久久国产欧美成人网站,日本嫩交12一16xxx,日韩精品一区二区三区在线视频放

一種三相四橋臂逆變器的新型控制方案[電源技術(shù)][智能電網(wǎng)]

針對在不平衡或非線性負(fù)載條件下，普通的三相三橋臂逆變器無法產(chǎn)生三相對稱電壓，基于Simulink仿真平臺，提出了三相四橋臂逆變器的新型閉環(huán)控制設(shè)計方案。此方案逆變器的前三橋臂采用空間矢量脈寬調(diào)制(SVPWM)，第四橋臂采用跟蹤前三相電流信號的電流滯環(huán)調(diào)制(CHBM)，相對于傳統(tǒng)的四橋臂一體化的SVPWM調(diào)制，控制系統(tǒng)設(shè)計簡單，易于分析。仿真結(jié)果表明：與普通逆變器相比，采用本文控制方案的四橋臂逆變器輸出的波形更加平滑，不僅增強(qiáng)了系統(tǒng)帶不平衡負(fù)載的能力，而且改善了逆變系統(tǒng)的效率和總諧波失真(THD)。

發(fā)表于：3/14/2018

基于熱路模型的充電機(jī)智能功率調(diào)節(jié)方法研究[電源技術(shù)][汽車電子]

車載充電機(jī)是電動汽車發(fā)展的關(guān)鍵設(shè)備。此類設(shè)備在高溫環(huán)境下運行極易超過最大溫升限制，同時車載設(shè)備因路況和空間等問題，器件溫升不易直接測量，難以實現(xiàn)溫度可靠保護(hù)。針對車載充電機(jī)在高溫環(huán)境應(yīng)用時易過溫的問題，提出基于功率器件集中參數(shù)熱路模型的智能功率調(diào)節(jié)方法。該方法首先探尋充電機(jī)內(nèi)部溫升最高的功率器件；隨后針對該功率器件，建立可描述器件溫度、輸入功率及環(huán)境溫度關(guān)聯(lián)性的集中熱路模型，并對模型參數(shù)進(jìn)行估計；最后利用該熱路模型，構(gòu)建充電機(jī)輸入功率閉環(huán)控制策略；實驗結(jié)果表明，基于熱路模型的功率控制方法，可有效限定充電機(jī)功率器件溫升，提高充電機(jī)的熱穩(wěn)定性。

發(fā)表于：3/14/2018

Buck變換器近遠(yuǎn)端反饋的仿真分析與應(yīng)用[電源技術(shù)][其他]

Buck型變換器中主要有近端和遠(yuǎn)端反饋兩種偵測模式，隨著補償精度要求的提高，補償點位置的選取對負(fù)載芯片工作穩(wěn)定性的影響越來越大，依靠經(jīng)驗來選擇補償方式已不能滿足設(shè)計要求。通過對實際路徑阻抗和芯片電壓容限等因素分析，針對Buck變換器的近端和遠(yuǎn)端反饋進(jìn)行仿真對比，以實測靜態(tài)和動態(tài)響應(yīng)數(shù)據(jù)驗證仿真結(jié)果，為反饋模式的選擇提供一種量化分析方法。

發(fā)表于：3/13/2018

被動同心轉(zhuǎn)向式多履帶全向移動機(jī)器人設(shè)計[嵌入式技術(shù)][工業(yè)自動化]

采用四組被動同心轉(zhuǎn)向結(jié)構(gòu)的履帶單元，設(shè)計了一種多履帶式全向移動機(jī)器人，該機(jī)器人不僅具有全向移動的能力，也具備運行平穩(wěn)、載重能力強(qiáng)等特點。機(jī)器人使用ST Nucleo-F446RE開發(fā)板為控制器，采用旋轉(zhuǎn)電位器測量每組履帶單元的偏轉(zhuǎn)角度，通過電機(jī)驅(qū)動器獨立控制8個履帶運動，從而實現(xiàn)機(jī)器人的全向移動。實驗采集了各個履帶的運動速度和每組履帶單元的偏轉(zhuǎn)角度，通過航位推測法計算機(jī)器人在兩種運動中的軌跡，驗證了機(jī)器人的全向移動能力。

