基于准Z源网络的永磁无刷直流电机换相转矩脉动抑制方法

针对方波驱动的无刷直流电机普遍存在的换相转矩脉动较大的问题,提出了一种基于准Z源网络抑制永磁无刷直流电机换相转矩脉动的方法。在三相桥臂前级增加准Z源网络,换相期间由准Z源网络调整直流母线电压,使电机关断相电流下降速率与开通相电流上升速率相等,从而有效抑制换相转矩脉动。分析了换相转矩脉动产生的原因,详细介绍了通过增加前级功率变换电路抑制换相转矩脉动的电路拓扑与控制算法。仿真及实验结果表明,该方法能够有效抑制永磁无刷直流电机换相转矩脉动,如采用合适的电路参数,仿真模型中转矩脉动可减少到平均转矩的4.6%以下,实际设计的系统实验可将转矩脉动抑制在平均转矩的12%以下。

准Z源升压变换器的软开关技术仿真研究

在具有相同输入电压、开关管占空比相等的条件下,准Z源升压变换器拓扑可以提供比传统升压变换器拓扑更高的输出电压,具有效率高、实用输出电压范围广的优点。在准Z源升压变换器的基础上设计了一种软开关电路,用辅助开关管代替原拓扑中的二极管,实现了主开关管的零电压开通。在MATLAB/Simulink环境下对该软开关电路进行了仿真。仿真结果表明,改进后的准Z源升压变换器能降低主开关管的开关应力与续流二极管的通态损耗,增强了系统的稳定性,可以提高开关器件的使用寿命。

电压源型逆变器改进无差拍控制策略仿真研究

电压源型逆变器广泛运用于UPS、新能源发电等场合,在各种负载下,尤其是非线性负载下的低电压畸变率和快速系统响应是其追求的目标。通过对单相逆变系统进行建模,根据其离散状态空间方程,提出了一种新型无差拍控制策略,在双闭环控制基础上增加了2个前馈环节,并设计了预测状态观测器以消除采样和计算带来的延时,提高系统动态响应能力。在MATLAB/Simulink环境下对单相逆变器改进型无差拍控制策略进行了系统建模,仿真结果表明,该控制策略能显著提高系统在非线性负载下的动态响应性能,改善输出电压波形。

一种三电平逆变器中点电位控制方法仿真研究

二极管中点钳位型三电平逆变器直流侧中点电位偏移不仅会导致交流侧输出性能变差,严重时会减少直流支撑电容寿命甚至损坏功率器件。提出了基于三电平直流变换器的三电平逆变器直流侧中点电压平衡控制方法,依据开关管关断时间之和决定母线电压、关断时间之比决定中点电位的约束条件,调节开关管工作状态,从而使中点电位在系统所允许的范围内波动。在MATLAB/Simulink环境下构建了仿真模型,实现了双闭环调节控制算法,完成了系统仿真分析。仿真结果表明,该设计可减小三电平逆变器直流侧中点电位偏移量达93%以上。

交错DC/DC三电平逆变器中点电位控制方法仿真研究

NPC型三电平逆变器直流侧中点电位偏移不仅会导致交流侧输出性能变差,严重时会减少直流支撑电容寿命甚至损坏功率器件,影响系统稳定性。提出了基于交错DC/DC变换器的三电平中点电位控制电路拓扑,通过检测直流侧两电容的电压差及直流母线电压,由控制模块计算后进而控制开关管的开关状态,使两电容之间的电压差值保持在系统所允许的范围内波动。简要分析了中点电位偏移产生的原因,在MATLAB/Simulink环境下构建了基于交错DC/DC变换器抑制三电平逆变器直流侧中点电位偏移的仿真模型,实现了双PI调节控制算法,对提出的电路拓扑进行了电路参数设计,完成了系统仿真分析。仿真结果表明,该设计可减小三电平逆变器直流侧中点电位偏移量达80%以上,控制方法有效且易于实现。

户用光伏并网逆变器人机交互系统开发及应用

为方便用户直观地监测和管理户用光伏并网逆变器,设计了基于RA8870的彩色液晶屏人机交互系统。采用32位ARM芯片STM32作为MCU,彩色TFT作为人机交互显示器,通过UART与逆变器控制芯片DSP通信,获取逆变系统的实时运行状态,并将信息以图表方式呈现给用户;同时将功率信息存储到闪存芯片中,以便用户查询发电量历史数据。实验结果及工业产品应用表明该人机交互系统可在60 ms内反映当前系统工作状态,历史数据查询延时100 ms,同时人机界面友好、系统工作稳定可靠。

小型风力发电系统手持式用户终端开发

为了给用户提供一种监测和管理风电系统的直观手段,设计了一款手持设备,采用32位ARM芯片stm32作为MCU,彩色TFT触摸屏作为人机交互媒介,通过CLASS 1蓝牙模块与风电系统数据采集器进行无线通讯,获取风电系统的实时运行状态,将信息以图表方式反馈给用户;并将功率信息存储到闪存芯片中,以便用户按年、月、日发电量分别进行查询。实验结果及工业产品应用表明,该手持终端操作简便,稳定可靠,风电系统发电量历史数据图表响应快速,用户体验流畅。

基于混合深度神经网络模型的司法文书智能化处理

在法律文书智能化处理过程中,针对罪名预测、法条推荐、刑期预测,该文提出了一种长文本分类的混合深度神经网络模型HAC (hybrid attention and CNN model),该模型利用残差网络融合了改进的层次注意力网络(iHAN)和深度金字塔卷积神经网络(DPCNN)。在'中国法研杯'司法人工智能挑战赛(CAIL-2018)的测试数据集上,该模型对罪名的预测与相关法条的推荐的F1-Score(Micro-F1和Macro-F1的均值)分别为85%和87%。对于刑期的预测,由于地区、年代、法院、法官、被告人的态度等方面的差异会导致刑期预测难度加大。该模型具有优良的预测性能和泛化能力,能够很好地适应这些差异。同时,将该模型在罪名预测和法条推荐的输出结果加入到刑期预测任务的输入中,并使用分类方法对刑期进行预测,进一步提升了模型的效果,最终在刑期预测任务中F1-Score超过77%,获得CAIL-2018刑期预测优秀成绩。