专辑类-数字处理及显示技术专辑-106册-9138M 空时自适应信号处理-207页-4.8M.pdf
上传时间： 2013-04-24
上传用户：watch100
专辑类-数字处理及显示技术专辑-106册-9138M 自适应滤波器原理（第三版）1007页-15.4M.pdf
上传时间： 2013-04-24
上传用户：wang0123456789
专辑类-单片机专辑-258册-4.20G 自装单片微电脑快速入门-102页-2.2M.pdf
上传时间： 2013-05-23
上传用户：caixiaoxu26
本文拟借助于神经网络良好的逼近能力，实现永磁同步电机的无位置传感器控制。 人工神经网络(Neural Network)可以逼近任意复杂非线性映射，具有很强的自学习自适应能力，十分适合于解决复杂的非线性控制问题。其中，BP神经网络是目前广泛应用的神经网络之一，得到了较为深入的研究，其结构简单，需要离线确定的参数少、泛化能力强、逼近精度高、实时性强，采用BP神经网络实现永磁同步电机的调速控制具有重要意义。 文中提出了基于BP神经网络的永磁同步电机自适应调速控制策略，建立了一种包含辨识网络和控制网络的双神经网络结构控制系统。辨识网络在线动态辨识系统输出并对控制网络参数进行调整，控制网络与PI控制方法相结合实现永磁同步电机自适应转速控制。仿真结果表明，该系统动态响应快、实时性较强、精度较高。 文中提出了一种基于混合训练算法的BP神经网络永磁同步电机无位置传感器控制方法。采用混沌优化和梯度下降法相结合的混合算法对BP神经网络进行离线训练后，将其用于永磁同步电机的转子位置角在线估计。结果表明，该训练算法可以有效地加快神经网络收敛速度，且估计的转子位置角误差较小、精度较高。 文中建立了以TMS320F2812芯片为核心的永磁同步电机调速控制系统，并进行了相应的软硬件设计，为实现永磁同步电机的各种控制策略奠定了实验基础。DSP控制系统为神经网络训练提供样本，为研究永磁同步电机的自适应调速控制和转子位置角估计创造了条件。
上传时间： 2013-05-23
上传用户：1101055045
采用软件校正的TMS320f2812内置ADC采样值方案
上传时间： 2013-08-02
上传用户：wang5829
v无刷直流电动机具有结构简单、可靠性高、维护方便、运行效率高和调速性能好等优点，随着微处理器技术、电力电子技术、控制理论，以及低成本、高磁能积永磁材料的发展，得到越来越广泛的应用。无刷直流电动机采用无位置传感器控制，电动机结构更加简单，应用范围扩大，相对于有位置传感器控制优势明显。本论文围绕无刷直流电动机的无位置传感器控制进行较为系统和深入的研究。 首先，论文从基本电磁定律出发，在分析无刷直流电动机结构和工作原理的基础上，建立了无刷直流电动机的数学模型，为分析无刷直流电动机无位置传感器控制奠定基础。 其次，根据无刷直流电动机反电势过零检测原理，对反电势过零检测法的各种实现方法进行研究，比较各种实现方法的优缺点，指出它们的适用范围。在此基础上，给出带通滤波法及其简化电路形式，提出使用带通滤波器获取反电势三次谐波的方法。论文将直流电源负端电压作为带通滤波法和带通滤波三次谐波法的参考电平。 论文对无刷直流电动机无位置传感器控制中的关键问题-起动方法进行研究，在详细分析“三段式”起动方法的实现过程的基础上，给出了从外同步到自同步平稳切换的条件。论文在研究无刷直流电动机无位置传感器控制换相方法的基础上，提出了一种新的换相方法，提高了电动机运行平稳性和系统稳定性。在带通滤波三次谐波法中使用该换相方法，无需对三次谐波积分即可得到换相时刻。 滤波器是反电势法中反电势过零检测电路的重要组成部分。