vc -0.5*Valpha - sqrt(3)/2 * Vbeta int32_t Va_pu Valpha_pu; int32_t Vb_pu -Va_tmp Vb_tmp; int32_t Vc_pu -Va_tmp - Vb_tmp; // 找出三相中的最大值 Vmax 和最小值 Vmin if(Va_pu Vb_pu) { Vmax_pu Va_pu; Vmin_pu Vb_pu; } else { Vmax_pu Vb_pu; Vmin_pu Va_pu; } if(Vc_pu Vmax_pu) Vmax_pu Vc_pu; else if(Vc_pu Vmin_pu) Vmin_pu Vc_pu; // 计算共模分量 Vcom (Vmax Vmin)/2 Vcom_pu (Vmax_pu Vmin_pu) 1; Vcom_pu_data Vcom_pu; // 保存供调试 // 从每相电压中减去共模分量得到 SVPWM 调制波马鞍波 pVabc_pu-value[0] Va_pu - Vcom_pu; pVabc_pu-value[1] Vb_pu - Vcom_pu; pVabc_pu-value[2] Vc_pu - Vcom_pu; } /** * brief 将 SVPWM 调制波转换为硬件 PWM 比较值并写入定时器 * param pPWMData 包含三相调制波 Vabc_puQ15 格式范围 -0.5~0.5以及其他配置 * * 转换步骤 * 1. 对每相调制波取负匹配硬件极性例如低侧有效或三角波计数方向 * 2. 限幅到 [-16383, 16383]略小于 ±0.5避免溢出 * 3. 加 16384即 0.5将范围平移到 [0, 1]Q15 格式 * 4. 乘以 PWM 周期 period再右移15得到比较寄存器值 * 5. 若比较值小于最小允许值如死区保护则钳位 * 6. 写入 TIM1 的三个通道比较寄存器 */ void HAL_writePWMData(HAL_PWMData_t *pPWMData) { int32_t period Half_PWMPeriod; // PWM 半周期中心对齐模式 int32_t V_pu, V_sat_pu, V_sat_dc_pu; uint16_t pwmCnt; for(pwmCnt 0; pwmCnt 3; pwmCnt) { // 1. 取负适配硬件极性例如PWM输出低有效 V_pu -pPWMData-Vabc_pu.value[pwmCnt]; // 2. 限幅到 [-16383, 16383]对应约 -0.5 ~ 0.5但避开边界 if(V_pu 16383) V_sat_pu 16383; else if(V_pu -16383) V_sat_pu -16383; else V_sat_pu V_pu; // 3. 加 16384即 0.5将范围从 [-0.5,0.5] 平移到 [0,1]Q15 格式 V_sat_dc_pu V_sat_pu 16384; // 4. 计算比较值 (占空比) * period (V_sat_dc_pu / 32768) * period // 右移15等价于除以32768因为 Q15 格式的小数点后15位 pPWMData-cmpValue[pwmCnt] (int32_t)(V_sat_dc_pu * period) 15; // 5. 最小脉冲宽度限制例如避免窄脉冲或死区补偿 if(pPWMData-cmpValue[pwmCnt] pPWMData-minCMPValue) { pPWMData-cmpValue[pwmCnt] pPWMData-minCMPValue; } } // 6. 写入硬件定时器比较寄存器 LL_TIM_OC_SetCompareCH1(TIM1, (uint32_t)pPWMData-cmpValue[0]); LL_TIM_OC_SetCompareCH2(TIM1, (uint32_t)pPWMData-cmpValue[1]); LL_TIM_OC_SetCompareCH3(TIM1, (uint32_t)pPWMData-cmpValue[2]); }

相关文章:

電機方向資料整理

1. 基本知識確認電機的接綫2.SVPWM2.1 svpwm是什么SVPWM(空间矢量脉宽调制)是一种用于三相电压源逆变器的调制技术。核心思想:把逆变器的 8 种开关状态看成空间中的 8 个基本电压矢量(6 个有效矢量,2 个零矢量&#xf…...

Spring框架 - JDBC模板技术

传统的JDBC传统JDBC的操作1. 注册驱动:Class.forName("com.mysql.jdbc.Driver");2. 获取连接:conn DriverManager.getConnection("jdbc:mysql://localhost:3306/test", "root", "password");3. 创建PreparedSt…...

MCP 2026权限动态分配:如何用1个策略模板+2个API+4类上下文信号,实现毫秒级权限决策?

更多请点击: https://intelliparadigm.com 第一章:MCP 2026权限动态分配:架构演进与核心价值 MCP 2026(Multi-Context Permissioning 2026)代表了企业级权限模型的一次范式跃迁——从静态 RBAC 向上下文感知、策略驱动…...

RTIC在RISC-V平台上的应用:ESP32C3和ESP32C6完整开发教程

RTIC在RISC-V平台上的应用:ESP32C3和ESP32C6完整开发教程 【免费下载链接】rtic Real-Time Interrupt-driven Concurrency (RTIC) framework for ARM Cortex-M microcontrollers 项目地址: https://gitcode.com/gh_mirrors/rt/rtic Real-Time Interrupt-driv…...

