- 博客(158)
- 收藏
- 关注
RSS订阅原创 第16篇：卡尔曼滤波器之递归算法与数据融合
数据融合 = 多方信息交叉核验，比单一判断更可靠举个贴近工控现场的例子：想精准监测车间恒温箱温度，只用单个热电偶测量，难免受电磁干扰、线路漂移产生误差；同时接入热电偶、红外测温仪、PT100三路数据，按照每路传感器的可信度分配权重，合并后就能大幅抵消随机噪声，得到无限贴近真实值的结果。工程定义对多个传感器的观测数据进行最优加权整合，剔除随机噪声、补偿系统误差，输出比单一数据源更稳定、更精准的系统状态估计，是工控、机器人、自动驾驶感知环节的核心刚需技术。卡尔曼滤波就是线性系统下的最优数据融合算法。
2026-03-23 19:47:38
225
原创 第15篇：基于频域法的校正器参数自动寻优
频域法校正器参数自动寻优，本质是将经验化的手动试凑转化为标准化的数值优化问题，大幅提升工控调参效率与可靠性。相位裕度、截止频率、稳态误差三大频域指标，是贯穿寻优全过程的核心依据，直接决定系统的稳定性、响应速度和控制精度。超前校正适用于提升系统动态响应速度，超前滞后校正则兼顾稳定性与稳态精度，可覆盖绝大多数工控、机器人、自动驾驶控制场景。借助Python control库与数值优化算法，能快速完成仿真验证与参数输出，大幅降低工程落地门槛。
2026-03-23 19:40:47
193
原创 第15篇：MPC的发展方向及展望
非线性MPC主攻强非线性、时变动态系统，核心突破方向是高效求解与机理数据混合建模；大规模MPC聚焦多变量、多设备协同，分布式架构与降维优化是关键抓手；数据驱动MPC彻底摆脱精准机理建模依赖，朝着小样本、在线自适应、轻量化方向进化；多目标MPC实现多指标协同最优，智能权重整定与快速求解是未来核心。四大方向相互融合渗透，共同推动MPC从高端小众场景，向普惠工业控制、嵌入式端场景普及，让MPC更易用、更稳定、更适配工程需求。
2026-03-21 22:08:31
433
原创 第14篇：超前-滞后组合校正器工程设计与实战
超前-滞后组合校正器是解决工控系统多指标冲突的核心方案，既能弥补单一校正的短板，又能兼顾动态快速性与稳态高精度。工程设计严格遵循先滞后稳稳态、再超前提动态的实操口诀，无需复杂数学推导，聚焦相位裕度和时域指标即可完成参数整定。借助Python控制库，可快速实现频域分析与时域仿真验证，大幅降低工程落地门槛。组合校正的本质是优势互补，让被控系统既“响应快”又“精度高”，既“稳得住”又“抗扰强”。
2026-03-21 21:50:53
531
原创 第13篇：基于伯德图的超前_滞后校正器深度设计
被控对象开环传递函数GsG(s)Gs，表征被控设备固有动态特性串联校正环节传递函数GcsG_c(s)Gcs，用于弥补原系统性能缺陷ωc\omega_cωc**剪切频率 **：幅频特性曲线穿越0dB的频率，直接决定系统响应快慢γ\gammaγ**相位裕度 **：剪切频率处相位与-180°的差值，衡量系统稳定性（工程常用值：45°-60°，裕度不足易振荡）ω\omegaω：角频率；TTT：校正环节时间常数；α\alphaα：校正系数（超前校正α1。
2026-03-20 21:47:16
431
原创 第14篇：MPC控制案例——无人机高度控制
LQR控制器可实现无人机高度的理论最优控制，但无法主动处理状态与输入约束，仅能事后限幅导致控制性能大幅衰减。MPC依托滚动优化机制，将高度、速度、推力等硬约束直接嵌入优化目标，从根源解决约束超限问题，兼顾控制精度与工程安全性。Python仿真结果直观验证，MPC在带约束场景下响应更平滑、无超调、抗扰能力更突出。预测时域需匹配系统动态特性，采样时间要平衡实时性与算力开销，这两大参数是MPC工程落地的关键。掌握这套MPC约束控制思路，可快速迁移至机器人、自动驾驶、工业伺服等多变量约束控制场景。