论文在分析无刷直流电动机端电压信号特点的基础上，给出滤波电路的技术要求，根据滤波器基本设计原理，分别对一阶RC无源带通滤波器和二阶RC有源低通滤波器进行电路设计和参数计算，并通过实验验证理论分析和仿真结果。这些为通过检测反电势过零点获得可靠的换相信号创造了条件。 论文还分析了无刷直流电动机无位置传感器控制中产生转子位置检测误差的原因，提出了相应的校正方法。通过分析无刷直流电动机的换相过程，建立了换相状态的等效电路和数学模型，研究了转子位置误差引起的电动机超前、滞后换相现象，及其由此产生的非导通相环流，在理论分析的基础上，进行了仿真计算，并与实验结果对照分析。 功率器件的功率损耗分析在逆变器设计和提高控制系统的可靠性方面具有重要作用。论文构建了由IGBT组成的简化逆变器模型，并进行仿真研究。针对不同的开关频率和栅极电阻，定量计算了IGBT开关过程中各阶段的功率损耗，给出了变化规律，对逆变器的设计具有重要的指导意义。最后，论文研制了基于反电势过零检测法的无位置传感器无刷直流电动机控制系统，控制系统由硬件和控制软件两部分组成。硬件部分包括主电源整流滤波电路、控制电源电路、反电势过零检测电路、驱动和逆变电路以及保护电路等，控制软件包括电动机起动模块(包括定位、加速、切换)、电动机运行控制模块(包括过零检测及校正、换相)和各保护功能模块。对系统进行了调试，并对论文中所分析和提出的各种方法进行了相关的实验研究，给出了实验结果。
上传时间： 2013-06-06
上传用户：yezhihao
随着电力电子技术的飞速发展,越来越多的电力电子装置被广泛应用到各个领域,其中相当一部分负荷具有非线性或具有时变特性,使电网中暂态冲击、无功功率、高次谐波及三相不平衡问题日趋严重,给电网的供电质量造成严重的污染和损耗.因此,对电力系统进行谐波抑制和无功补偿,提高电网供电质量变得十分重要.电力有源滤波器(Active Power Filter,简称APF)与无源滤波器相比,APF具有高度可控制和快速响应特性,并且能跟踪补偿各次谐波、自动产生所需变化的无功功率和谐波功率,其特性不受系统影响,无谐波放大威胁.并联型电力有源滤波器(Shunt Active Power Filter,简称SAPF)更是得到了广泛的应用. 近年来,自适应算法中的递推最小二乘法(简称RLS)应用越来越广泛,该算法简单,收敛速度快.应用基于RLS自适应算法的滤波器(简称RLS滤波器),可以快速有效的滤除杂波,同时自动调整滤波器参数,不断改进滤波性能,最终得到所需的信号. 本文研究了基于平均功率和RLS自适应算法的并联型有源滤波器.它的参考电流是一个同电网相电压同相位的三相平衡的有功电流,它包含两个分量:一个是由实测的三相负载瞬时功率计算得到的,基于平均功率算法的电网应该为负载各相提供的有功电流瞬时参考值；另一个是为了维持有源滤波器中逆变器的直流母线电压基本恒定,主要通过RLS滤波器计算得出的电网各相应该提供的有功电流瞬时参考值.两个分量的计算共同构成了该有源滤波器参考电流的计算.补偿电流指令值与实际补偿电流比较生成控制逆变桥工作的PWM脉冲,生成补偿电流,达到补偿负载无功和抑制谐波的目的. 应用RLS滤波器得到维持直流母线电压恒定的直流侧有功系数A<,dc>,克服了传统PI控制中参数难以得到且由于参数过于敏感而导致补偿后电流纹波太大的问题.使得当稳态时SAPF自身的功率损耗和暂态负载变化时因为直流侧电容提供电网和负载之间的有功功率差而引起的电压的波动迅速反馈到指令电流的计算中.RLS算法收敛快,SAPF实时性大大提高.基于该方法的SAPF结构简单,无需锁相器. 根据本文的算法应用MATAB建立了仿真系统,仿真结果表明基于该算法的SAPF的可行性和实时性.
