ylilike
- 浏览: 149249 次
- 性别:
- 来自: 洛阳
-
最新评论
-
zenmshuo：
很详细，要是包含FlexChart的用法就更好了
Delphi中Chart组件，Chart控件用法 -
Draps：
输入 00123 判定为数字输入 100.123判定为非数字 ...
Delphi 判断一个字符串是否为数字 -
ylilike：
GDGZWQZ 写道下列办法可实现对话框自动定时关闭：在程序中 ...
delphi中SendMessage使用说明 -
GDGZWQZ：
下列办法可实现对话框自动定时关闭：在程序中插入一个定时器，设置 ...
delphi中SendMessage使用说明 -
think3t：
写的很详细~
delphi中SendMessage使用说明
相关推荐
氢汽球素材幼儿园教学课件PPT模板
基于ssm+jsp的汽车在线销售管理系统：前端 jsp、jquery，后端 maven、springmvc、spring、mybatis；角色分为管理员、用户；集成车辆信息、新闻资讯、留言反馈、订购等功能于一体的系统。 ## 环境 - <b>IntelliJ IDEA 2021.3</b> - <b>Mysql 5.7.26</b> - <b>Tomcat 7.0.73</b> - <b>JDK 1.8</b>
内容概要：本文详细介绍了威纶通屏标准程序范本的应用及其优势。范本涵盖了多个关键功能模块，如用户登录、多产品选择、参数设置、报警记录以及运行换画面等。通过具体的代码实例展示了如何利用宏指令和Lua脚本快速构建高效、美观的人机界面（HMI）。文中强调了范本提供的标准化组件和预定义逻辑能够显著提高开发效率，减少重复劳动，并确保最终界面的专业性和易用性。 适合人群：从事人机界面（HMI）开发的工程师和技术人员，尤其是那些希望提高开发效率、改善用户体验的从业者。 使用场景及目标：适用于需要快速搭建高质量HMI界面的各种工业控制系统项目。主要目标是在不影响功能完整性的前提下，大幅缩短开发周期，降低开发成本，同时提供更好的视觉效果和交互体验。 其他说明：文章不仅提供了详细的代码片段用于解释各功能的具体实现方式，还分享了一些实用技巧和最佳实践，帮助开发者更好地理解和应用这些范本。此外，文中提到的一些特性如数据绑定、事件监听、动画效果等，在现代HMI开发中非常有价值。
基于springboot+vue3的智能算法中台管理系统：前端 vue、element-plus，后端 maven、springmvc、spring、mybatis；集成数据管理、标签管理、算法配置、模型中心等功能于一体的系统。 ## 功能介绍 - 系统首页：当前最优模型表现，待办事项，样本数量，训练完成模型数量，训练中模型数量 - 数据管理：数据集增删改查，数据集导入，按数据集名称模糊搜索，按标注类型搜索 - 标签管理：标签信息的增删改查，按标签组名称和描述模糊搜索 - 算法配置：算法信息的增删改查，多条件搜索，启用，停用 - 算法验证：状态显示，开始训练操作 - 算法性能评估：启用，停用，详情查看 - 模型中心：创建模型，训练模型，校验模型，发布模型 ## 环境 - <b>IntelliJ IDEA 2021.3</b> - <b>Mysql 5.7.26</b> - <b>Node 14.14.0</b> - <b>JDK 1.8</b>
内容概要：本文探讨了利用隐函数方法对三维土豆在微波加热环境中的运动进行仿真的技术和应用场景。首先介绍了隐式表达的优势，它可以简洁地表示复杂的空间关系，如通过Python代码实现的隐式表达函数。接着讨论了运动方程，展示了如何用Python代码定义土豆的运动路径。然后解释了水平集方程的作用，用于精确捕捉土豆形状的变化。此外，还提到了材料坐标变换的方法，确保土豆材料特性能够正确融入仿真中。最后强调了隐函数方法在解决传统显式方法难以处理的网格畸变等问题上的优越性，并提供了完整的模型和视频教程供进一步学习。 适合人群：从事微波加热仿真研究的科研人员、工程师以及相关专业的研究生。 使用场景及目标：适用于需要对复杂运动物体进行微波加热仿真的场合，旨在提高仿真的准确性并减少因物体运动带来的网格畸变问题。 其他说明：文中不仅提供了详细的理论和技术介绍，还包括了具体的代码实例和可视化工具的应用，帮助读者更好地理解和实践隐函数方法在微波加热仿真中的应用。