2026-03-20 21:22:58
422
原创 第13篇：含约束的模型预测控制
传统LQR属于理想最优控制，无法处理工程物理约束，事后限幅会破坏控制性能，而约束MPC可将约束嵌入优化环节，完美适配真实工业场景。约束MPC的核心是工程约束标准化，将零散的控制量、状态量上下限，转化为ΦU≤ΓΦU≤Γ的标准QP不等式，这是算法落地的关键一步。控制量幅值约束直接对应执行器量程，推导简洁直观；状态量约束需结合预测模型间接转化，是保障系统安全运行的核心手段。借助Python优化库可快速实现约束MPC仿真，低成本验证约束处理效果，大幅降低理论到工程的落地成本。
2026-03-19 22:58:04
551
原创 第12篇：开环系统伯德图设计控制器
工业现场的温控系统、水箱液位控制这类慢动态对象，典型数学模型为一阶惯性环节，传递函数：Gs1Ts1GsTs11。取惯性时间常数T1sT=1sT1s，未加控制器时，开环传递函数LsGsL(s)=G(s)LsGs。伺服电机、机器人关节、自动驾驶转向机构这类快动态对象，典型数学模型为二阶振荡环节，传递函数：Gsωn2s22ξωnsωn2Gss22ξωnsωn2ωn2。取固有频率ω。
2026-03-19 22:33:22
771
原创 第12篇：无约束MPC进阶——轨迹追踪与稳态非零控制
无约束MPC的定值控制（含稳态非零）与动态轨迹追踪，底层优化逻辑完全统一，仅参考值形式存在固定/动态的差异；2. 稳态非零控制是定值控制的常规特例，无需修改推导流程，仅替换参考值即可实现；3. 滚动预测、滚动优化是MPC的核心，每步仅执行首个最优控制量，能有效抵御干扰和模型误差；4. 权重矩阵QRQ、RQR是工程调参核心，需在追踪精度和控制平稳性之间做权衡；5. 无约束MPC的落地三步法：建模展开预测状态→构建二次型目标函数→求解最优控制并滚动执行。
2026-03-18 21:08:13
483
原创 第11篇：频率响应绘制方法——伯德图（Bode Plot）
对于线性控制系统，将传递函数GsG(s)Gs中的复变量sss替换为jωj\omegajωjjj为虚数单位，ω\omegaω为输入正弦信号的角频率，单位rad/s），即可得到系统频率特性函数GjωAωejφωGjωAωejφω幅频特性AωA(\omega)Aω：系统稳态输出与输入正弦信号的幅值比值，表征系统对不同频率信号的放大或衰减能力相频特性φωφω：系统稳态输出与输入正弦信号的相位差值，表征系统对不同频率信号的相位滞后或超前程度。
2026-03-18 21:00:01
765
原创 第10篇：系统的频率响应与分析
输入信号：正弦电压uitUmsinωtuitUmsinωt，其中UmU_mUm为输入正弦信号的幅值，ω\omegaω为输入信号的角频率（单位：rad/s），ttt为时间（单位：s）；系统元件参数：电阻RRR（单位：Ω），电容CCC（单位：F），时间常数τRC\tau = R CτRC（单位：s），是决定RC电路响应特性的核心参数；输出信号：电容两端电压uotu_o(t)uot，我们的核心目标的是求解uo。
2026-03-17 20:24:05
1084
原创 第11篇：模型预测控制（MPC）
