低压差线性稳压器实用设计系列讲座之一低压差线性稳压器设计要点

低压差线性稳压器(LDO)是一种高性能、高效率、使用方便、成本低廉的线性稳压器件。首先对线性稳压器的基本类型作了比较,然后详细阐述LDO的电路设计要点及LDO的布局,最后对LDO的常见故障加以分析。     

低压差线性稳压器设计要点

低压差线性稳压器（LDO）是一种高性能、高效率、使用方便、成本低廉的线性稳压器件。首先对线性稳压器的基本类型作了比较，然后详细阐述LDO的电路设计要点及LDO的布局，最后对LDO的常见故障加以分析。     

低压差线性稳压器应用实例

低压差线性稳压器(LDO)可广泛用于PC、笔记本电脑、手机、无线电话、测试仪表、医疗仪器等领域。介绍低压差线性稳压器的几种典型应用实例。     

低压差线性稳压器的使用技巧

低压差线性稳压器（LDO）有许多使用技巧。详细介绍了提高LDO输入电压的方法，多片LDO的并联使用方法；并深入阐述能从0V起调的LDO以及用LDO构成恒流源的电路设计。     

低压差线性稳压器实用设计系列讲座之三 提高低压差线性稳压器输出电压精度的方法

固定式或可调式LDO的输出电压精度取决于其初始精度、稳定性、内部带隙基准电压源的温度系数和取样电阻的精度。详细分析了影响LDO输出电压精度的主要因素,重点阐述提高LDO输出电压精度的方法。     

低压差线性稳压器实用设计系列讲座之六 低压差线性稳压器应用实例

低压差线性稳压器(LDO)可广泛用于PC、笔记本电脑、手机、无线电话、测试仪表、医疗仪器等领域。介绍低压差线性稳压器的几种典型应用实例。     

提高低压差线性稳压器输出电压精度的方法

固定式或可调式LDO的输出电压精度取决于其初始精度、稳定性、内部带隙基准电压源的温度系数和取样电阻的精度。详细分析了影响LDO输出电压精度的主要因素,重点阐述提高LDO输出电压精度的方法。     

低压差(LDO)线性稳压器结构的改进

为了提高LDO的负载瞬态响应,本文提出了一种新型的LDO电路结构,该结构提高了系统的带宽和转换速率,从而使LDO的负载瞬态响应和负载调整能力也得以提升。     

基于BP神经网络和线性神经网络的间谐波分析方法

传统的线性神经网络,其激励函数是固定函数,所以不能对间谐波的频率进行调整,而基波频率微小的偏差将导致谐波检测出现较大的误差。笔者在采用BP神经网络的高精度基波检测的基础之上,采用激励函数参数可调的线性神经网络来分析间谐波。理论分析和仿真结果都表明,无论有没有噪声,文中提出的方法都具有较高的检测精度,自适应能力较强,其中检测与偶数次谐波比较接近的间谐波的优势更明显。     

BP神经网络与局部线性模型树算法的比较

本文主要介绍了目前使用比较广泛的人工神经网络中的BP算法和使用不多的局部线性模型树（LOLIMOT）算法，从几个方面比较两种算法，指出各自的优缺点。     

基于BP神经网络的地温推演模型

针对地温观测中数据缺测和国家一般气象站无深层地温观测的问题,提出了采用BP神经网络建立的实时地温推演模型和深层地温推演模型(40~160 cm地温模型和320 cm地温模型)。前者可用于整点地温观测数据缺测的填补,后者用于无深层地温观测地区的地温估算。以样本站的小部分数据训练网络,用样本站全部数据测试,反复调试神经网络参数,筛选出误差性能好的地温模型,再用对比站数据测试地温模型的输出误差。实时地温模型样本站推演正确率为77.705%,对比站推演正确率为66.168%;40~160 cm地温模型72%以上的输出误差不大于0.5℃;320 cm地温模型83%以上的输出误差不大于1℃。实验结果表明,该方法建立的地温推演模型具有较高的精度和实用性。     

基于BP神经网络电除尘效率模型研究

电除尘法已成为电厂烟气除尘的主要方法,但目前很难实现对电除尘效率的精确测量,综合分析影响电除尘效率的主要因素,并以BP神经网络结构为基础,建立除尘效率的BP神经网络模型。引进学习样本对此模型进行了仿真分析,通过比较实际系统和模型除尘效率曲线以及对模型误差的计算,验证了此模型的可行性。     

便携式电子产品对低压差稳压器（LDO）的要求

便携式电子产品多采用锂电池供电，如手机、MP3、PDA等低功耗产品。如果电源系统设计不合理，则会影响到整个系统的架构、产品的特性组合、元件的选择、软件的设计和功率分配架构等。     

