爱学习的capoo的博客

原创 （C语言）算法数据结构

王道数据结构以及本人上课的笔记。

原创 电气控制与PLC综合考点试题

某车间采用双电机顺序启动控制线路，核心元件包括断路器QF、接触器KM1（控制M1）、KM2（控制M2）、时间继电器KT、热继电器FR1/FR2、启动按钮SB1、停止按钮SB2。| I0.3 | 限位开关SQ2 | | || I0.0 | 启动按钮SB1 | Q0.0 | 快进 || I0.1 | 急停按钮SB2 | Q0.1 | 工进 |

原创 电气控制与PLC考点（自用）

某车间大功率三相异步电动机采用星-三角（Y-Δ）降压启动控制线路，核心元件包括断路器QF、主接触器KM1、星形接触器KM3、三角形接触器KM2、时间继电器KT、热继电器FR、启动按钮SB2、停止按钮SB1。| I0.0 | 启动按钮 | Q0.0 | 小车左行（A→B） || I0.1 | 急停按钮 | Q0.1 | 小车右行（B→A） || I0.2 | A位限位开关SQ1 | Q0.2 | 装料电磁阀 |

原创 自用EU&BIU

这张图展示了，核心是“先计算16位偏移地址，再结合逻辑段计算20位物理地址”，分为**执行单元（EU）

原创 自用EU&BIU

这张图展示了，核心是“先计算16位偏移地址，再结合逻辑段计算20位物理地址”，分为**执行单元（EU）

原创 Visio安装教程【自用详细】

原创 Visio安装教程【自用详细】

原创 自动控制原理

自动控制原理公式多、概念抽象，但核心是“用数学模型分析系统性能，用校正优化性能”，抓住这条主线，逐个突破模块，考试稳了！

原创 题目数电）

功能理解型对比区分型应用场景型。

原创 【数电记忆总结】待更新

原创 【数电】国标和国际逻辑电路符号

1是 中继器(BUF)，表示保持，即输入与输出相同，其中“1”表示无需判断，只要保持即可，&是 与符号(AND)，代表输入一“和”输入二都是高电平时，输出高电平；=1是 异或符号(XOR)，表示输入“=1”个高电平时，输出高电平；”表示非(NOT)，输入在内部使用缓冲后，经过翻转后的输出；≥1是 或符号(OR)，代表输入“≥1”个高电平时，输出高电平；为避免混淆，特定的输入输出“1”称高电平，“0”称低电平。是 同或符号(XNOR)，表示“异或的翻转”结果。是bubble，即泡泡，是否定符号。

原创 【离散临界稳定】自控

已知开环脉冲传递函数 ( G(z) = \frac{K(0.3679z + 0.2642)}{(z - 1)(z - 0.3679)} )，求临界增益 ( K_c )。

原创 【解析法与几何法在阻尼比设计】自控

通过解析法与几何法的结合，可将阻尼比的设计从抽象的数学推导转化为直观的图形操作，同时保证工程实现的精确性与可操作性。：通过特征方程与根轨迹条件建立代数关系，直接求解满足阻尼比要求的系统参数。：通过绘制等阻尼比线与根轨迹的交点，直观确定满足阻尼比要求的极点位置。分子为开环极点乘积，分母为开环零点乘积。

原创 【根轨迹上闭环极点的位置反映系统阻尼特性】

根轨迹与阻尼比是自动控制原理中分析系统性能的关键内容，二者存在紧密且直观的关联，核心逻辑围绕展开，以下从原理到应用详细梳理，涉及公式均用LATE​X。

原创 **Adobe Premiere，简称“Pr“，是由 Adobe 开发的一款专业视频编辑软件，广泛用于电影、电视、视频内容的后期制作。它以其强大的编辑功能、灵活的工作流程和与其他 Adobe 产品

Adobe Premiere，简称"Pr"，是由 Adobe 开发的一款专业视频编辑软件，广泛用于电影、电视、视频内容的后期制作。它以其强大的编辑功能、灵活的工作流程和与其他 Adobe 产品的无缝集成而闻名。