模型预测控制（MPC）的核心是“基于模型预测未来、滚动优化控制”，核心要素为预测区间（预判未来输出范围）和滚动优化（动态调整控制策略），这也是它区别于传统PID、抗干扰能力强的关键。无约束MPC的完整推导分为3步：建立离散线性状态空间模型（描述系统自身变化规律）、构建性能指标（明确“跟踪精度+控制平稳”的优化目标）、求解最优控制序列（通过二次规划找到最优控制量）。工程应用中，无需手动推导复杂公式，可通过Python调用工具快速实现仿真与落地；
2026-03-17 19:45:03
655
原创 第10篇：二次规划QP与约束优化（MPC的数学基石）
二次规划QP是MPC模型预测控制的核心数学基石，所有线性MPC的控制律求解最终都会转化为标准QP问题；QP的核心特征是二次型目标函数+线性约束，属于凸优化，能保证全局最优，完全适配工控高可靠性需求；无约束优化仅适用于理论学习，带约束的QP才是工程落地的核心，最优解大多出现在约束边界；内点法是工业MPC求解器的首选算法，兼顾稳定性、精度和实时性，主流开源QP库均基于此开发；通过Python实操仿真，能快速打通理论到代码的壁垒，真正实现学以致用。
2026-03-16 20:05:20
502
原创 第9篇：含有限制条件的PI控制器设计
理想PI控制器因缺乏输出约束和积分限幅，无法直接用于工业现场，执行器物理限幅和积分饱和是导致实控失效的两大核心痛点，必须加入限制条件才能落地。三类限幅PI方案覆盖全场景：基础输出限幅PI解决硬件保护问题，抗积分饱和PI解决核心饱和痛点（工业首选），带死区PI解决传感器噪声抖动问题，可根据项目需求灵活选用。本篇C语言代码均采用结构体封装，通用性极强，无需大幅修改即可直接移植到STM32、DSP、Arduino、国产MCU等嵌入式平台，适配绝大多数工控项目开发。带限制PI的设计核心是。
2026-03-16 20:00:00
559
原创 第8篇：PI控制器设计实战演练
e(t)：时域偏差信号，计算公式为偏差 = 目标设定值 - 实际反馈值，是PI控制器的核心输入量Kp：比例系数，无量纲，数值越大，系统响应速度越快，调节力度越强Ki：积分系数，无量纲，数值越大，稳态误差消除速度越快T：被控对象时间常数，直观表征系统响应滞后程度，T值越大，滞后越明显Ts：控制周期/采样周期，嵌入式代码固定调用间隔，决定控制实时性Go(s)：被控对象传递函数，工业一阶惯性标准模型GosKTs1GosTs1K，其中K为对象放大系数Gpi(s)
2026-03-15 21:13:50
505
原创 第9篇：线性二次型调节器离散化设计
连续域状态空间方程x˙tAxtButx˙tAxtBut，其中xtx(t)xt为系统状态向量（比如电机的转速、位置，倒立摆的角度、角速度），utu(t)ut为控制输入量（比如电机驱动电压、执行器扭矩），A为连续系统矩阵，B为连续输入矩阵离散域状态空间方程xk1AdxkBdukxk1AdxkBduk，k代表第k个离散时刻，AdA_dAd为离散化后系统矩阵，BdB_dBd。
2026-03-15 20:57:49
378
原创 第7篇：基于传递函数的PI控制器设计
e(t)：时域偏差信号，计算公式为目标设定值 - 实际被控量反馈值，是控制器的核心输入信号u(t)：控制器时域输出信号，直接作用于被控对象（如电机驱动器、调节阀、加热器）Kp：比例系数，无量纲参数，数值越大，同等偏差下的调节力度越强，响应越快G(s)：传递函数，s为拉普拉斯算子，用于将时域动态信号转换为复频域表示，简化线性系统分析Gp(s)：比例控制器传递函数Go(s)：典型一阶惯性被控对象传递函数，本篇固定采用工业通用模型Gos1Ts1GosTs11。
2026-03-14 23:04:33
567