發(fā)表于：3/13/2018

CT影像中毛玻璃型肺結(jié)節(jié)提取方法的研究[嵌入式技術(shù)][醫(yī)療電子]

毛玻璃(GGO)型肺結(jié)節(jié)目前研究的比較少，但其惡性可能性也比較大。針對GGO型結(jié)節(jié)的對比度較血管和實體型結(jié)節(jié)的對比度低，直接使用閾值法不能很好地提取GGO型肺結(jié)節(jié)，直接使用多尺度圓點濾波器不能提取非球形形狀的GGO型肺結(jié)節(jié)的問題，提出了一種基于形狀特征和濾波器增強(qiáng)的閾值法相結(jié)合的方法來提取GGO型結(jié)節(jié)。首先使用形狀指數(shù)方法提取具有全部或部分球形結(jié)構(gòu)的GGO型結(jié)節(jié)，然后對剔除了血管、球形結(jié)構(gòu)結(jié)節(jié)的圖像應(yīng)用濾波增強(qiáng)法來拉伸毛玻璃結(jié)節(jié)和肺實質(zhì)的對比度，利用閾值方法提取不具有球形結(jié)構(gòu)的毛玻璃結(jié)節(jié)。為了提高檢測的準(zhǔn)確率，對肺結(jié)節(jié)的特征進(jìn)行提取與分類，并選擇最佳特征組合，放入支持向量機(jī)分類器提取更精確的肺結(jié)節(jié)，并對算法進(jìn)行評估和對比。實驗結(jié)果表明，該方法能有效降低GGO型肺結(jié)節(jié)的漏檢率，提高檢測的敏感性、特異性，優(yōu)于現(xiàn)有的兩種方法。

發(fā)表于：3/12/2018

基于Cortex-A53平臺的激光雷達(dá)SLAM實現(xiàn)[嵌入式技術(shù)][航空航天]

針對移動機(jī)器人實現(xiàn)同時定位與地圖構(gòu)建（SLAM）的高硬件成本問題，提出了在Cortex-A53處理器平臺上實現(xiàn)激光雷達(dá)SLAM的方法。完成了Cortex-A53處理器平臺上軟件平臺的構(gòu)建，并結(jié)合激光雷達(dá)采集的數(shù)據(jù)實現(xiàn)了SLAM，對相關(guān)程序進(jìn)行了優(yōu)化使得處理器的性能滿足程序的運算量。實踐結(jié)果證明，在Cortex-A53處理器平臺上可以構(gòu)建較高精度的地圖以及實現(xiàn)室內(nèi)環(huán)境下的導(dǎo)航、避障，從而降低了移動機(jī)器人實現(xiàn)SLAM的硬件成本。

發(fā)表于：3/12/2018

基于FEKO軟件的目標(biāo)RCS計算及數(shù)據(jù)分析[嵌入式技術(shù)][航空航天]

雷達(dá)工程師通常需要計算和分析目標(biāo)的雷達(dá)散射截面（RCS）數(shù)據(jù)，通過RCS的一維概率密度函數(shù)及二維密度分布圖來分析目標(biāo)的隱身特性。另外，通過雷達(dá)對目標(biāo)的掃描角度旋轉(zhuǎn)及入射平面波頻率變化獲得的RCS數(shù)據(jù)，通過二維逆傅里葉變換可獲得目標(biāo)的逆合成孔徑雷達(dá)成像。FEKO是一款三維電磁場分析軟件，給出了基于FEKO軟件計算目標(biāo)的RCS，并利用軟件的Lua腳本語言分析目標(biāo)RCS一維概率密度函數(shù)、RCS二維密度分布及逆合成孔徑雷達(dá)成像技術(shù)。

