双变量变频器双侧供电闭环调速系统的研究

针对异步电机定子变频在解决高压电机调速时,对输出电压的等级要求高,对调速技术要求不足,在原有仅采用控制触发增量方法的基础上加入了闭环控制。在Matlab/Simulink仿真软件中,通过在仿真模型中引入S函数,建立了定转子分段变频有级调压闭环调速系统的仿真模型,并以双变量变频器为基础设计了实验电路,编写了实验程序,从仿真和实验两个方面对定转子调速系统的性能进行分析研究。得出双变量交交变频器在绕线式异步电动机转子侧供电实现调速时具有一定的可行性。     

基于Lissajous图形的同轴结构电极介质阻挡放电特性研究

介质阻挡放电(DBD)能在大气压空气环境下形成稳定的放电,工业应用比较广泛。同轴结构电极的放电过程比较复杂,因此需要通过研究其放电过程中的各个参数来表征其放电特性,从而得到其放电机理。通过实验研究和结果分析,从电荷量的传输、放电功率以及气隙电压变化等几个方面分析了同轴结构电极的介质阻挡放电的放电特性,得到在大气压敞开环境下,同轴结构电极的介质阻挡放电的放电功率和放电电荷均有所不同,放电功率从数瓦到十几瓦,介质电容为数百皮法和气隙电容为数十皮法,均随电压的增大而增大;在放电过程中,管-管结构电极的介质电容和气隙电容的值均大于线-管结构。     

改进的交-交变频器脉冲触发控制策略研究

根据余弦交点法的基本原理,对传统的离线触发方式进行改造。即采取在线近似求解的方法,用三角波代替参考正弦电压波,用直线代替同步余弦波,将求解三角方程近似化为求解直线方程,可以任意改变输出电压的频率和幅值,实现在线实时变频。利用Matlab/Simulink建立六脉波交-交变频电路仿真模型,得到了较好的输出波形。仿真结果表明,此方法是正确和可行的。     

同轴结构电极的介质阻挡放电研究

对管-管和线-管结构电极施加不同电压,测试其在不同电压下的放电电流及Lissajous图形,从传输电荷量、电流电压波形以及气隙电压变化等方面分析同轴结构电极的介质阻挡放电的放电机理。结果表明:在大气压敞开环境下,介质阻挡放电的管-管结构电极的气隙电压恒定,且远低于峰值电压,在放电过程中传输的电荷较多;而介质阻挡电晕放电的线-管结构电极的气隙电压变化较大,但与峰值电压相差不大,在放电过程中传输的电荷较少。     

基于虚拟电阻的LCL型并网逆变器前馈控制策略

为改善无源阻尼产生的损耗及低输出阻抗导致的电流畸变，设计了基于虚拟电阻的LCL型并网逆变器前馈控制策略。通过虚拟电阻增大等效阻尼，实现了尖峰削减；通过设计电网电压全前馈函数构成全前馈控制，提高了整体输出阻抗，实现了谐波电流抑制。仿真实验结果表明，该控制策略具有良好的稳态、动态和抗干扰能力。     

基于最优转差率的电压频率协调控制策略的研究

提出了一种以异步电动机的转差率为控制量的异步电动机力能指标优化控制方案,得到了异步电动机损耗最小时的最优转差率,并根据负载的变化,得到最佳的电压和频率的匹配关系。通过试验证明,最优转差率电压频率协调控制策略能够使得电动机在满足调速的要求下,适应不同的负载,并运行在效率最高的经济状态。     

基于单片机的仓库温湿度监控系统的设计

飞速发展的计算机科学技术和测量仪器,使得单片机广泛应用。其中,基于单片机组成的网络监控系统,尤其是仓库的温湿度的监控系统起着至关重要的作用。本设计采用单片机STC89C52作为主控芯片,使用DHT11温湿度传感来采集环境参数,通过传送给主控芯片,进行处理和控制,并且发出警报通知用户。实验表明,本系统提高了工作效率,实现了仓库温湿度的实时监测和控制。     

Hammerstein系统的子迭代更新多新息梯度估计方案

针对Hammerstein系统阶次未知和多新息长度限制辨识性能问题,提出行列式比确定阶次信息和基于子迭代更新多新息梯度辨识算法。结合半分解技术,构建线性和非线性参数相互分离的辨识模型。为便于后续参数辨识,基于参考模型原理和原始系统设计行列式比算法确定系统阶次信息。根据多次迭代更新理论,将给定多新息更新分解为子新息多次迭代更新,改善辨识性能,解决多新息长度限制辨识性能问题。基于殃差收敛定理,从理论上严格分析提出方案的收敛性能。结果表明,与已有的辨识方案相比,本文方案能有效辨识系统的参数信息,具有较高的辨识性能。     

基于STM32的六脉波交交变频调速系统设计

本文针对传统的交交变频器输出波形谐波含量大的问题,结合变频调速系统的发展趋势,设计出一款六脉波交交变频调速系统,主要从系统硬件电路设计和软件设计两个方面对交交变频调速系统进行研究,并以STM32F103ZET6为主控芯片,设计出周边控制和保护电路,搭建出交交变频器的调速平台,编写出实时在线计算的交交变频调速程序。研究表明,此系统不仅能够实现变频调速,且调速效果比传统的交交变频系统要好很多。