原创 第8篇：线性二次型调节器
LQR的应用前提是控制对象为线性时不变连续/离散系统，工程上绝大多数电机、机械臂、传感器稳定系统都满足这个条件。我们先从工程最常用的连续时间状态空间模型入手，先定义所有数学符号，再给公式x˙tAxtButx˙tAxtButxtxt：系统状态向量，n维，代表系统的核心状态（比如电机转速、位置、角速度，机器人俯仰角、角速度等），控制目标是让xt→0xt→0（平衡状态）x˙tx˙t：状态向量的一阶导数，代表状态变化率AA。
2026-03-14 22:44:10
350
原创 第7篇：动态规划的数值求解算法
状态变量xkx[k]xk：第k个离散控制周期的无人机高度，单位m；k代表多阶段决策的时间步长，是动态规划的核心阶段标识控制输入uku[k]uk：第k个控制周期的油门控制量，直接决定无人机上升/下降速率，单位m/步控制约束0≤uk≤20≤uk≤2，硬件执行器硬约束：油门不允许反向（暂不支持下降），最大油门对应每步最高上升2m，完全贴合小型无人机低空控制特性状态转移方程xk1xkukxk1xkuk。
2026-03-13 21:04:14
394
原创 第6篇：系统稳定性分析
建立直观认知后，我们再过渡到控制理论的通用稳定性准则——李雅普诺夫稳定性，这是判断系统稳定性的底层理论依据，主要分为李雅普诺夫稳定（临界稳定）渐近稳定不稳定三类，其中渐近稳定是工业控制、机器人、自动驾驶等领域唯一可用的稳定状态，也是所有实用闭环控制系统必须满足的核心条件。xex_exe：系统的平衡状态（不受干扰时的稳态）xtx(t)xt：t时刻系统的状态变量xt0x(t_0)xt0：初始时刻的状态（初始偏差）∥⋅∥\|\cdot\|∥⋅∥。
2026-03-13 20:42:25
525
原创 第6篇：贝尔曼最优化理论
贝尔曼最优化理论是多阶段动态控制问题的核心理论，是MPC模型预测控制、现代最优控制的底层基石，专门解决传统PID无法实现全局最优的工程痛点；核心原理为最优全局决策序列的子决策必然也是局部最优，核心落地工具是动态规划，采用逆向递推的思路实现全程寻优；贝尔曼方程是核心迭代公式，核心逻辑是平衡当前控制代价与未来最优代价，而非盲目追求单步控制效果最优；工程应用中，重点吃透思维逻辑而非纯数学推导，结合实际系统的状态、控制量、代价函数做定制化分析，才是落地关键。
2026-03-12 20:16:44
168
原创 第5篇：二阶系统性能指标分析
在经典控制理论中，单位负反馈闭环二阶系统的标准传递函数，是所有性能指标分析的核心依据。Φ(s)：系统闭环传递函数，代表系统输出量与输入量的拉普拉斯变换比值，是控制理论分析的核心工具ωₙ：自然振荡角频率（无阻尼固有频率），单位rad/s，直接决定系统基础响应速度，数值越大，系统理论响应越快ζ：阻尼比，无量纲系数，核心决定系统响应的震荡幅度，是调控超调量、优化系统稳定性的关键参数s：拉普拉斯算子，用于将复杂的时域微分方程转化为复频域代数方程，大幅简化系统分析难度Φsωn2s22ζωns。
2026-03-12 20:00:44
1693
原创 第4篇：二阶系统的时域响应分析
ωn\omega_nωn无阻尼固有频率，单位：rad/s公式：ωnkmωnmk物理意义：系统阻尼为0（b0b=0b0）时的自由振荡频率，直接反映系统响应速度快慢。固有频率越大，系统响应越迅速，比如小惯量、高刚度的电机，固有频率更高，启停响应更快。ζ\zetaζ阻尼比，无量纲，二阶系统核心调试参数公式：ζb2mkζ2mkb物理意义：衡量系统阻尼大小，直接决定系统振荡程度，是工程调试的关键。阻尼比过小，系统振荡剧烈、稳定时间长；
