带二重积分滑模面的PWM电压滑模控制器设计

通过将PWM(脉冲宽度调制)控制与滑模变结构控制的优点结合起来,设计了一种带二重积分滑膜面的滑模控制器来控制二阶交错并联Boost开关功率变换器.滑模面附加积分项使滑模控制系统的运动方程与原阶数相同,改善系统的稳态性能.设计仿真电路对该控制器在Boost变换器连续工作模式下进行PSIM仿真,得出该控制器与传统控制器相比具有更好的动态特性:Boost的电压和电流纹波较小;输出电压对输入电压和输出负载有较强的鲁棒性;输出电压不随开关频率的变化而变化.     

基于邻接矩阵的电力电子变换器潜电路分析方法

建立了电力电子变换器潜电路的邻接矩阵分析方法。将变换器各元件间的连接状态采用邻接矩阵存储,通过深度优先搜索算法对邻接矩阵中处于连接状态的顶点序列进行搜索,根据路径判别条件实现了潜电路的识别,得到用顶点序列描述的潜电路路径。以C和VC＋＋6.0为平台编制了基于邻接矩阵的电力电子变换器潜电路分析软件,并以升压谐振开关电容变...     

蛋白质组研究进展

蛋白质组学是在基因组研究由结构基因组学转入到功能基因组学的背景下产生的．蛋白质组是指一个有机物所有的全部蛋白质．蛋白质组研究中使用双向凝胶电泳技术分离蛋白质，质谱技术鉴定蛋白质．蛋白质组研究可应用于基础研究和应用研究，尤其在生物医学领域前景美好．蛋白质组研究将带来生命科学的巨大变化，并将深刻地影响和改变人类的生活．     

基于SiC功率器件的大功率DC-DC变换器

以燃料电池、光伏电池等为代表的新能源在实际应用中需要大功率DC-DC变换器对其输出电压进行调节,同时对其输出功率进行控制.本文将高效SiC MOSFET应用于燃料电池汽车两相交错式Boost型DC-DC变换器中,基于计算、仿真和实验手段分析了应用SiC功率器件变换器的性能.研究结果表明:在大功率DC-DC变换器中,新型SiC功率器件的应用能够提高变换器功率密度、增强变换器可靠性,提升动力系统工作效率.该研究结果将为新型电力电子器件的应用以及新能源相关领域的研究提供参考.     

一种基于P2PSIP的双向四阶Chord模型研究

基于SIP和P2P系统存在的不足以及P2PSIP系统所具有的优势,设计了分布式SIP信令控制协议和P2P网络相互独立的层次化P2PSIP通讯系统.在P2P网络下,对双向查询算法与四阶Chord算法进行了定量分析,在此基础上提出了双向四阶Chord模型,该模型使路由表的密度增加到了3Log44k,并用向量数组的概念对双向查询算法进行了成功的推导.模拟实验表明,以此减少路由指针转发次数,使其能够更快的指向目标节点.通过此分布式的SIP信令控制,可以大大提高P2PSIP系统的实效性.     

指数寿命型元件串联系统可靠度的近似置信限

得到了基于元件的分组数据和双向删失数据串联系统可靠度的近似置信限。其计算是简单的。     

一种适用于中子管离子源的高增益交错并联升压变换器

针对离子源电源,提出了一种新型的高增益交错并联升压变换器.并详细地分析了该变换器的工作机理,给出了稳态工作性能分析和主要电气参数的实验波形.该变换器与传统的升压变换器相比,具有输出输入变比高、效率高、输出电流纹波低、工作性能稳定和控制电路简单的特点.最后,通过一个2kV、功率20W的原理样机验证了理论分析的正确性.     

空间矢量调制的矩阵式变换器的仿真模型

详细介绍了用MATLAB SIMULINK软件包建立的空间矢量调制的三相交－交矩阵式变换器的仿真模型，给出了主要仿真波形，仿真结果证明了控制策略的正确性。     

双向模块简化技术在电力系统稳定性仿真中的应用

应用隐式积分法进行电力系统暂态稳定仿真时，常采用牛顿法求解非线性方程．为便于求解，提出了双向模块简化技术，将牛顿法迭代中线性增量方程的求解分解为正向简化和反向回代过程．正向简化利用模块接口消去发电机等子系统方程，得到易求解的电力网络方程．反向回代求解电力网络方程，通过模块接口依次回代求解发电机及其控制器变量．该技术体现了电力系统内在的模块性，保持了牛顿仿真算法收敛速度快、没有交割误差的优点，同时具有模块清晰、易扩展和易编程等特点．将该仿真算法应用在10发电机39节点新英格兰系统的仿真验算中，结果表明了该算法的有效性和合理性。     

基于BERT预训练语言模型的电网设备缺陷文本分类

电网设备缺陷部位识别是设备故障分析的关键环节。该文提出一种基于预训练语言模型双向Transformers偏码表示(Bidirectional encoder representation from transformers,BERT)的电网设备缺陷文本分类方法。基于BERT预训练语言模型对电网设备缺陷部位文本进行预训练生成具有上下文特征的词嵌入(Word embedding)向量作为模型输入,然后,利用双向长短时记忆(Bi-directional long short-term memory)网络对输入的电网设备缺陷文本向量进行双向编码提取表征缺陷文本的语义表征,并通过注意力机制增强电网设备缺陷文本中与缺陷部位相关的领域词汇的语义特征权重,进而得到有助于电网设备缺陷部位分类的语义特征向量。通过模型的归一化层实现电网设备缺陷部位文本分类。在主变压器、SF6真空断路器这两种设备缺陷文本数据集上实验结果表明,提出的方法比基于BiLSTM-Attention模型的F_1值分别提升了2.77%和2.95%。