模块化多电平变换器（Modular Multilevel Converter, MMC）是电力电子技术领域的一项重要创新，因其能够高效地进行高功率转换而在电力系统中得到了广泛应用。《模块化多电平变换器：分析、控制与应用》这本书深刻剖析了MMC技术，旨在为读者提供一个全面的理解框架，覆盖从基础理论到控制策略再到实际应用的各个方面。 第1章回顾了传统高功率转换器的发展，并将MMC与它们进行了对比。本章首先介绍了多种电压源转换器（VSC），这些转换器包括但不限于中性点钳位转换器、活动中性点钳位转换器、飞电容转换器、嵌套中性点钳位转换器、级联H桥转换器和级联中性点钳位转换器。对于电流源转换器（CSC），本章也探讨了负载换向电流源转换器和PWM电流源转换器等类型。此外，矩阵转换器作为一类特殊的电力转换设备，它们的不同变体如直接矩阵转换器、间接矩阵转换器和多模块矩阵转换器也在本章中得到了介绍。MMC作为本章讨论的焦点，不仅介绍了其技术特点，还对其应用场景和技术挑战进行了探讨，为读者奠定了对MMC的基础认识。 第2章转向了MMC的基础理论和结构解析。本章详细介绍了MMC的基本配置，包括其子模块的构成、不同类型的子模块比较、工作原理以及子模块内部的电路设计。此外，本章深入探讨了各种脉宽调制（PWM）策略，这些策略包括相移载波调制、级移载波调制、采样平均调制、空间矢量调制和阶跃调制。这些PWM策略不仅对提高MMC的性能至关重要，而且也是在不同应用中实现电能质量控制和效率优化的关键。通过这些PWM技术，MMC能够在电力系统中实现更加灵活和精确的控制，从而满足各种复杂工况的要求。 第3章重点讨论了 MMC 中经典控制方法的应用。MMC 的控制包括多个层面，其中子模块电容电压控制是确保系统稳定运行的关键。本章深入分析了腿电压控制、电压平衡策略以及电容电压的动态响应等关键问题。输出电流控制则涉及到参考框架理论和在被动负载情况下的MMC控制，这对于维持输出电能质量至关重要。而循环电流控制是维持MMC系统稳定性及效率的重要环节，本章对循环电流的监测和控制方法进行了详细阐述。通过对这些控制方法的学习，读者能够掌握如何在实际操作中对MMC进行精确调控，从而实现高效、稳定的电力转换。 《模块化多电平变换器：分析、控制与应用》这本书不仅为电力电子领域的研究者和工程师提供了一个全面了解和掌握MMC技术的平台，而且其系统性的知识结构使得教育机构能够将其作为电力系统课程的教学参考资料。通过学习这本书中的内容，读者能够掌握如何对MMC进行深入分析、设计优化，并将其应用于实际电力系统中，从而实现高效、可靠的能源转换，推动电力电子技术的发展进步。

代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Level Carousel 1代码素材 Multi Lev

数据融合matlab代码使用深度和惯性传感器的深度多级多模式（M2）融合进行人体动作识别的数据集和代码（最新发表在IEEE传感器杂志上） 从链接下载数据集： ImageFolders_KinectV2Dataset文件夹具有与Kinect V2数据集相关的所有图像。 要在Matlab上运行代码，请将文件夹“ ImageFolders_KinectV2Dataset”的所有子文件夹和matlab文件放置在同一Matlab的工作目录中。 运行Matlab文件“ FirstDeepFusionFramework.m”，以查看有关Kinect V2数据集上First融合框架准确性的结果。 类似地，运行Matlab文件“ ThirdDeepFusionFramework”，以查看有关Kinect V2数据集上的Third融合框架准确性的结果。 名称为“ XONet”的Matlab文件在Kinect V2数据集的图像文件夹上经过训练的CNN模型。 Inertial2SignalImages.m将原始惯性数据转换为图像。 引文 如果您发现提出的工作和对您的研究有用的代码，请引用以下论文。 @arti

Coh-Metrix: Providing Multilevel Analyses of Text Characteristics，文献，找了好久才找到。

brms 概述 brms程序包提供了一个接口，以使用Stan来拟合贝叶斯广义（非）线性多元多级模型，这是一个用于执行完整贝叶斯推理的C ++程序包（请参见 ）。 公式语法与软件包lme4的语法非常相似，以提供用于执行回归分析的熟悉且简单的界面。 支持广泛的响应分布，使用户可以在多级上下文中拟合线性，鲁棒线性，计数数据，生存时间，响应时间，序数，零膨胀甚至自定义混合模型等。 进一步的建模选项包括非线性和平滑项，自相关结构，检查数据，缺失值插补等。 另外，可以预测响应分布的所有参数，以执行分布回归。 多变量模型（即具有多个响应变量的模型）也可以拟合。 先前的规范是灵活的，并且明确鼓励用户使用实际上反映其信念的先前发行版。 可以轻松评估模型拟合度，并将其与后验预测检查，交叉验证和贝叶斯因素进行比较。 资源 （统计软件期刊） （R Journal） （具有文档和小插曲的brms网站） （有关

多级缓存工具 一个用于多层包装器，这样您就可以从多个进程中获取您的缓存。 安装 npm install multilevel-cache-tools 用法 首先，启动服务器： var multilevelCacheTools = require('multilevel-cache-tools'); multilevelCacheTools.server.create( { dbPath: 'cache.db', port: 3030 }, setUpClient ); 接下来，为您的缓存创建一个客户端，该客户端使用与服务器相同的TCP端口： function setUpClient() { var memoizedFn = multilevelCacheTools.client.memoize({ fn: asyncFn, port

以误差扩散算法为基础，实现最简单的4级半色调。

这是一个带有滑动效果的简单多级 JQuery 菜单。

2019 Multilevel Modeling using R 2019 Multilevel Modeling using R