2026-03-11 22:25:15
864
原创 第5篇：最优控制问题的组成
有PID调试经验的工控人、控制专业的同学应该都深有体会：传统PID依靠固定比例积分微分参数实现闭环控制，只能勉强保证系统稳定运行，却很难实现“最省能耗、最快响应、最稳追踪”这类定制化的最优控制目标。本篇作为最优控制入门的核心奠基篇，全程避开晦涩的泛函、复杂变分法推导，只聚焦拆解最优控制问题的四大核心组成要素，帮你彻底搞懂“一个完整、可落地的最优控制问题，到底包含哪些关键部分”。无论是工业机器人轨迹精准控制、自动驾驶车速优化，还是化工反应釜恒温恒压调节，几乎所有工业级最优控制场景，都离不开这套基础框架。学完本
2026-03-11 22:17:00
460
原创 第4篇：最优控制的基本概念
状态变量xx：描述系统当前状态，独轮车选取倾角θ\thetaθ、倾角角速度θ˙θ˙，即xθθ˙xθθ˙，维度2×1，对应系统实时状态控制量uuu：我们施加给系统的调节量，这里是独轮车车轮的转矩，用来平衡车身，是我们要找的“最优量”状态方程：描述系统状态随控制量变化的规律，线性化简化后（工程常用线性近似）为：x˙AxBux˙AxBuA01g0A0g10ggg为重力加速度B01JB0J1J。
2026-03-10 21:41:44
469
原创 第3篇：一阶系统的时域分析——基本概念
r(t)：系统时域输入量，即外部给定的控制指令或测试信号c(t)：系统时域输出量，即系统实际响应的物理量（如温度、转速、电压）T时间常数，一阶系统唯一核心参数，单位秒（s），直接决定系统响应速度dctdtdtdct：输出量的一阶导数，表征输出物理量的变化速率典型一阶系统的核心是时间常数T，时域微分方程为TdctdtctrtTdtdctctrt，标准传递函数为Gs1Ts1GsTs11。
2026-03-10 21:15:07
457
原创 第3篇：最优控制理论数学基础——矩阵与向量的导数
若标量代价函数JJJ是n维列向量xx的函数，即Jfxfx1x2xnJfxfx1x2xn∂J∂x∂J∂x1∂J∂x2⋮∂J∂xn∂x∂J∂x1∂J∂x2∂J⋮∂xn∂J若m维向量函数yfxyfx，以n维向量xx为自变量，即yy1y2ymxx1x2xnyy1y2ym。
2026-03-09 20:19:13
539
原创 第2篇：传递函数如何描述控制系统
零初始条件下，线性定常系统输出量的拉普拉斯变换与输入量的拉普拉斯变换之比。r(t)：系统输入量（时域），比如电机的输入电压、水箱的进水流量c(t)：系统输出量（时域），比如电机的实际转速、水箱的实际水位R(s)：输入量r(t)的拉普拉斯变换，s为复频率（sσjωsσjωC(s)：输出量c(t)的拉普拉斯变换G(s)：系统传递函数，核心公式：GsCsRsGsRsCs零初始条件。
2026-03-09 20:01:06
496
原创 第1篇：动态系统建模——传递函数
符号定义（先看懂符号，再学公式）rtr(t)rt：系统输入信号，也就是控制量，常见如电压、电流、力矩、指令位移，定义域为t≥0t\geq0t≥0，默认初始时刻无输入、系统无扰动ctc(t)ct：系统输出信号，也就是被控量，常见如转速、位移、温度、流量，是我们需要控制和观测的核心指标gtg(t)gt：系统单位冲激响应，代表系统本身的固有动态特性，是系统对单位冲激信号的瞬时响应，只和系统结构参数有关，和输入无关卷积公式（LTI系统时域核心关系）ctrt∗gt∫。
2026-03-08 21:39:13
371
原创 第2篇：最优控制理论数学基础————状态空间方程