科研管理系统MySQL代码和文档
内容概要：本文档《Dify_实战指南.pdf》介绍了Dify这一多合一的数据处理与分析平台，旨在简化AI应用开发流程。Dify通过提供可视化的界面和模块化设计，支持多种大语言模型，具备私有化部署与数据安全保障，拥有活跃的开发者社区。文档详细阐述了Dify的设计初衷、核心理念、应用场景、主要功能及其开发实战案例，如聊天助手、企业知识库和小红书运营工作流。; 适合人群：具备一定编程基础，对AI应用开发感兴趣的开发者、数据科学家及技术爱好者。; 使用场景及目标：①简化AI应用开发流程，支持多种大语言模型；②提供模块化设计与功能组件，实现快速迭代与创新；③确保数据安全，支持私有化部署；④通过实战案例掌握Dify的实际应用技巧。; 其他说明：文档强调Dify的开源特性、低代码/无代码开发、全面模型支持、功能组件丰富等特点，鼓励开发者利用Dify的工具和社区资源，降低AI应用开发门槛，加速从概念到产品的转化过程。
基于小程序+springboot的生鲜商城管理系统：前端 html、jquery、小程序，后端 maven、springmvc、spring、mybatis；角色分为管理员、用户；集成商品浏览、购物车、在线结算、商品后台维护等功能于一体的系统。 ## 功能介绍 ### 小程序 - 首页：轮播图，搜索商品，热卖商品，推荐商品 - 分类：分类展示，分类导航 - 购买：商品详情，商品加入购物车，购物车列表，在线结算 - 我的：我的订单列表查询，订单信息详情，订单退款，订单删除，余额充值 ### 管理后台 - 用户信息：用户信息的增删改查 - 商品类别：类别信息的增删改查 - 商品详情：商品详情的增删改查，商品图片上传，图片预览 - 订单信息：查询用户下单的订单列表数据，订单状态查看，订单发货，订单删除 - 评论信息：查询用户的评论信息，评论删除 - 系统首页：用户数、评论数、总交易额、总销量统计数据展示，饼图展示分类销售额数据 - 个人信息：个人信息查看与修改，密码修改 ## 环境 - <b>IntelliJ IDEA 2021.3</b> - <b>Mysql 5.7.26</b> - <b>JDK 1.8</b> - <b>微信开发者工具 </b>
数据集介绍：自动驾驶交通目标检测数据集 一、基础信息 数据集名称：自动驾驶交通目标检测数据集 图片数量： - 训练集：3,509张图片 - 验证集：448张图片 - 测试集：210张图片 分类类别： - Car（汽车）：涵盖多角度车辆样本 - Crosswalksign（人行横道标志）：包含不同光照条件下的标识 - Pedestrians（行人）：多样化姿态与衣着特征 - Stopsign（停车标志）：典型道路警示标识 - Trafficlight（交通信号灯）：覆盖红/黄/绿灯多状态样本 标注格式： YOLO格式标注，包含边界框坐标与类别标签，可直接用于目标检测模型训练。 二、适用场景 自动驾驶系统开发： 支持车辆、行人、交通标志的联合检测，助力L2-L4级自动驾驶算法研发。 智能交通管理系统： 用于道路监控场景下的多目标实时检测，提升交通流量分析与违章识别能力。 计算机视觉研究： 提供复杂道路场景的多目标检测基准，支持目标检测算法改进与对比实验。 无人驾驶教育套件： 适用于高校/培训机构构建自动驾驶教学实验平台，提供真实场景训练数据。 三、数据集优势 场景覆盖全面： 包含日间道路、交叉路口等典型场景，覆盖车辆-行人-交通设施多维度目标。 标注专业精准： 严格遵循YOLO标注规范，边界框标注误差小于1.5%，支持像素级检测需求。 类别平衡设计： 通过分层采样确保5大类别均衡分布，避免长尾效应影响模型训练。 任务扩展性强： 除基础目标检测外，支持交通场景理解、驾驶行为预测等衍生任务开发。 工程适配度高： 数据格式兼容YOLOv3/v5/v8等主流框架，提供即插即用的训练支持。
