应用于电动汽车动力系统的大功率双向DC／DC变换器

本文介绍了一种应用于电动汽车动力系统的大功率双向DC／DC变换器，该变换器中应用了一种特殊的数宁控制策略，它可以令能量在小同方向之间进行平滑的切换，并促使变换器实现自身的能量管理。作为一个实例，该变换器的优点在燃料电池汽车的研究中得以体现，下文中将具体给出该变换器的使用数据和测试结果。目前适用于24kW和70kW功率等级的双向DC／DC变换器的两种拓扑结构已经被设计出来，并得到了认可。这两种变换器具有全数字控制的过压、过流和过温保护，变换器中冷却液的温度最高可达85℃，而变换器的损耗却很低，同时功率密瞍可高达5W／cm3。变换器的特性参数和在燃料电池汽车中应用时的测试结果，将在下面予以介绍。     

大电流高频IGBT用M57962L驱动能力解决方案

介绍M57962L对IGBT开关器件的驱动与保护原理,并为SKM600GB126D1200V/600A型号的IGBT设计了专用驱动保护电路。针对异步电动机用逆变器进行了试验测试,重点分析并解决了M57962L在大电流高频IGBT驱动应用中遇到的问题。     

激光无线能量传输技术的发展

无线能量传输技术包括微波无线能量传输与激光无线能量传输(LWPT)两种技术途径。介绍了LWPT技术的基本概念,综述了LWPT技术的国内外发展历史和现状,分析了LWPT技术的主要研究内容,预测了LWPT技术的发展方向和可能的应用。对比国内外情况可知,国内LWPT研究还处于理论和应用初期,需要更多地投入推动其发展进步。     

基于全局非线性积分滑模的永磁交流伺服系统研究

永磁交流伺服系统是一个强耦合、多变量、非线性的系统,滑模控制已经逐步应用于交流伺服系统中。针对滑模控制中存在的收敛速度慢,未达到滑模面前鲁棒性差等缺点,结合趋近律设计了一种具有全局鲁棒特性的以非线性积分滑模面为基础的转速控制器。所设计的控制器因为包含了非线性积分函数,使得在尽量小的超调量下增加了系统的响应速度,观测器的引入使系统具备了一定的抗扰动能力。通过仿真证明了所设计控制器的正确性和有效性,实验结果进一步证实该控制器使系统具有较好的伺服性能。     

排桩内支撑支护结构优化设计方法研究

指出岩土层工程地质条件下的超深基坑支护设计应综合考虑支护结构与周边环境的协调,为说明组合式支护结构在超深基坑支护工程中的应用,结合海景公寓深基坑工程设计方案,采用有限元计算软件SAP2000进行结构计算,验证了组合式支护结构在超深基坑支护中的适用性。     

基于FPGA的汽车电子设计

随着汽车电子产业的快速发展．传统MCU、ASIC已很难满足汽车电子设计灵活性、稳定性、低成本、快速开发等要求,提出一种基于FPGA的汽车电子设计方案。介绍FPGA的特点及其在汽车电子设计中的应用,并介绍一款基于NiosⅡ软核处理器。用SoPC技术设计的具有密码锁及GSM／GPS防盗系统的汽车电子系统,FPGA将成为未来汽车电子设计的理想选择,     

基于FPGA的汽车电子设计

随着汽车电子产业的快速发展,传统MCU、ASIC已很难满足汽车电子设计灵活性、稳定性、低成本、快速开发等要求.提出一种基于FPGA的汽车电子设计方案.介绍FPGA的特点及其在汽车电子设计中的应用,并介绍一款基于Nios II软核处理器.用SoPC技术设计的具有密码锁及GSM/GPS防盗系统的汽车电子系统,FPGA将成为未来汽车电子设计的理想选择.     

深基坑工程喷锚支护锚杆无损检测试验研究

锚杆锚固技术在岩土工程界应用广泛,传统的静载荷拉拔试验检测是一种破坏性方法,难以满足工程实际进行大面积锚杆检测的需要,而应力波反射法这种动力测试方法既简便经济又迅速可靠,不会对锚杆产生破坏作用,具备较高的工程效益.依据桩基动测原理,利用ZK-7E智能测桩仪对某工程中试验锚杆进行无损检测,通过对实测波形分析,得出缺陷位置与预设情况一致,说明该方法具有准确性和可行性,值得推广应用.     

基于应力状态下钢筋混凝土开始锈蚀的时间预测模型

选取混凝土强度等级、环境温度、环境相对湿度、二氧化碳浓度、结构受力状态5个参数为主要影响混凝土碳化深度系数的因素.通过研究各因素与混凝土碳化速度的关系,建立了碳化深度影响系数公式,考虑混凝土碳化残量与钢筋锈蚀的关系,最后,建立了混凝土中钢筋开始锈蚀的时间预测模型.     

ADMM稀疏非负矩阵分解语音增强算法

提出一种基于交替方向乘子法的（Alternating Direction Method of Multipliers,ADMM）稀疏非负矩阵分解语音增强算法,该算法既能克服经典非负矩阵分解（Nonnegative Matrix Factorization,NMF）语音增强算法存在收敛速度慢、易陷入局部最优等问题,也能发挥ADMM分解矩阵具有的强稀疏性。算法分为训练和增强两个阶段：训练时,采用基于ADMM非负矩阵分解算法对噪声频谱进行训练,提取噪声字典,保存其作为增强阶段的先验信息;增强时,通过稀疏非负矩阵分解算法,从带噪语音频谱中对语音字典和语音编码进行估计,重构原始干净的语音,实现语音增强。实验表明,该算法速度更快,增强后语音的失真更小,尤其在瞬时噪声环境下效果显著。