xtxt状态向量：n维列向量，是描述系统动态的最小变量集合，能完整表征系统当前运行状态，比如电机系统的转速+转角、机器人的位置+速度、自动驾驶车辆的车速+横摆角；utut输入向量：p维列向量，即主动施加给系统的控制量，比如电机电枢电压、机械臂关节力矩、车辆油门开度，是我们能直接调控的变量；ytyt输出向量：q维列向量，是系统可直接观测采集的变量，不一定等同于全部状态，比如传感器采集到的电机转速、车辆定位坐标；AA状态矩阵：n×n维方阵，描述系统自身固有动态特性。
2026-03-08 21:15:27
364
原创 第1篇：为什么需要最优控制？从PID的局限到现代控制的核心优势
PID是简单单变量、无约束、线性控制场景的经典方案，性价比高、易上手、易落地，但面对多变量、强耦合、多约束、大滞后的复杂工程系统，存在先天结构局限，仅能实现局部基础稳定，无法兼顾约束与全局最优；最优控制以性能指标最优为核心，采用主动预测+滚动优化的核心逻辑，完美适配复杂场景的高端控制需求；卡尔曼滤波承担状态估计的“精准眼睛”角色，解决传感器噪声与不可测状态估计问题，MPC承担最优决策的“智慧大脑”角色，实现约束下的最优控制，二者协同构成完整的现代最优控制闭环；
2026-03-07 21:38:53
398
原创 数字滤波器 C 语言实现优化进阶 —— 算法层面优化
数字滤波器在嵌入式场景下的优化，核心从来不是盲目升级硬件，而是从算法层面找准痛点、针对性优化：多速率抽取插值解决高采样率算力冗余问题，LMS自适应滤波搞定时变信号去噪不稳难题，级联并联组合实现效果与速度双兼顾，三套方案覆盖绝大多数嵌入式滤波场景，配套代码均可直接移植落地。如果这篇实操博客帮你解决了滤波算力不足、效果波动、响应慢的问题，别忘了，后续会持续更新数字滤波器定点化深度优化、内存占用压缩、DSP平台硬件级优化、多通道同步滤波等进阶干货，带你从零到一精通嵌入式信号处理全流程优化。
2026-03-05 21:16:35
411
原创 滤波器系数设计工具
今天这篇博客，完整覆盖了滤波器系数设计的各类实用工具，从Python、MATLAB/Octave的详细实操（附可直接复制的示例代码），到FilterLab、TFilter等在线工具的推荐，每一步都贴合嵌入式、电子信息学习者和工程师的实操需求，全程避开复杂理论，聚焦“快速生成系数、高效复用”，无论你是新手还是资深工程师，看完都能快速上手，彻底摆脱“手工计算系数”的困扰，降低滤波设计的门槛。
2026-02-11 20:45:46
523
原创 实战案例：DSP芯片（TMS320）上的高性能滤波实现
今天这篇实战博客，围绕TMS320 DSP芯片，完整覆盖了高性能滤波的全流程实现——从FIR/IIR滤波的通俗原理拆解（避开复杂推导），到Python仿真验证参数（提前避坑），再到C语言代码实现（硬件乘法器+汇编指令双优化），最后到实战性能测试和高频问题解决，每一步都贴合实操，代码可直接复制移植，无论是嵌入式工程师做项目开发，还是电子信息专业学习者练习、课程设计，都能直接用到、快速上手。
2026-02-10 20:40:52
656
原创 设计模式的进阶思考：从套用到创造
掌握SOLID原则后，我们就跳出了“模板依赖”的第一步——不再机械套用现成的设计模式，而是能结合DSP项目的实际需求，自定义简化版设计模式。嵌入式（DSP）开发的核心是“务实”，很多现成设计模式（如工厂模式、观察者模式）过于复杂，包含大量冗余逻辑，不适合DSP资源受限、实时性要求高的场景，此时“够用、高效”的简化版模式，反而更贴合项目需求，更具实用价值。
2026-02-10 19:50:46