内容概要：本文详细介绍了锂枝晶生长的多场耦合仿真及其在锂离子电池安全领域的应用。首先，通过Comsol Multiphysics环境建立了温度场、应力场、浓度场和电势场的耦合模型，模拟了锂枝晶在不同物理场作用下的生长过程。其次，开发了一种基于元胞自动机（CA）的C++程序，用于更直观地模拟锂枝晶的生长形态，特别是在电场和浓度梯度共同作用下的扩散过程。此外，还引入了格子玻尔兹曼方法（LBM）来模拟对流作用对锂枝晶生长的影响。最后，讨论了未来的改进方向，包括引入更复杂的材料模型、更多的物理场耦合以及开发更高效的数值算法。 适合人群：从事锂离子电池研究的专业人士，尤其是关注电池安全性、锂枝晶生长机制的研究人员和技术开发者。 使用场景及目标：适用于需要深入了解锂枝晶生长机制及其对电池性能影响的研究项目。目标是通过多场耦合仿真和元胞自动机模拟，揭示锂枝晶生长的内在规律，从而为锂离子电池的安全设计提供理论支持。 其他说明：文中提供了详细的数学模型和代码片段，展示了如何利用Comsol和C++进行多物理场耦合仿真和元胞自动机模拟。同时，强调了对流作用、材料特性和数值算法优化在未来研究中的重要性。
基于springboot+vue的宠物领养管理系统：前端 vue2、elementui，后端 maven、springmvc、spring、mybatis；角色分为管理员、用户；集成宠物信息、宠物领养、宠物用品、购物车、订单、等功能于一体的系统。 ## 环境 - <b>IntelliJ IDEA 2021.3</b> - <b>Mysql 5.7.26</b> - <b>Node 14.14.0</b> - <b>JDK 1.8</b>
基于ssm的茶叶商城管理系统：前端 jsp、jquery，后端 springmvc、spring、mybatis；角色分为管理员、用户；集成茶叶浏览、购物车、在线付款、我的订单等功能于一体的系统。 ## 功能介绍 ### 用户 - 基本功能：登录，注册，退出，密码修改 - 网站首页：主导航栏，全局搜索，分类导航，最新茶叶展示 - 茶叶购买：茶叶列表展示，茶叶详情，加入购物车，购物车列表，提交订单，填写收货地址，在线付款（模拟） - 我的订单：订单列表查询，确认收货，退款 - 其它功能：留言板，商城公告 ### 管理员 - 用户管理：用户信息的增删改查，也可以由用户在前台自行注册 - 分类管理：一级分类信息的增删改查，二级分类信息的增删改查，二级在一级下面创建 - 茶叶管理：茶叶信息的增删改查，茶叶图片上传 - 订单管理：订单信息了列表查询，发货，退款操作 - 留言管理：查询用户的留言信息，删除操作 - 公告管理：公告信息的增删改查 ## 环境 - <b>IntelliJ IDEA 2021.3</b> - <b>Mysql 5.7.26</b> - <b>Tomcat 7.0.73</b> - <b>JDK 1.8</b>
前端：微信小程序 采用 uni-app 开发框架，uni-app 是一个使用 Vue.js 开发所有前端应用的框架，开发者编写一套代码，可发布到iOS、Android、H5、以及各种小程序（微信/支付宝/百度/头条/QQ/钉钉）等多个平台。 后端：采用 SpringBoot 2 构建后端服务，才 Swagger2 构建 Restful风格接口文档，数据库采用 Mysql ,使用 Mybatis-Plus 做数据访问层。 语音识别和图像识别 采用 百度智能云平台服务。 安装教程 1.开发需要准备相关的 IDE和 JDK8 开发环境 , 前端开发 uni-app 需要 下载 Hbuilder ,后端开发 需要下载 Eclipse 或 IDEA。 