基于BP神经网络QoS到QoE映射模型

随着互联网的发展,基于语音和视频的网络应用服务层出不穷,人们开始不仅仅满足于知道网络 QoS 参数,更加关注网络服务的好坏,即 QoE 评价指标。目前常用的视频 QoE 评价的方法是基于图像评价的算法如 PSNR 算法、VQM 评价算法等。这些算法需要原始视频图像进行对比,较为复杂,实时性差。本文研究了一种基于 BP 神经网络的 QoS 到流媒体 QoE 映射模型,使用抖动和丢包两个网络 QoS 参数作为输入层神经元,基于 VQM 算法的 QoE 评价值作为输出层神经元。使用若干组 QoS 和 QoE 数据训练该 BP 神经网络,分别使用单隐含层 BP 神经网络和多隐含层 BP 神经网络进行效果对比,之后使用该神经网络和 QoS 参数对 QoE 评价值进行预测,并与 QoE 实际值比较验证。得到基于 BP 神经网络的 QoS 到 QoE 的映射模型。该模型较为简单,拟合度高,RMS 误差较小。     

基于BP神经网络模型的异步电动机故障辨识

针对目前三相异步电动机故障诊断方法存在的局限性及其缺陷,在利用小波包分析提取电动机故障信号特征量基础上,提出基于蝙蝠-粒子群及改进BP算法的异步电动机BP神经网络故障辨识模型,采用蝙蝠-粒子群算法优化BP神经网络结构参数,利用改进BP算法训练BP神经网络.仿真结果分析表明,该BP神经网络模型用于三相异步电动机故障辨识,...     

基于BP神经网络的热经济性在线计算模型

借助神经网络较强的非线性拟合能力、网络泛化及客错能力构建了基于BP神经网络的热经济性在线计算模型.以某台320 MW机组为例,针对特定的热经济性指标,根据指标的热力学特性,充分利用神经网络的优点构建了汽轮机热耗率的模型.与常规方法计算所得结果的对比表明,该模型具有较高的准确性和稳定性,非稳态运行引起的参数波动对其计算结果影响很小,为热经济性指标在线计算提供了一种新的思路和方法.     

基于BP神经网络的输电线路山火风险评估模型

近年来,输电线路因山火引起的跳闸停电事故越来越多,严重影响了电网的安全稳定,山火风险防控俨然已成为电网防灾减灾的重要研究课题。考虑到输电线路山火风险的影响因素多而复杂,提出了一种基于BP神经网络的山火风险评估模型。通过研究分析220 kV及以上输电线路山火灾害高发的实际情况,确定山火主要影响因子作为模型的输入,将山火风险等级作为模型的输出,利用Matlab建立基于BP神经网络的山火风险评估模型。实验结果表明该模型能有效地预测山火风险,对及时发布预警消息具有重要意义。     

基于BP神经网络的电网短期负荷预测模型研究

为了获得能够反映短期负荷波动的自动预测模型,将BP神经网络运算逻辑与Matlab神经网络工具箱相结合,利用供电系统的气象条件、供电日的日期类型等函数干扰因素作为BP网络神经元的约束"权值",结合自适应控制中的节假日、供电限制等"外部干预项",通过模型对系统历史运行短期负荷数据进行自动"学习",获得一个具有自适应学习速率...     

基于BP神经网络的马斯京根模型参数动态估计

针对平均值法和流量分级法获取马斯京根模型参数导致实时洪水预报精度低的问题,本文提出基于BP神经网络的马斯京根模型参数动态估计方法。提取每场洪水的特征属性作为神经网络的输入,采用优化算法估计的每场洪水的参数作为神经网络的输出,对神经网络进行训练,并将此方法应用于实时洪水预报的参数估计,结果表明,此方法简单可行,精度较高,比较实用。     

基于BP神经网络模型的风电场送出变故障识别

变压器是电力系统中最重要的枢纽设备之一,其保护动作的正确是整个电力系统稳定运行的关键.对于接入大规模风电场的系统,双馈风电机组在低电压穿越期间短路电流特殊的频偏特性将导致传统变压器差动保护方案在风电场送出变中动作性能变差.针对这一问题,首先推导了频偏特性下短路电流经DFT提取后的误差表达式,并分析该短路电流对传统保护的影响.在此基础上,提出了利用BP神经网络模型来逼近变压器电磁暂态模型,并结合波形相关性进行故障识别的新方案.最后,在MATLAB/SIMULINK平台上搭建双馈风电场仿真模型.仿真结果表明,在各运行工况下,基于BP神经网络模型的方案能够有效进行故障识别,并规避频偏特性及励磁涌流带来的影响.