排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
文中给出了应用于材料表面处理的电流源与电压源型谐振变换器的分析,并进行了聚丙烯薄膜表面处理效果对比实验。较传统电压源型谐振变换器,电流源型具有良好的抗短路特性,保护了开关器件并延长了系统寿命。同时,电流源系统具有更长的单位周期放电时间,应用于材料表面处理时,可获得更大的表面张力。设计并搭建了两个9 kW/26 kHz的电流源型和电压源型谐振变换器,并分别进行了聚丙烯薄膜表面处理实验。结果表明,聚丙烯薄膜表面经电流源型系统处理之后具有更好的处理效果。 相似文献
2.
针对大气压介质阻挡放电材料表面处理应用,提出一种电流源谐振型等离子体驱动源。通过构建并-串联结构的谐振网络,在全功率范围内实现单周期能量传输时间的压缩,从而提高各个功率下的表面处理效果,并推导出一种判断能量压缩状态在全功率范围内稳定性的方法。然后,通过在逆变器上增加旁路辅助电容,建立电流旁路通路,从而实现开关管的零电压开关,保证了电源高效运行,并推导出辅助电容的选取原则。最后,搭建了一台350W电流源谐振型电源样机,实验结果验证了理论分析的正确性,表明电流源并-串联谐振型等离子体驱动源是一种适合于表面处理应用的有效方案。 相似文献
3.
4.
电压源谐振变换器广泛应用于介质阻挡放电薄膜表面处理领域,其放电波形是影响薄膜表面处理效果的重要因素。首先分别对连续电流模式和断续电流模式下的电压源谐振变换器进行时域解析,证明了断续电流模式下放电电流波形能独立于功率而自由调节,而连续电流模式下放电电流波形与功率耦合而无法独立调节。然后以此为基础,设计并搭建了2台连续电流模式和断续电流模式的350 W/30 k Hz变换器样机,对双轴向聚丙烯、流延聚丙烯和聚酯三种材料样品进行了表面处理和效果对比。结果表明:在相同功率和频率下,与连续电流模式相比,断续电流模式中谐振电感越小,放电脉宽越窄,峰值电流越大,塑料薄膜的表面接触角越小,处理效果越好;断续电流模式下减小谐振电感可缩短放电脉宽,使得达到相同表面处理效果所需功率越小,实现了节能目的。 相似文献
5.
为优化大气压介质阻挡放电表面处理效果,提出了一种向放电负载注入断续电流实现能量压缩的方法。根据负载介质等效电容在放电和不放电阶段的不同形成机理,对传统负载模型的介质电容进行拆分,建立了一种分段负载模型及其参数测量方法。然后,利用断续电流模式谐振变换器的状态运行轨迹,并结合分段负载模型,推导出了谐振电感对有效放电时间的控制函数。最后,搭建了一台350 W谐振电源样机进行实验,实验结果表明:分段负载模型比传统负载模型更准确地描述了负载有效放电时间和能量压缩特性;通过调节断续电流模式谐振变换器的谐振电感,在功率为250 W和350 W、频率为20~40 kHz范围内实现了可控的能量压缩;在各个能量密度和工作频率下,被处理材料的表面亲水性随有效放电时间的缩短而增强。 相似文献
6.
7.
为改善反激绕组传统设计方法的不足,以双向全桥DC/DC变换器为例,提出一种反激绕组的全新设计方法,包括原边电感量、匝数和气隙的改进设计方法。首先,提出"抛物线求解法",准确地求出了原边所需电感量,使电感电流纹波真正满足设计要求,并直观地找出电流纹波最恶劣的工作点。然后,提出匝数和气隙的新型设计方法,不仅抵消了边缘磁通对电感量的影响,而且直接得出精确的设计结果,避免了反复凑试的繁琐。最后,此新型设计方法应用于一台双向DC/DC变换器,实验结果表明电路工作稳定,该方法有效、可靠且实用。 相似文献
8.
9.
A reliable,efficient and economical power supply for dielectric barrier discharge(DBD)is essential for its industrial applications.However,the equivalent load parameters complicate the design of power supply as they are variable and varied nonlinearly in response to varied voltage and power.In this paper the equivalent electrical parameters of DBD are predicted using a neural network,which is beneficial for the design of power supply and helps to investigate how the electrical parameters influence the equivalent load parameters.The electrical parameters including voltage and power are determined to be the inputs of the neural network model,as these two parameters greatly influence the discharge type and the equivalent DBD load parameters which are the outputs of the model.The voltage and power are decoupled with pulse density modulation(PDM)and hence the impact of the two electrical parameters is discussed individually.The neural network model is trained with the back-propagation(BP)algorithm.The obtained neural network model is evaluated by the relative error,and the prediction has a good agreement with the practical values obtained in experiments. 相似文献
1