原创 【根轨迹绘制的8个法则】伊文斯大佬的总结

确保看这篇文章之前你会这些，不会点击链接去补课【我都看过的，理清楚，才能看这个】开环和闭环的那点儿破事复数的模和幅角，极坐标形式z代表zeros是零点的意思，p自然就是极点的英文首字母，自己查，别等我骂你~~证明：开环传递函数与闭环特征方程设控制系统的开环传递函数为：G(s)H(s)=K⋅∏i=1m(s−zi)∏j=1n(s−pj)G(s)H(s) = K \cdot \frac{\prod_{i=1}^{m}(s - z_i)}{\prod_{j=1}^{n}(s - p_j)}G(s)H(

原创 【自动控制原理】等M圆叠加Nyquist曲线

等M圆把。

原创 【自动控制原理】分析和设计控制系统的性能(*^▽^*)

自动控制原理的核心是分析和设计控制系统的性能，稳定性、稳态性、瞬态性能是最基础的分类。以下从 概念分类、研究内容、分析方法、参数影响 四个维度帮你梳理清楚，附对比表格和学习技巧，帮你快速理清逻辑！一句话总结：二阶系统标准形式：[ G(s) = \frac{\omega_n2}{s2 + 2\zeta\omega_n s + \omega_n^2} ]记忆口诀：通过以上框架，先分清楚“稳定性是基础，瞬态和稳态是进阶”。对于一阶闭环系统，其传递函数为：[G(s) = \frac{1}{Ts + 1}]

原创 matlab自控仿真【第一弹】❀传递函数和输出时域表达式

本文介绍了MATLAB在控制系统分析中的基础应用，包含三大核心内容：1) 传递函数模型建立方法（tf、zpk函数及系统连接）；2) 系统稳定性分析（pzmap零极点图和roots求根）；3) 时域响应分析（gensig信号生成、lsim任意响应、impulse冲激响应和step阶跃响应）。通过12个典型示例代码，逐步演示了从一阶/二阶系统建模到稳定性判断，再到各类响应曲线绘制的完整流程，帮助初学者快速掌握MATLAB控制分析基础技能。文中所有示例均附带可视化结果图，方便读者理解验证。

原创 【LaTex】LaTex的下载与安装（2025新手小白超详细、超简洁 Windows系统）

安装地点（1）texlive的安装：首先打开下载好的安装包，找到这个文件前面缺少了一页emm我去截取其他人的作为示范然后点击安装安装时间较久，大概要一个小时左右。具体要看个人电脑性能情况。如图显示如上图，则安装成功。图中是TeXstudio 4.8.7版本针对不同操作系统和使用场景的安装包 ，区别如下：（按需求下载）

原创 在 Python 中，以双下划线开头和结尾的函数（如 `__str__`、`__sub__` 等）

双下划线方法是 Python 的内置特殊方法，用于自定义类的行为（如运算符、打印等），但它们需要你在类中显式实现。

原创 在TensorFlow中，`Dense`和`Activation`是深度学习模型构建里常用的层

Dense层是全连接层，负责对输入进行线性变换。Activation层对输入应用激活函数，引入非线性特性。你可以根据具体的任务和需求，在模型中灵活运用这两个层。

原创 Python的self

self。

原创 代码颜色模式python

围绕“印刷”场景，强调油墨混合与专色匹配。：聚焦“设计与调色”，突出人类对颜色的直观操作。：服务“技术处理”（如图像处理、视频压缩），简化数据或优化效率。HEX/ Alpha：针对“数字显示与合成”，解决跨平台兼容性和透明效果。通过具体场景的例子，可以更清晰地理解不同颜色模式的设计初衷和适用场景～

原创 字符串（格式化字符串字面值）进行输出

任何可转换为字符串的数据（基础类型、容器、对象等）。动态计算的表达式结果（数学运算、函数调用等）。格式化后的字符串（通过格式说明符控制输出样式）。它的灵活性和可读性远超传统的格式化和方法，是 Python 中推荐的字符串格式化方式。