發(fā)表于：3/9/2018

一種基于PCNN的電力設(shè)備故障區(qū)域提取方法[電源技術(shù)][智能電網(wǎng)]

針對紅外自動監(jiān)控電力設(shè)備是否存在故障問題，結(jié)合脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)同步點火特性，提出一種基于PCNN的紅外圖像感興趣區(qū)域提取方法。首先針對原始的動態(tài)閾值振蕩問題，采用神經(jīng)元點火信息構(gòu)建新的動態(tài)閾值，并建立連接系數(shù)與點火區(qū)域信息之間的內(nèi)在關(guān)系,從而使得神經(jīng)元自適應(yīng)地發(fā)生點火。為了進(jìn)一步確保每一次迭代中所捕獲的神經(jīng)元與點火區(qū)域的相似性，在模型框架內(nèi)融合了一種聚類規(guī)則，進(jìn)而有效更新動態(tài)閾值，并給出了停止迭代的方法。實驗表明，該提取區(qū)域方法性能優(yōu)于傳統(tǒng)閾值、normalized cuts以及經(jīng)典PCNN模型等方法。

發(fā)表于：3/9/2018

一種D2D通信中利用社交屬性進(jìn)行分組轉(zhuǎn)發(fā)的策略[通信與網(wǎng)絡(luò)][汽車電子]

利用終端直連（D2D）技術(shù)進(jìn)行分組轉(zhuǎn)發(fā)的策略雖然能夠提升蜂窩整體性能，但也同時存在安全性和有效性較差的問題，而社交屬性的加入將有助于這些問題的改善。因此，提出一種利用社交屬性的D2D分組轉(zhuǎn)發(fā)策略，加入社交屬性的同時利用中餐館（CRP）算法進(jìn)行分組。仿真表明，該策略可以在考慮安全性的同時提升頻譜效率，減輕基站負(fù)載。

發(fā)表于：3/8/2018

基于神經(jīng)網(wǎng)絡(luò)的含噪動態(tài)源分離算法[通信與網(wǎng)絡(luò)][其他]

針對含噪聲且源信號數(shù)目動態(tài)變化條件下的混合信號分離問題進(jìn)行了研究，提出了一種新型在線盲源分離算法，該算法包括兩部分：一是基于最小描述長度(MDL)的動態(tài)源數(shù)目估計算法，該算法能實時精確地估計出瞬時源數(shù)目；另一個是基于偏差去除的變步長神經(jīng)網(wǎng)絡(luò)算法，該算法采用前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在學(xué)習(xí)準(zhǔn)則中加入了相應(yīng)于噪聲的偏差去除項，并在此基礎(chǔ)上給出了變步長策略。仿真實驗表明，新型算法在含噪靜態(tài)源和動態(tài)源中都具有優(yōu)異的分離性能，并且優(yōu)于現(xiàn)存的針對動態(tài)源的盲源分離算法。

發(fā)表于：3/8/2018

基于前導(dǎo)序列的PLC系統(tǒng)定時同步技術(shù)研究[通信與網(wǎng)絡(luò)][工業(yè)自動化]

電力線建設(shè)初期并沒有考慮通信的要求，其信道環(huán)境惡劣，子載波間的正交性就會遭到破壞，同時在接收端會出現(xiàn)符號定時偏差，引起符號間干擾，因此對OFDM符號的頻率偏差和符號偏差進(jìn)行有效的估計和補償具有非常重要的意義。根據(jù)G3-PLC特有的幀結(jié)構(gòu)，利用其前導(dǎo)序列之間的相關(guān)性，采用兩重相關(guān)檢測方法對系統(tǒng)頻偏及符號偏差進(jìn)行了有效的補償，最后通過Monte Carlo方法對其進(jìn)行了仿真驗證。結(jié)果顯示，所采用的同步算法可以很好地對系統(tǒng)失步進(jìn)行補償，并且算法實現(xiàn)簡單，信道適應(yīng)性強(qiáng)。

