亚洲人成高清在线播放,丁香五月天综合缴情网

動力電池SOC估算復(fù)雜方法綜述[電源技術(shù)][汽車電子]

荷電狀態(tài)（SOC）是動力電池管理系統(tǒng)的重要參數(shù)。準確估算動力電池SOC是促進電動汽車發(fā)展的關(guān)鍵技術(shù)。因為動力電池的工作環(huán)境復(fù)雜多變，傳統(tǒng)方法難以準確估算其SOC。首先分析了SOC估算的影響因素，然后對不斷改進的復(fù)雜方法進行了綜述，分析并對比各自的優(yōu)缺點。最后對動力電池SOC估算復(fù)雜方法進行總結(jié)并提出展望。

發(fā)表于：3/16/2018 10:03:00 AM

基于三值文字運算的碳納米場效應(yīng)晶體管SRAM設(shè)計[模擬設(shè)計][其他]

通過對文字運算電路和三值存儲器原理的分析，結(jié)合碳納米場效應(yīng)晶體管(Carbon Nanotube Field Effect Transistor，CNFET)的特性，提出一種基于三值文字電路的碳納米場效應(yīng)晶體管SRAM設(shè)計方案。該方案首先利用三值文字運算真值表和開關(guān)信號理論設(shè)計文字運算電路；然后采用文字0、文字1和文字2非運算電路實現(xiàn)三值SRAM的功能，利用傳輸門控制反饋回路降低三值寫操作的動態(tài)功耗；最后實驗驗證，所設(shè)計的電路邏輯功能正確且與傳統(tǒng)交叉耦合SRAM相比寫速度提高49.2%。

發(fā)表于：3/15/2018 6:29:00 PM

轉(zhuǎn)矩優(yōu)先控制的永磁同步電機DTC方法[電源技術(shù)][工業(yè)自動化]

針對永磁同步電機SVM-DTC方法中參考電壓矢量不易于獲取的問題，提出了一種基于轉(zhuǎn)矩優(yōu)先控制的SVM-DTC方法。根據(jù)轉(zhuǎn)矩優(yōu)先控制的原則，在拓展的電壓矢量表中選擇能夠快速改變轉(zhuǎn)矩的電壓矢量，然后結(jié)合實際轉(zhuǎn)矩與目標轉(zhuǎn)矩的差值，確定參考電壓矢量的作用時間。方法結(jié)構(gòu)簡單，易于實現(xiàn)，既保持了傳統(tǒng)直接轉(zhuǎn)矩控制的快速性和較強的魯棒性，又擁有SVM-DTC中轉(zhuǎn)矩脈動小和功率器件開關(guān)頻率固定的優(yōu)點。通過MATLAB/SIMULINK搭建系統(tǒng)模型，仿真結(jié)果可以證明方法的有效性。

發(fā)表于：3/15/2018 11:28:00 AM

基于鍵合圖的參數(shù)不確定性魯棒故障診斷[電源技術(shù)][其他]

混雜系統(tǒng)包含有離散子系統(tǒng)和連續(xù)子系統(tǒng)，系統(tǒng)中變量轉(zhuǎn)換復(fù)雜，參數(shù)存在不確定性，導致故障診斷的誤報率較高。針對此問題，以單相全橋逆變器為研究對象，提出運用線性分式變換的鍵合圖(Bond Graph in Linear Fractional Transformation，BG-LFT)，建立系統(tǒng)參數(shù)不確定性混合診斷鍵合圖(Diagnostic Hybrid Bond Graph，DHBG)模型，并根據(jù)模型產(chǎn)生自適應(yīng)閾值?；诨祀s鍵合圖的因果關(guān)系和結(jié)構(gòu)特性，從DHBG中導出所有有效模式下的魯棒解析冗余關(guān)系，結(jié)合自適應(yīng)閾值評價殘差，實現(xiàn)混雜系統(tǒng)的魯棒故障診斷。在20-sim中進行建模仿真，仿真結(jié)果驗證了該方法的有效性。

發(fā)表于：3/15/2018 11:13:00 AM

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，不僅增強了系統(tǒng)帶不平衡負載的能力，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 1:56:00 PM

基于熱路模型的充電機智能功率調(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。針對車載充電機在高溫環(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)進行估計；最后利用該熱路模型，構(gòu)建充電機輸入功率閉環(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，可有效限定充電機功率器件溫升，提高充電機的熱穩(wěn)定性。

發(fā)表于：3/14/2018 1:42:00 PM

Buck變換器近遠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變換器的近端和遠端反饋進行仿真對比，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 1:27:00 PM

被動同心轉(zhuǎn)向式多履帶全向移動機器人設(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器人，該機器人不僅具有全向移動的能力，也具備運行平穩(wěn)、載重能力強等特點。機器人使用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，通過電機驅(qū)動器獨立控制8個履帶運動，從而實現(xiàn)機器人的全向移動。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器人在兩種運動中的軌跡，驗證了機器人的全向移動能力。

發(fā)表于：3/13/2018 1:13:00 PM

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)。為了提高檢測的準確率，對肺結(jié)節(jié)的特征進行提取與分類，并選擇最佳特征組合，放入支持向量機分類器提取更精確的肺結(jié)節(jié)，并對算法進行評估和對比。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 10:30:00 AM

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

針對移動機器人實現(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)合激光雷達采集的數(shù)據(jù)實現(xiàn)了SLAM，對相關(guān)程序進行了優(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)境下的導航、避障，從而降低了移動機器人實現(xiàn)SLAM的硬件成本。

發(fā)表于：3/12/2018 10:21:00 AM