2.其中的 语音识别和图像识别 功能使用百度智能云平台服务，需要注册登录拥有自己的应用 (有5万次调用 api 的免费使用量)，在 后端 afterend 的 uniapp-api 当中的配置文件里面需要进行配置 appid、apikey、secretkey。 3.数据库准备，创建一个 名称为 garbageSort 的数据库，把跟目录下 garbagesort.sql数据库文件进行导入进去即可。 4.后端启动：第一步、使用 IDEA 在 backend 目录下找到 uniapp-api 模块。第二步、在 application.yml中配置好 数据库相关信息 和 上述 百度请求 api 管理的配置信息即可。 第三步、运行UniappApiApplication` ，启动后端服务，可以访问 http://localhost:8899/wx/doc.html 查看接文档 5.前端启动：在 Hbuilder 中打开目录 frontend ，在运行菜单中 点击 运行到小程序模拟器 —> 微信开发者工具（二次开发的时候在 Hbuil
内容概要：本文深入探讨了三相异步电机矢量控制技术，详细介绍了由转速、转矩、磁链、电流构成的四重闭环PI控制系统以及空间矢量脉宽调制(SVPWM)的应用。文中不仅提供了关键控制算法的具体实现代码，还分享了大量来自实际工程项目的经验教训和技术细节。例如，在PI控制器中引入积分限幅和积分回退机制以防止积分饱和；采用Clarke变换和Park变换进行坐标转换提高控制精度；针对SVPWM模块提出过调制处理方法确保PWM波形质量。此外，文章强调了各控制环之间的协调配合对于系统稳定性的重要意义，并给出了具体的调试建议。 适合人群：从事电机控制、自动化领域的工程师和技术人员，尤其适用于有一定理论基础并希望深入了解矢量控制实际应用的人群。 使用场景及目标：帮助读者掌握三相异步电机矢量控制的核心原理及其具体实现方法，能够应用于化工厂、造纸生产线、矿山球磨机等多种工业环境中，解决诸如负载突变引起的转速波动等问题，最终达到优化电机性能的目的。 其他说明：文中引用了多本权威参考书籍，如陈伯时的《电力拖动自动控制系统》，为读者进一步学习提供了可靠的资料来源。同时提醒读者关注一些容易忽视的技术要点，如电流采样的滤波选择、转子时间常数的离线辨识等。
chromedriver-win32-137.0.7137.0.zip
基于ssm的项目调度管理系统：前端 html、jquery、bootstrap，后端 maven、springmvc、spring、mybatis；角色分为：管理员、员工；集成员工管理、职称奖金管理、项目调度管理等功能于一体的系统。 ## 功能介绍 - 员工管理：员工信息的增删改查，头像上传，批量删除 - 部门管理：部门信息的增删改查，按部门名称模糊搜索 - 岗位管理：岗位信息的增删改查，按岗位名称模糊搜索 - 职称奖金管理：职称信息的增删改查，职称对应补贴金额 - 工龄奖金管理：工龄信息的增删改查 - 工资项管理：工资项奖金设置 - 项目调度管理：导入项目调度记录，项目调度记录列表查询，编辑和删除 - 工资管理：导入其他工资项，工资结算，工资发放，工资查询 - 图表显示：部门人数统计柱状图，各部门的工资折线图，部门工资占比饼状图，各年月工资对比图 ## 环境 - <b>IntelliJ IDEA 2021.3</b> - <b>Mysql 5.7.26</b> - <b>Tomcat 7.0.73</b> - <b>JDK 1.8</b>
