基于Simulink优化的电机控制参数提升效率：MTPL控制策略下的最小损耗与最大扭矩电流组合探索及传动系统参数化设计,基于Simulink优化的电机控制参数提升效率：MTPL控制策略下的最小损耗与最大扭矩电流组合探索及传动系统参数化设计,通过simulink优化控制参数提高电机效率，进行最大扭矩最小损耗MTPL Max Torque Per Loss 控制，获取电机铁损、铜损最小时候的id,iq电流组合 使用导入的FEM数据和优化的磁场定向控制(FOC)的PMSM驱动，以及支持设计脚本:确定开环频率响应并检查稳定裕度。 确定最佳的d轴和q轴电流，以便在提供命令的扭矩和速度时使电机总损耗最小。 电力驱动通过以下方式实现: 一个详细的Simscape Electrical非线性电机模型，采用列表磁链和斯坦梅茨系数的形式。 有关更多信息，请参见此示例。 一个磁场定向控制器(FOC)，已经过优化，以尽量减少电机损耗。 传动系统 驱动器参数化为70 kW(最大功率)、150 Nm(最大扭矩)电机，适用于电动汽车动力系统。 电源是500伏DC电源。 面向场的控制器体系结构 PM

做信号发生器的时候经常需要读取rom，用这个软件可以自动设置生成何种波形，位宽和深度，以及图片也可以转化。

谷歌蝉蛹插件，Google翻译、Adblock Plus、OneTab、CSDN·浏览器助手、Tampermonkey、JSON-handle、Chrome版Todoist

||| 一，简介 AoE （Edge上的AI）是一个开源的终端侧AI集成运行时环境（IRE） 。帮助开发者将不同框架的深度学习算法轻松部署到终端高效执行。 二，使用文档＆示例＆资源 官方模型： 人脸比对模型， 三，适应信息 AoE版本 推理框架 依赖信息 推理框架版本 1.1.4 （2020/03/17） TensorFlow Lite [Android] com.didi.aoe.runtime-tensorflow-lite：1.1.4 [iOS] pod'AoERuntime / TensorFlowLite'，'〜> 1.1.3'， 2.1.0 火炬 [Android] com.didi.aoe.runtime-pytorch：1.1.4 1.4.0 人工神经网络 [Android] com.didi.aoe.runtime-mnn：1.1.4 [iOS] pod'AoERuntime / MNN'，'〜> 1.1.3'， 0.2.1.7 神经网络 [Android] com.didi.aoe.runtime-ncnn：1.1.4 [iOS] pod'AoE

整合资源 提升效率 构建运营商中台体系.pdf

宏观行业研究方法海通证券（中信建投）-中报点评-传统业务提升效率,静待创新闸门开启-080815.pdf

从多个Excel文件中批量取表，按名称取出所有工作簿中的工作表，合并到新工作簿中。E灵