Semantic Kernel 在企业级 Harness 开发中的应用

Semantic Kernel 在企业级 Harness 开发中的应用:打造 AI 原生的内部开发平台(IDP) 摘要 随着企业数字化转型的深入,云原生CI/CD平台Harness已经成为众多中大型企业构建内部开发平台(IDP)的首选方案,但Harness的YAML编排复杂度高、排障耗时久、自定义扩展门槛高、知识…...

机器学习中的CASH优化:算法选择与超参调优一体化

1. CASH优化问题本质解析在机器学习项目实践中,我们常面临双重挑战:既要选择合适的算法,又要调整该算法的超参数。传统做法是将这两个环节割裂处理,先凭经验选定算法再调参,这种人为分割往往导致次优结果。CASH&#x…...

3步解锁Switch Joy-Con手柄在Windows的完整潜力:JoyCon-Driver实战指南

3步解锁Switch Joy-Con手柄在Windows的完整潜力:JoyCon-Driver实战指南 【免费下载链接】JoyCon-Driver A vJoy feeder for the Nintendo Switch JoyCons and Pro Controller 项目地址: https://gitcode.com/gh_mirrors/jo/JoyCon-Driver 想要让闲置的Switch…...

AIGC检测原理是什么?看完就知道为什么你的论文AI这么高!

2026年答辩季临近,AIGC检测已经成为大多数高校论文审核的标配流程。不管你有没有用过A论文,学校都可能会查一遍AI率。很多同学的第一反应就是:ai率查重要多少钱?有没有能免费查AI率的工具? 有免费的aigc检测工具&…...

Kimi/DeepSeek写论文AIGC率为什么高?AI写论文降AIGC率全攻略告诉你!

2026年答辩季临近,AIGC检测已经成为大多数高校论文审核的标配流程。不管你有没有用过A论文,学校都可能会查一遍AI率。很多同学的第一反应就是:ai率查重要多少钱?有没有能免费查AI率的工具? 有免费的aigc检测工具&…...

nli-MiniLM2-L6-H768参数详解:6层768维如何实现速度与精度双优平衡

nli-MiniLM2-L6-H768参数详解:6层768维如何实现速度与精度双优平衡 1. 模型概述 nli-MiniLM2-L6-H768是一个专为自然语言推理(NLI)与零样本分类设计的轻量级交叉编码器(Cross-Encoder)模型。它在保持接近BERT-base精度的同时,通过精巧的架构设计实现了…...

神经网络过拟合与权重衰减实战指南

## 1. 神经网络过拟合的本质与应对策略在训练深度神经网络时,我们常常会遇到一个令人头疼的现象:模型在训练集上表现优异,但在测试集上却一塌糊涂。这就是典型的过拟合问题。过拟合的本质是模型过度记忆了训练数据中的噪声和细节,…...

2026年lpa分层审核系统排行榜:哪款lpa分层审核软件最适合你的工厂?

在2026年的制造业数字化转型浪潮中,lpa分层审核系统(Layered Process Audit System)已成为工厂质量管理的核心工具。随着企业对生产过程稳定性要求的提升,寻找一款最适合你的工厂的lpa分层审核软件变得至关重要。根据最新的行业数…...

从原理到实践:掌握GPT超级提示工程的核心方法与资源

1. 项目概述:当“Awesome”遇见“超级提示”,我们到底在聊什么?如果你最近在AI应用开发或者提示工程(Prompt Engineering)的圈子里混,大概率已经不止一次刷到过“Awesome_GPT_Super_Prompting”这个项目名了…...

Pixel Aurora Engine保姆级教程:从零配置8-BIT扩散模型生成环境

Pixel Aurora Engine保姆级教程:从零配置8-BIT扩散模型生成环境 1. 认识Pixel Aurora引擎 Pixel Aurora是一款专为像素艺术创作设计的AI绘图工作站,它将现代扩散模型技术与复古游戏美学完美结合。与传统AI绘画工具不同,Pixel Aurora采用了独…...

Gemma-4-26B-A4B-it-GGUF惊艳效果:输入Kubernetes Events列表截图→识别频繁事件→关联Pod日志线索

Gemma-4-26B-A4B-it-GGUF惊艳效果:输入Kubernetes Events列表截图→识别频繁事件→关联Pod日志线索 1. 模型能力概览 Gemma-4-26B-A4B-it-GGUF是Google Gemma 4系列中的高性能MoE(混合专家)模型,具备256K tokens的超长上下文处理…...

2026大学生学习数据分析的价值分析

一、数据分析在2026年大学生职业发展中的重要性数据驱动决策成为各行业核心趋势企业对数据分析人才的需求持续增长数据分析技能提升跨行业竞争力二、2026年数据分析领域的核心技能需求编程语言:Python、R、SQL的掌握程度数据可视化工具:Tableau、Power B…...