内容概要：本文详细介绍了一种基于传输相位的双通道全息超表面的设计与实现方法。首先介绍了传输相位的基本概念及其在硅纳米柱阵列中的应用，展示了如何将结构参数与相位响应关联存储，以便快速调用。然后深入探讨了Gerchberg-Saxton (GS) 算法在双通道全息图生成中的应用，重点讲解了如何通过相位正交操作确保两个通道的独立性和无干扰。此外，文章还讨论了单元结构的排布技巧，包括参数映射和相位量化的方法，以实现高效的相位调控。最后，通过实验验证了该设计方案的有效性，展示了双通道全息图在不同偏振光下的清晰分离效果。 适合人群：从事电磁超表面研究的专业人士、对全息技术和相位调控感兴趣的科研工作者、希望深入了解GS算法及其实现细节的研究人员。 使用场景及目标：适用于需要在同一超表面上实现多个独立全息图的应用场合，如增强现实(AR)设备、光学加密系统等。主要目标是掌握传输相位调控、GS算法优化及单元库制备等核心技术，提高全息图的质量和效率。 其他说明：文中提供了详细的Python代码示例，帮助读者更好地理解和实现相关算法。同时，强调了实际加工中的注意事项和技术挑战，如相位误差控制、偏振转换效率等问题。
从涵盖领域来看，该合集极为全面，覆盖了多种行业和应用场景。无论是商业领域用于展示业务流程、组织结构和项目管理，还是技术领域绘制网络布局、系统架构和流程图，亦或是教育领域制作教学演示和学术研究材料，都能从中找到适配的图标 。例如在设计企业级网络架构蓝图时，工程师能迅速从合集中选取代表各种网络设备、服务器等的图标，准确搭建出反映实际部署的网络拓扑图；在绘制公司组织结构图时，管理层可利用特定行业图标直观呈现公司架构，方便团队成员理解。 图标质量方面表现卓越。所有图标均以高清格式提供，且多为矢量形式。这意味着在放大或缩小图标时，不会出现失真现象，无论是用于打印报告的细微处，还是在大屏幕上进行投影展示，都能始终保持图像的极致清晰度，极大地提升了图表的美观度，也增强了信息的传达效果 。 使用便捷性也是一大亮点。合集的图标分类逻辑清晰，便于用户快速检索。当用户有特定需求时，能在短时间内定位到所需图标，有效减少搜索时间，提高工作效率。同时，其导入方式简单，可无缝对接 Visio 软件，即便是初学者也能轻松上手 。 版本兼容性佳，适合各种版本的 Microsoft Visio，无论是最新版还是旧版本都能轻松应用这些图标，确保了不同用户群体的需求都能得到满足 。
基于ssm的疫情防控管理系统：前端 jsp、jquery、layui，后端 springmvc、spring、mybatis；角色分为管理员、志愿者；集成医院管理、厂商管理、志愿者管理、抗疫活动等功能于一体的系统。 ## 功能介绍 - 医院管理：医院信息的增删改查，多条件搜索查询 - 厂商管理：厂商信息的增删改查，按厂商名称模糊查询 - 志愿者管理：志愿者信息增删改查，按登录名和志愿者姓名模糊查询 - 活动管理：活动信息的增删改查，按活动标题模糊查询 - 公告管理：公告信息的增删改查，会在用户前台进行公告信息的展示 - 财务收支：财务收支情况的统计，柱状图展示，查询区间确认收货日期范围 - 抗疫活动：用户前台展示活动信息，标题模糊搜索 ## 环境 - <b>IntelliJ IDEA 2021.3</b> - <b>Mysql 5.7.26</b> - <b>Tomcat 7.0.73</b> - <b>JDK 1.8</b>
内容概要：本文详细介绍了利用LabVIEW搭建光伏PN结L-IV测试系统的全过程。系统由Keysight B2902A源表、OceanOptics光谱仪和温控台组成，实现了电压、电流和光强的同步采集与处理。文中探讨了多设备同步、数据采集架构、三维数据显示以及硬件联调的关键技术和优化方法。特别是在数据采集过程中，采用共享变量进行触发信号同步，确保了高精度的数据采集。此外，还讨论了硬件接线、设备初始化、数据存储和显示界面的设计，并提供了实际测试案例及其结果分析。 适合人群：从事光伏材料研究、半导体测试、自动化测试系统开发的技术人员和研究人员。 使用场景及目标：适用于需要高效、精确地进行光伏PN结L-IV测试的研究机构和企业。目标是提高测试效率，减少人为误差，获得高质量的测试数据。 其他说明：文中提到的多个技术细节如三次样条插值、硬件握手协议、自诊断模块等，对于理解和优化类似测试系统具有重要参考价值。