基于Verilog HDL的FPGA数字系统设计优化

文章介绍了基于FPGA的数字系统设计优化的两种重要技术：流水线设计技术和资源共享设计技术,并通过两个具体的示例,详细说明了如何利用Verilog HDL语言来编写优化程序,并通过定时分析及资源耗用结果对比分析了优化设计前后电路在速度与资源利用率等性能指标上的差别。     

一种改进的方均根值谐波检测方法的研究

针对传统检测方法不能有效应用于电网畸变和频率波动的缺陷,提出了一种改进的无锁相环的方均根值谐波检测方法。该方法采用基波正序提取环节代替锁相环,得到与基波电压正序分量同步的信号,进而检测谐波分量。将其与传统ip-iq检测法相比,该方法响应速度快,且可以有效地工作在电网恶劣的情况下。仿真和实验结果表明,将其应用于APF的谐波检测环节,电网侧谐波的补偿达到了预期的效果。     

本安电路中电缆L/R的选择原则

电缆L／R经值按照国际电工委员会IEC60079－11标准取值，能够保证系统的本质安全性质，不过由该标准中L／R公式未考虑火花放电能量中由电源部分提供给的能量EIT／6，从而导致与实际情况不符。为此，本基于电感性本质安全电路放电电流线性衰减模型，引入了最小建弧电压的概念，进而利用电感电路的本质安全性能判别工，提出了确定电缆电感电阻比L／R的又一选取原则。     

基于扇区判断的三电平APF多目标模型预测电流控制

有源滤波器是改善电网电能质量的关键设备之一。针对三电平有源滤波器传统模型电流预测控制方法中滚动优化次数多,程序运行时间长,开关损耗高的问题,研究了一种基于扇区判断的三电平有源滤波器多目标模型预测电流控制方法,首先对参考电压进行扇区的判断,然后再确定所在扇区的最优开关状态子集,以此进行滚动优化,同时考虑开关损耗的问题,在价值函数中引入平均开关频率约束。该方法不仅可以减少程序运行时间,同时在不影响补偿效果的情况下降低了平均开关频率。最后通过仿真和实验验证了所研究方法的正确性和有效性。     

Max＋plusⅡ在“组合电路中竞争与冒险现象”课堂教学上的应用

"数字电路"课程中的"组合逻辑电路中的竞争与冒险现象"这部分内容是课堂讲解的一个重点和难点.为了加深学生对该抽象知识点的理解和掌握,以最简单的2输入与门为例,通过设计输入、编译、时序仿真、查看定时关系等操作步骤,介绍一种将Max+plusⅡ引入这一讲的具体教学方法.合理设置输入波形以后,通过Max+plus Ⅱ时序仿真的结果,不仅可以观察到输出端产生的"毛刺",还可以通过计算找到产生的原因并采取有效的方法消除.课堂实践证明,此方法取得了良好的教学效果,大大提高了授课效率.     

基于数据驱动和深度学习的超短期风电功率预测

从多源、多维、多模态的风电数据中挖掘风能、风电的因果关联,以及多风电场间的时空关联,是提高风电功率预测精度的有效途径.文中提出了一种基于数据驱动的混合深度学习模型.首先,在数据预处理环节,将风电场满功率输出、风速溢出的场景,视为风电功率预测的异常、故障状态,并提出数据清洗方法以加强风速和风电的相关性.然后,针对气象信息与风电的因果关联,设计多通道卷积挖掘其耦合关系;针对相邻风电场间的时空关联,设计多尺度卷积挖掘不同时空尺度下的风电特征,并通过1×1卷积层对不同尺度的时空特征赋权、融合和降维.最后,将融合特征输入门控循环网络挖掘时序关联,输出多风电场风电功率的预测结果,以真实数据集验证了所提模型的有效性.     

一种新的谐波检测方法及其在APF中的应用

有源电力滤波器作为改善电能质量的装置被广泛地应用在各种场合,其中谐波检测环节在有源滤波器中扮着重要角色。针对在网侧电压波形发生畸变、幅值跌落等恶劣环境中,传统锁相环无法准确对电压相位进行锁相的情况,提出一种基于双同步坐标系解耦的柔性锁相环的有效值谐波检测方法,并在模拟某相电压跌落和相位偏移的情况下,将其与基于传统锁相环的方均根值谐波检测方法进行对比分析。仿真结果表明,此方法是可行的,可以在电网恶劣环境下,准确检测出电网电压正序基波电压的相位信息,同时将其应用于有源电力滤波器中,网侧谐波的补偿达到了预期的效果。     

基于改进瞬时功率法的电动机故障诊断

从采集的鼠笼异步电动机定子电流出发,建立了流方的概念,通过故障电流的自乘方放大并转移故障特征频率。根据瞬时功率的概念提出了基于改进瞬时功率法的电动机故障诊断方法,通过理论推导分别提取了转子断条故障和转子偏心故障在流方中的特征频率分量,有效地克服了转子断条故障特征频率容易被基频淹没的缺点,实现了对转子断条、偏心、复合等故障的辨别诊断。该方法与传统瞬时功率法相比,采集的数据量减半,避免了电压波动和采样误差对瞬时功率的影响。     

矿用救生舱蓄电池剩余电量测试系统设计

基于DSP技术对救生舱蓄电池剩余电量测试系统进行了设计,该测试系统分别采集了电池电压、电流和温度信号,并经信号处理后传送至DSP28335,进行了电池剩余电量的估算,继而将相关信息传送至上位机,最终实现了救生舱蓄电池剩余电量的实时在线测量和管理。     

利用骨干微粒群算法和SVM诊断电机定子故障

为了实现感应电机定子匝间短路故障的准确识别,提出一种基于骨干微粒群算法和支持向量机(support vector machine,SVM)的故障诊断方法。根据故障电流信号的特点,提出一种基于骨干微粒群算法的基波滤除方法,用以消除基波分量对故障特征提取的影响。然后利用小波包频带能量分解技术,将残余电流信号的故障特征谐波分解到不同频带,形成感应电机运行状态的特征向量,并以此作为SVM的输入向量。采用SVM进行分类,并利用骨干微粒群算法和交叉检验优化模型参数,避免参数选择的盲目性。实验结果表明,该方法不但可以有效滤除基波分量,突出故障特征,而且能够在小样本情况下准确辨识感应电机定子匝间短路故障。