TensorFlow损失函数实战指南:从原理到工程优化

1. 理解损失函数的核心作用在机器学习的世界里,损失函数就像一位严格的教练,不断告诉模型当前的表现有多糟糕。我在实际项目中见过太多因为选错损失函数导致模型训练失败的案例。TensorFlow作为主流框架,提供了丰富的损失函数实现&#xff0c…...

2015-2025年地级市公共安全基建省内横向压力

数据简介 本数据为探索性研究成果,旨在精准识别视频监控系统建设对地方社会治安治理、居民消费活力、产业结构升级的因果影响,同时为阐释技术治理模式的扩散规律、优化基层治理政策体系提供可靠的实证支撑。 本数据参照梁平汉、郭宇辰和赵玉兰&#xf…...

2.9 会话、窗口站、桌面和窗口消息:图形界面背后的“分层舞台”

🔥个人主页:杨利杰YJlio❄️个人专栏:《Sysinternals实战教程》《Windows PowerShell 实战》《WINDOWS教程》《IOS教程》《微信助手》《锤子助手》 《Python》 《Kali Linux》 《那些年未解决的Windows疑难杂症》🌟 让复杂的事情更…...

导航参数的精细化管理

在React Native应用中,导航是用户体验的一个关键部分,尤其是在处理多屏幕数据传递时,如何管理和区分不同的数据源显得尤为重要。本文将通过一个实际的例子来展示如何通过精细化管理导航参数,解决数据源区分的问题。 问题背景 假设我们有一个应用,包含四个屏幕:Home、Se…...

1985-2025.12最新亿量级裁判文书全量数据

中国裁判文书网是依托最高人民法院政务网站建立的二级网站,栏目包括刑事案件、民事案件、行政案件、赔偿案件、执行案件和知识产权,具备一定的分类和检索功能,另外还设置了专门用于收集社会各界意见的邮箱。网站公布的生效裁判文书&#xff0…...

2.7 受保护进程:那些连 Sysinternals 都“不好惹”的进程

🔥个人主页:杨利杰YJlio❄️个人专栏:《Sysinternals实战教程》《Windows PowerShell 实战》《WINDOWS教程》《IOS教程》《微信助手》《锤子助手》 《Python》 《Kali Linux》 《那些年未解决的Windows疑难杂症》🌟 让复杂的事情更…...

C++之 CMake、CMakeLists.txt、Makefile

这两者的关系其实非常好理解,我们可以用一个**“盖房子”**的例子来打比方。 简单来说:CMake 是“设计师”,Makefile 是“施工图纸”,Make 是“施工队”。 🏠 直白的大白话解释 想象你要盖一栋房子(编译一个…...

财务数字化——解读集团财务管理体系构建【附全文阅读】

适应人群:集团董事长、总裁、CFO / 财务总监、财务经理、子公司经营负责人、战略与人力资源管理者。 重要性总结:本方案是一套国际水准、本土落地的集团化财务管理全案,以价值创造为核心,搭建 “战略 — 组织 — 流程 — 内控 — 资金 — 考核” 一体化闭环体系,直击传统财…...

Python正态性检验全解析:方法对比与实战应用

## 1. 正态性检验的核心价值与应用场景正态分布是统计学中的基石假设,90%的经典统计方法(如t检验、ANOVA、线性回归)都建立在数据服从正态分布的前提上。但在真实数据分析中,我们常遇到这样的困境:一组数据的直方图看起…...

wanwu框架:中文AI应用开发全栈解决方案,从RAG到智能体工作流

1. 项目概述:一个面向中文场景的AI应用开发框架最近在AI应用开发领域,一个名为“wanwu”的项目在开发者社区里引起了不小的讨论。这个由UnicomAI团队开源的项目,定位非常清晰:它旨在为中文场景下的AI应用开发,提供一个…...

LLM应用开发工具全景指南:从RAG到智能体的高效选型与实践

1. 项目概述与核心价值最近在折腾大语言模型(LLM)应用开发时,我遇到了一个非常典型的问题:想法很多,工具很杂。想给模型加个联网搜索功能,发现 LangChain 和 LlamaIndex 都能做,但哪个更适合我的…...

IoC DI 使⽤

既然 Spring 是⼀个IoC(控制反转)容器,作为容器,那么它就具备两个最基础的功能:• 存• 取Spring容器管理的主要是对象,这些对象,我们称之为"Bean".我们把这些对象交由Spring管理,由 Spring来负责对象的创建和销毁.我们…...

AI Agent 面试题 006:Agent的自主性(Autonomy)具体体现在哪些方面?

🔥 AI Agent 面试题 006:Agent的自主性(Autonomy)具体体现在哪些方面?摘要:本文深入解析了「Agent的自主性(Autonomy)具体体现在哪些方面?」这一 AI Agent 领域的核心面试…...

向量检索核心知识整理

一、向量基础:Embedding 与维度选择 1. 向量化核心流程:非结构化数据 → 向量 向量化是将文本、图像、音频等非结构化数据,通过 Embedding 模型 转化为高维稠密向量的过程,是向量检索的基础:数据类型常用模型文本BGE、…...