混合光伏、双馈发电机和电池能源系统与基于人工智能控制器的能源管理系统的微电网集成

提出基于真空断路器与SF6断路器串联的混合式高压直流断路器新型拓扑结构，在传统强迫过零直流开断的基础上，提出以高压串联晶闸管组件续流支路创造主开关电压零休的思路，进而提高主开关的动态介质恢复强度。分析了新型混合式高压直流断路器的拓扑结构、工作原理、工作过程，得到其电压零休时间的数学描述和动态电压分布协同调控措施。然后基于连续过渡模型和改进Mayr模型搭建了新型混合式高压直流断路器的仿真电路，分析得到续流支路限流电阻、电感、振荡回路参数等对电压零休时间、反向暂态恢复电压的影响规律。

INT（E）NSE是IN插值的二维（D）-Navier-Stokes-Equations的缩写（双关语）。 这是我在业余时间开发的不稳定的Navier-Stokes解算器。 使用混合的二阶和一阶精确方案对面部速度进行插值，以便能够捕获涡旋。 使用SIMPLE算法实现了压力-速度耦合，并且随着向后有限差分离散化，时间步长是一阶精确的。

matlab粒子光代码粒子过滤器 地形参考导航的标准粒子滤波器、辅助粒子滤波器、混合粒子滤波器、乱序粒子滤波器的MATLAB实现 如何运行： 运行 main_OOSM.m 如果您发现此代码有帮助，请引用以下论文： Youngjoo Kim 等人，“利用序列外测量进行粒子过滤中的模糊更新”，IEEE 航空航天和电子系统汇刊，54(1)，2018 年。可用：

此文档是用于集成电路设计中数模混合仿真用。文档描述了如何在virtuso中搭建混合仿真的环境。注意，它不讲AMS模型的语法，且此种混合仿真的环境为模拟主导的，若是想数字设计人员主导的话，需要看另一份文档！！！ 看清楚了再下载，免得浪费积分。

现有的三极直流输电系统因极3采用晶闸管换流器而存在交流电压易波动、过渡阶段易引发过电压和过电流等固有缺陷。为此提出了一种改进式的混合型系统，即极3换流站改用基于全桥子模块的模块化多电平换流器。为使系统获得较好的响应特性，提出了无功（电压）平衡、电流平衡和子模块电容电压平衡3个控制要求，并根据控制要求给出了模块化多电平换流器采用改进直流电流控制和交流电压控制、子模块采用电容电压平衡控制等控制措施。利用时域仿真软件PSCAD／EMTDC对所提出的系统进行了仿真研究，仿真结果验证了所提出的混合型三极直流系统及其控制策略能够很好地实现系统电压平衡、电流平衡和子模块电容电压平衡。

在非合作卫星通信中，针对具有固定帧长和固定帧同步序列的单通道混合信号，根据源信号间的参数差异给出一种同时适用于低阶和高阶混合信号的载波初相估计算法。算法先对去频偏后的帧同步数据以帧长为间隔进行累加，进而根据功率最大化准则对累加结果做定时同步，从而实现对初相信息的提取。为便于比较，同时推导了单通道混合信号载波初相估计的修正克拉美罗界（MCRB,modified Cramer-Rao bound）。仿真结果表明，随着累加帧数的增加，初相估计性能逐渐接近MCRB。

核密度非参数估计的matlab代码ICA-R-估计 参考： M. Hallin & C. Mehta (2015)。 非对称独立分量分析的 R 估计。 美国统计协会杂志，110(509)，218-232 独立分量分析 (ICA) 是一种多变量统计方法，其中将观察到的信号去卷积或分离为独立的潜在源信号。 在 ICA 模型中，观察到的 m 向量满足 , 其中 是一个非奇异维混合矩阵和 是一个向量，其分量 S_k(t) 具有成对独立分布（超过 t=1,2,...）。 ICA 的一个主要目标是从观察到的 X 向量中估计混合矩阵 ()。 将混合矩阵的准确估计的逆应用于观察到的混合 X 向量允许恢复 ICA 模型中的源信号。 在这个项目中，我们为混合矩阵提出了一个单步 R 估计器，旨在针对具有重尾分布的源信号和其他类型的噪声（相对于混合矩阵的现有估计器）实现更大的鲁棒性。 此外，我们能够通过半参数程序阐明 R 估计量的渐近特性，例如其极限分布。 评估 R 估计器首先需要 获得混合矩阵的初步估计量 L0，以实现根 n 一致性和 为各个未观察到的独立源信号指定单变量分布 f:=(f1,...,fm)

调用MATLAB Engine虽然可以实现对神经网络工具箱的功能，但是因为这种方法是基于C/S模式的，效率很低，而且需要在matlab下实现其功能，无法脱离matlab直接运行，所以，基于这个原因，我放弃了利用MATLAB Engine来实现混合编程。利用C++数学库虽然可以脱离MATLAB直接运行，但是C++数学库并不支持神经网络工具箱，所以，无法实现基于神经网络的混合编程。利用mcc命令虽然可以直接生成.exe文件，并可以脱离MATLAB在VC++中直接运行，但是因为其自身的诸多缺点，这种方法并不能编译神经网络函数为C++文件，所以，也无法胜任这个任务。 最后，只有COM组件这一个办法了，由于COM组件技术的强大功能，利用matlab的COM Builder工具可以实现脱离matlab的混合编程，并成功的调用了神经网络工具箱。