上传时间： 2013-04-24
上传用户：mfhe2005
永磁同步电机(Permanent Magnet Synchronous Motor)因功率密度大、效率高、过载能力强、控制性能优良等优点，在中小容量调速系统和高精度调速场合发展迅速。但由于永磁同步电机的磁场具有独特的交叉耦合和交叉饱和现象，且其控制系统是一个强非线性、时变和多变量系统，要实现高精度调速就需对其控制策略进行深入研究。 永磁同步电机调速系统中，位置传感器的存在使得系统成本增加、结构复杂、可靠性降低，所以永磁同步电机的无位置传感器控制成为一个新的研究热点。本文拟借助于神经网络良好的逼近能力，实现永磁同步电机的无位置传感器控制。 人工神经网络(Neural Network)可以逼近任意复杂非线性映射，具有很强的自学习自适应能力，十分适合于解决复杂的非线性控制问题。其中，BP神经网络是目前广泛应用的神经网络之一，得到了较为深入的研究，其结构简单，需要离线确定的参数少、泛化能力强、逼近精度高、实时性强，采用BP神经网络实现永磁同步电机的调速控制具有重要意义。 文中提出了基于BP神经网络的永磁同步电机自适应调速控制策略，建立了一种包含辨识网络和控制网络的双神经网络结构控制系统。辨识网络在线动态辨识系统输出并对控制网络参数进行调整，控制网络与PI控制方法相结合实现永磁同步电机自适应转速控制。仿真结果表明，该系统动态响应快、实时性较强、精度较高。 文中提出了一种基于混合训练算法的BP神经网络永磁同步电机无位置传感器控制方法。采用混沌优化和梯度下降法相结合的混合算法对BP神经网络进行离线训练后，将其用于永磁同步电机的转子位置角在线估计。结果表明，该训练算法可以有效地加快神经网络收敛速度，且估计的转子位置角误差较小、精度较高。 文中建立了以TMS320F2812芯片为核心的永磁同步电机调速控制系统，并进行了相应的软硬件设计，为实现永磁同步电机的各种控制策略奠定了实验基础。DSP控制系统为神经网络训练提供样本，为研究永磁同步电机的自适应调速控制和转子位置角估计创造了条件。
上传时间： 2013-07-03
上传用户：kakuki123
近年来，随着大规模集成电路的飞速发展，微控制器和数字信号处理器的性价比不断提高，数字控制技术已逐步应用于大中功率高频开关电源。相对于传统模拟控制方式，数字控制方式具有电源设计灵活、外围控制电路少、可采用较先进的控制算法、具有较高可靠性等优点。 高频开关电源具有体积小、重量轻、效率高、输出纹波小等特点，现已逐步成为现代通讯设备的新型基础电源系统。针对传统开关电源中损耗较大、超调量较大、动态性能较差等问题，本文采用基于DSP的全桥软开关拓扑结构。全桥软开关移相控制技术由智能DSP系统完成，采样信号采用差分传输，控制算法采用模糊自适应PID算法，产生数字PWM波配合驱动电路控制全桥开关的通断。在输入端应用平均电流控制法的有源功率因数校正，使输入电流跟随输入电压的波形，从而使功率因数接近1。最后通过Matlab仿真结果表明模糊自适应PID控制算法比传统PID控制算法在超调量，调节时间，动态特性等性能上具有优越性。 论文以高频开关电源的设计为主线，在详细分析各部分电路原理的基础上，进行系统的主电路设计、辅助电路设计、控制电路设计、仿真研究、软件实现。重点介绍了高频变压器的设计及模糊自适应PID控制器的实现。并将辅助电源及控制电路制成电路板，以及在此电路板基础上进行各波形分析并进行相关实验。
上传时间： 2013-04-24
上传用户：s蓝莓汁
