在介绍 L C L 滤波器 的三相并网逆 变器电流 双环控制 策略 的基础上 , 研究基于 高阶极 点配 置的电流双环控制器设 计方法 , 并重点分析高阶 闭环控制 系统设计 过程 中的降阶与 少 自由度 问题 , 同时提 出零极 点对 消与变量 设定方法相结合 的双环控制设计方案 " 该方案在开关频率 ! 阻尼 比以及 L C L 滤波 器等系统参数 己知 的情 况下 , 能够精确计算 出 内外环 P I 控 制器参数, 并结合 劳思一赫尔维茨稳定判据验证双环 控制系统的稳定性 " 在实验验证环节 中, 采用该方案设计的 双环控制器参数能够使三相 电流源控制 的并 网逆变器安全 ! 可靠运行且具有较快的动态 响应速度 "
2022-05-07 17:19:44 797KB LCL滤波器 并网逆变器 双环 控制设计
1
一种基于MAX261的程控滤波器设计.pdf
1
这是关于滤波器设计的一些基础原理,对设计滤波器新手很有帮助。
2022-05-07 11:13:11 17.14MB 滤波器
1
卡尔曼滤波器可以被解释为一种最小化最小均方误差的反馈方法。 它可用于解决非线性最小二乘优化问题。 该函数提供了一种使用无迹卡尔曼滤波器解决非线性最小二乘优化问题的方法。 包括三个示例:一般优化问题、求解由神经网络模型表示的一组非线性方程的问题和神经网络训练问题。 该函数需要无迹卡尔曼滤波函数,可从以下链接下载: http://www.mathworks.com/matlabcentral/fileexchange/loadFile.do?objectId=18217&objectType=FILE
2022-05-07 10:27:36 2KB matlab
1
用卷积滤波器matlab代码Audio_Steganography_in_MATLAB 在MATLAB中使用信号处理进行音频隐写术 信息隐藏是信息安全的一部分。 隐秘术是一种信息隐藏技术,其重点在于隐藏秘密消息的存在。 隐秘方法的目的是隐藏通信的存在,从而使任何第三方都不知道隐秘交换的存在。 音频隐秘术要求以不易察觉的方式修改音频载波信号。 快速傅立叶变换在音频隐写术中的实现表明,音频信号的频域可以有效地用于隐藏秘密消息。 隐写术可以有多种类型,具体取决于要进行的数据加密的类型。 在这里,我正在使用通过MATLAB进行的音频信号处理作为音频隐写术的隐身应用程序。 音频信号处理是信号处理的一个子领域,与音频信号的电子操纵有关。 由于音频信号可以数字或模拟格式表示,因此处理可能会在任一域中发生。 使用快速傅立叶变换技术,可以捕获波形并对其进行分析,以备将来使用。 方法 在此项目中,我们输入了来自用户的消息,例如x(t)。 我们在输入端获取一个音频信号(x(t)),然后将其与另一个音频信号(y(t))卷积。 y(t)是关键音频信号。 我们使用MATLAB代码对两个信号进行卷积。 卷积后,原始
2022-05-07 09:58:34 22KB 系统开源
1
人工智能-机器学习-换流站交流侧谐波电流计算与交流滤波器设计研究.pdf
2022-05-06 18:15:28 2.68MB 人工智能 文档资料 机器学习
MAX275集成度高,参数调整方便。给工程项目人员带来了极大得方便。通过外接的不同器件组合,MAX275可构成多种滤波器,如中心频率可调的带通滤波器。
2022-05-06 16:39:24 265KB 集成滤波器 MAX275 超声检测 应用
1
本文提出了一种简单、低成本且有效的技术,允许将单相滞后电流调节作为三级调制过程实施。 这大大降低了开关频率的幅度和变化,从而提高了效率,同时保留了滞后电流控制的所有优点。 LCL 滤波器在电流纹波衰减方面具有良好的性能,但它们会在系统中引入谐振频率。 描述了逆变器的操作和控制,以及仿真和实验结果。 所提出的控制器已在使用 Matlab 中的 Simulink 包的仿真中得到验证。 本文介绍了一种用于单相并网光伏 (PV) 逆变器系统的输出 LCL 滤波器的分析和设计过程。 对所设计的 LCL 滤波器和基于 L 滤波器的单相并网光伏逆变器系统进行了比较。 对比结果验证了滤波器的理论分析和有效性。
2022-05-06 10:27:08 12KB matlab
1
LMS自适应滤波器matlab算法-lms.rar LMS自适应滤波器算法
2022-05-06 01:26:53 2KB matlab
1
DeepLPF:用于图像增强的深度局部参数过滤器(CVPR 2020) ( ,皮埃尔·马扎(Pierre Marza),( ,( , 华为诺亚方舟实验室 CVPR 2020论文DeepLPF的主要存储库:用于图像增强的深度局部参数滤波器。 在这里,您将找到代码链接,预训练的模型以及有关数据集的信息。 如果您需要协助,请提出Github问题。 输入 标签 我们的(DeepLPF) 输入 标签 我们的(DeepLPF) 输入 标签 我们的(DeepLPF) 输入 标签 我们的(DeepLPF) 输入 标签 我们的(DeepLPF) 依存关系 requirements.txt包含该代码使用的Python包。 如何训练DeepLPF并将模型用于推理 训练DeepLPF 指示: 要使此代码适用于您的系统/问题,您将需要编辑数据加载功能,如下所示: main.py,更
2022-05-05 21:20:50 14.07MB computer-vision deep-learning paper rgb
1