原创 【Python魔法方法（特殊方法）】

_sub__方法是 Python 运算符重载的一种应用，它允许你为自定义类重新定义减法运算符的行为。通过定义__sub__方法，你可以方便地计算两个Cube实例之间的相对位置。乘法__mul__定义对象相乘的行为。除法用于实现真除法。取模__mod__定义取模运算的行为。幂运算**__pow__实现幂运算。

原创 强化学习中关键超参数的详细说明

建议通过网格搜索或贝叶斯优化进行系统调参，重点关注γ、α、ε这三个最敏感参数。应确保缩放后的奖励值使Q值范围合理。

原创 强化学习中关键超参数的详细说明

建议通过网格搜索或贝叶斯优化进行系统调参，重点关注γ、α、ε这三个最敏感参数。应确保缩放后的奖励值使Q值范围合理。

原创 代码注释标记的含义

是一种常用的注释标记，用于标识需要后续处理或完善的任务。它是开发者之间的常见约定，帮助团队协作和任务管理。注释，开发者可以高效协作，减少遗漏关键任务的风险。

原创 【python报错解决训练】

在编程开发中，正确解读报错信息是解决问题的关键技能。

原创 根轨迹性质

原创 DRL在训练环境测试和泛化无能

DRL在训练环境测试的合理性：适用于固定场景需求，评估策略收敛性。泛化无能的本质：算法依赖环境特定经验，缺乏对新分布的适应机制。解决方向：通过环境随机化、元学习等方法，强制智能体学习通用策略而非过拟合细节。

原创 矩阵热图】】

二、训练过程动态可视化1. 多阶段对比（子图模式）2. 实时更新（适合Jupyter环境）三、高级技巧1. 添加数值标注2. 自定义颜色分级3. 保存高清图片四、结合训练逻辑假设使用强化学习训练匹配策略：五、学习路径建议掌握Matplotlib基础理解矩阵数据探索高级可视化结合领域知识通过以上方法，你可以逐步实现：关键是多实践不同数据场景，尝试调整各种可视化参数，观察效果变化。

原创 【联邦学习】

联邦学习（Federated Learning，FL）是一种，其核心思想是在不共享原始数据的前提下，让多个参与方（如移动设备、边缘节点）协作训练全局模型。

原创 NumPy对二维矩阵中的每个元素进行加减乘除和对数运算

以上方法均无需显式循环，利用NumPy的向量化操作高效处理每个元素。对每个元素进行标量运算，可直接使用算术运算符。函数族进行逐元素对数运算。

原创 【iter() 和 next() 函数：从小白到进阶指南】

通过实现。

原创 支持递归创建目录

将此调整应用到你的代码中即可解决路径不存在的错误。

原创 【next函数python】`next()`函数

在Python中，next()函数结合生成器表达式用于高效地查找序列中第一个符合条件的元素。

原创 【学习自用】生成器表达式替代显式循环

通过理解数据流向、分步验证和逐步优化，您将能够自主编写出类似的高质量 Python 代码。关键是要养成先理清需求、再验证数据结构、最后进行代码实现的习惯。示例代码实现的功能是：计算所有用户设备（UE）在指定训练轮次（episode）中的平均质量体验（QoE）

原创 冲激响应和零状态响应

系统在初始状态为零时，对单位冲激信号 (\delta(t))（离散时为 (\delta[n])）的响应，记作 (h(t)) 或 (h[n])。通过以上方法，可以系统地求解冲激响应和零状态响应。对于复杂系统，变换域（拉普拉斯/Z变换）通常更高效。：系统初始状态为零时，对任意输入信号 (x(t)) 或 (x[n]) 的响应。微分方程 (\frac{dy(t)}{dt} + 2y(t) = x(t))差分方程 (y[n] - 0.5y[n-1] = x[n])