750
原创 嵌入式领域特有的设计模式实践
以上3种设计模式，是嵌入式领域特有的、高频实用的工程架构，不同于通用设计模式的抽象理论，它们完全贴合C语言（含DSP C）开发场景，聚焦嵌入式“资源受限、实时性高、多中断交互”的核心痛点，能直接解决状态管理、数据传输、命令解析中的实际工程问题，帮我们避开重复踩坑。总结一下核心用途：层次/并发状态机解决“复杂状态管理”的痛点，环形缓冲区解决“异步数据缓存、避免数据丢失”的痛点，命令模式解决“命令扩展难、维护繁琐”的痛点。
2026-02-09 22:53:36
1270
原创 设计模式与C语言高级特性的结合
应用场景：串口驱动、SPI驱动、全局配置管理、Flash驱动等，需确保全局只有一个实例，避免重复初始化导致的资源浪费、参数错乱（如串口波特率重复配置、Flash地址冲突）。核心技巧：用宏定义封装单例的通用模板，简化代码编写，同时通过静态变量确保实例全局唯一，结合RTOS互斥锁实现多线程安全，适配RTOS并发场景。// ********** 单例模式宏定义模板（核心，可直接复用）**********// 功能：封装单例的创建、初始化逻辑，避免重复编写模板代码。
2026-02-05 22:28:56
851
原创 实战案例：51单片机低功耗场景下的简易滤波实现
到这里，51单片机低功耗场景下的简易滤波实现已全部落地完成。本次实战从原理拆解、工程化约束分析，到Python仿真验证、C语言代码实现，再到硬件调试和问题排查，全程贴合嵌入式工程师、电子信息学习者的实操需求，核心围绕51单片机“内存小、运算能力弱”的约束，实现了一款适配性极强的改进型中值滤波。通过“局部比较替代全排序”“变量复用”“避免浮点运算”三大核心优化技巧，我们在保留中值滤波抗异常值优势的前提下，大幅降低了算法的资源占用和功耗，代码极简可直接套用，完美适配51单片机低功耗采集类项目。
2026-02-05 22:16:22
483
原创 代码重构：用设计模式优化 legacy C代码
先封装统一的驱动接口和传感器数据结构，这是实现设计模式、消除冗余的核心基础，所有传感器驱动都将遵循这个规范，确保接口统一、逻辑清晰，后续新增驱动也能快速适配。#include "i2c.h" // 假设已实现I2C底层驱动（嵌入式实战中需替换为自身底层）// 传感器类型枚举（新增传感器时，只需新增枚举值，无需修改其他代码）SENSOR_MPU6050, // MPU6050加速度传感器SENSOR_BMI088, // BMI088加速度传感器。
2026-02-04 20:36:12
903
原创 实战案例：多传感器数据融合滤波
首先定义滤波所需的全局变量（存储滤波系数、历史数据、输出结果），并完成初始化配置——初始化滤波系数、清零历史数据，避免初始值干扰滤波精度，这是嵌入式滤波工程化的关键步骤。// 滤波参数配置（实战可直接调整，标注清晰，适配不同场景）0.2f// 一阶IIR滤波系数（0.1~0.3，可微调）5// 移动平均滤波采样点数（5~10，兼顾去噪与响应）#define FS100.0f// 采样频率（100Hz，与仿真、硬件中断周期一致）0.5f// 高通滤波截止频率（0.1~1Hz，抑制陀螺仪漂移）
2026-02-04 20:23:47
833
C语言进阶避坑指南.pptx
2026-03-10
校园大巴预约小程序的设计与实现
2026-03-10
C语言面向对象编程实战指南.pptx
2026-03-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人