心音信号是人体最重要的生理信号之一，包含心脏各个部分如心房、心室、大血管、心血管及各个瓣膜功能状态的大量生理病理信息。心音信号分析与识别是了解心脏和血管状态的一种不可缺少的手段。本文针对目前该研究领域中存在的分析方法问题和分类识别技术难点展开了深入的研究，内容涉及心音构成的分析、心音信号特征向量的提取、正常心音信号（NM）和房颤（AF）、主动脉回流（AR）、主动脉狭窄（AS）、二尖瓣回流（MR）4种心脏杂音信号的分类识别。本文的工作内容包括以下5个方面： a）心音信号采集与预处理。本文采用自行研制的带有录音机功能的听诊器实现对心音信号的采集。通过对心音信号噪声分析，选用小波降噪作为心音信号的滤波方法。根据实验分析，选择Donoho阈值函数结合多级阈值的方法作为心音信号预处理方案。 b）心音信号时频分析方法。文中采用5种时频分析方法分别对心音信号进行了时频谱特性分析，结果表明：不同的时频分析方法与待分析心音信号的特性有密切关系，即需要在小的交叉项干扰与高的时频分辨率之间作综合的考虑。鉴于此，本文提出了一种自适应锥形核时频（ATF）分析方法，通过实验验证该分布能较好地反映心音信号的时频结构，其性能优于一般锥形核分布（CKD）以及Choi-Williams分布（CWD）、谱图（SPEC）等固定核时频分析方法，从而选择自应锥形核时频分析方法进行心音信号分析。 c）心音信号特征向量提取。根据对3M Littmann（） Stethoscopes[31]数据库中标准心音信号的时频分析结果，提取8组特征数据，通过Fihser降维处理方法提取出了实现分类可视化，且最易于分类的心音信号的2维特征向量，作为心音信号分类的特征向量。 d）心音信号分类方法。根据心音信号特征向量组成的散点图，研究了支持向量机核函数、多分类支持向量机的选取方法，同时，基于分类的目的 性和可信性，本文提出以分类精度最大为判断准则的核函数参数与松弛变量的优化方法，建立了心音信号分类的支持向量机模型，选取标准数据库中NM、AF、AR、AS、MR每类心音信号的80组2维特征向量中每类60组数据作为支持向量机的学习样本，对余下的每类20组数据进行测试，得到每类的分类精度（Ar）均为100％，同时对临床上采集的与上述4种同类心脏杂音信号和正常心音信号中每类24个心动周期进行分类实测，分类精度分别为：NM、AF、MR的分类精度均为100％，而AR、AS均为95．83％，验证了该方法的分类有效性。 e）心音信号分析与识别的软件系统。本文以MATLAB语言的可视化功能实现了心音信号分析与识别的软件运行平台构建，可完成对心音信号的读取、预处理，绘制时-频、能量特性的三维图及两维等高线图；同时，利用MATLAB与EXCEL的动态链接，实现对心音信号分析数据的存储以及统计功能；最后，通过对心音信号2维特征向量的分析，实现心音信号的自动识别功能。 本文的研究特色主要体现在心音信号特征向量提取的方法以及多分类支持向量机模型的建立两方面。 综上所述，本文从理论与实践两方面对心音信号进行了深入的研究，主要是采用自适应锥形核时频分析方法提取心音信号特征向量，根据心音信号特征向量组成的散点图，建立心音信号分类的支持向量机模型，并对正常心音信号和4种心脏杂音信号进行了分类研究，取得了较为满意的分类结果，但由于用于分类的心脏杂音信号种类及数据量尚不足，因此，今后的工作重点是采集更多种类的心脏杂音信号，进一步提高心音信号分类精度，使本文研究成果能最终应用于临床心脏量化听诊。 关键词：心音信号，小波降噪，非平稳信号，心脏杂音，信号处理，时频分析，自适应，支持向量机
上传时间： 2013-04-24
上传用户：weixiao99