發(fā)表于：3/7/2018

基于非加權(quán)圖的大型社會網(wǎng)絡(luò)檢測算法研究[通信與網(wǎng)絡(luò)][其他]

社區(qū)檢測和劃分已經(jīng)成為大規(guī)模社會網(wǎng)絡(luò)中一個非常關(guān)鍵的問題。然而，大多數(shù)現(xiàn)有的算法受限于計算成本，其適用性十分有限。為了提高社區(qū)劃分質(zhì)量和計算效率，提出了一種基于非加權(quán)圖的社區(qū)網(wǎng)絡(luò)檢測算法。首先,算法采用兩個新的參數(shù)來度量社區(qū)并實現(xiàn)社區(qū)檢測，即聚類系數(shù)和共同的鄰居相似性，并通過理論分析和公式推導(dǎo)證明其有效性。最后采用真實社會網(wǎng)絡(luò)數(shù)據(jù)集進(jìn)行了大量的模擬，實驗結(jié)果表明,與傳統(tǒng)的生成樹算法以及CBCD算法相比，提出的方法更加有效，且計算運行時間具有線性復(fù)雜度，適用于大規(guī)模社會網(wǎng)絡(luò)的社區(qū)檢測。

發(fā)表于：3/7/2018

NB-IoT隨機(jī)接入過程的分析與實現(xiàn)[通信與網(wǎng)絡(luò)][其他]

隨機(jī)接入過程作為實現(xiàn)UE初始接入和上行同步的重要過程，在NB-IoT中，它在LTE系統(tǒng)的基礎(chǔ)上對其進(jìn)行了相應(yīng)的簡化和修改。通過與LTE系統(tǒng)中的隨機(jī)接入過程進(jìn)行對比，對NB-IoT中目前僅支持的基于競爭模式的隨機(jī)接入過程進(jìn)行了深入的分析，并搭建了基于TTCN-3的一致性測試平臺，驗證了隨機(jī)接入過程與標(biāo)準(zhǔn)的一致性。

發(fā)表于：3/6/2018

K-means指紋定位的優(yōu)化算法[通信與網(wǎng)絡(luò)][其他]

K-means指紋定位可減少定位算法的計算量，提高定位的實時性已成為當(dāng)前定位算法的一個研究熱點。然而其聚類的隨機(jī)性卻給定位帶來極大的不穩(wěn)定性，對此提出使用兩步聚類算法進(jìn)行優(yōu)化，根據(jù)AIC準(zhǔn)則自動得到最優(yōu)的聚類個數(shù)；針對最鄰近算法定位誤差大的情況，使用相關(guān)系數(shù)法確定相似度最高的子庫，再估計最終位置。實驗結(jié)果表明，優(yōu)化后的算法不但改善了定位精度，也極大提高了定位的實時性與穩(wěn)定性。

發(fā)表于：3/6/2018

W波段矩形波導(dǎo)濾波器的設(shè)計[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為研究濾波器參數(shù)與其傳輸性能之間的關(guān)系，設(shè)計了一款含交叉耦合結(jié)構(gòu)的W波段矩形波導(dǎo)帶通濾波器。交叉耦合結(jié)構(gòu)使濾波器的矩形系數(shù)減小25.7%，有效增強(qiáng)了帶外抑制。不同中心頻率的3款濾波器模型的仿真數(shù)據(jù)證明了濾波器腔體結(jié)構(gòu)參數(shù)與其中心頻率之間的比例效應(yīng)。使用電磁仿真軟件HFSS對濾波器的尺寸參數(shù)進(jìn)行了掃描分析，結(jié)果顯示，中心頻率主要受腔體尺寸控制，耦合結(jié)構(gòu)參數(shù)主要影響濾波器的損耗性能，耦合膜片厚度主要調(diào)節(jié)帶寬?；谧贤夤饪坦に噷?0 GHz濾波器模型進(jìn)行了加工與測試，測試結(jié)果與仿真結(jié)果基本吻合。

發(fā)表于：3/5/2018