【摘 要】
:
随着社会的发展,人们越来越注重环保,如今,发展绿色节能的照明已经成为主流。发光二极管(Light Emitting Diode,LED)由于具有高光效、响应快、寿命长、耗能少以及颜色种类多等优良特性,这让它成为当今绿色照明的代表。但是单个LED灯珠的功率比较低(0.5-3W),而且LED的伏安特性是非线性的,其亮度受电压波动的影响较大,因此在应用时不仅需要将多个LED灯珠进行串、并混联来达到所需要
论文部分内容阅读
随着社会的发展,人们越来越注重环保,如今,发展绿色节能的照明已经成为主流。发光二极管(Light Emitting Diode,LED)由于具有高光效、响应快、寿命长、耗能少以及颜色种类多等优良特性,这让它成为当今绿色照明的代表。但是单个LED灯珠的功率比较低(0.5-3W),而且LED的伏安特性是非线性的,其亮度受电压波动的影响较大,因此在应用时不仅需要将多个LED灯珠进行串、并混联来达到所需要的亮度,并且需要保证各路输出电流的恒定。基于上述背景,本文提出两种集成式高效率多路均流LED驱动器,具体研究内容如下:本文针对变压器漏感能量回馈问题提出一种基于Buck-Boost电路的具有漏感能量回馈的集成式多路均流LED驱动器,漏感能量回馈是通过在Buck-Boost电路中增加漏感回馈电容完成的,这可以降低开关管关断时的电压尖峰和振铃,提升系统效率。变压器副边电路通过电容实现四路LED负载的均流,相比于传统均流拓扑,本拓扑在拓展到多路均流输出时使用的电容数量更少。文中详细介绍了拓扑的工作模态、电路的集成方式、功率因数校正、漏感能量回馈以及多路均流原理。上述拓扑由于开关管损耗大以及电压和电流应力高的问题限制了它的功率等级。为了提升系统的功率和效率,本文提出一种集成式软开关多路均流LED驱动器,此拓扑采用升压型无桥整流电路实现功率因数校正,LLC谐振电路实现了开关管的软开关以及漏感能量的有效利用。变压器副边电路采用电压对称型四倍频整流电路,通过电容均流的方法实现了四路LED负载电流的均衡,此拓扑的电路拓展能力虽然不是很好,但是其倍压的功能适合于大功率或大电压场合。文中详细介绍了拓扑的工作模态、电路的集成方式、功率因数校正、软开关以及参数设计。为了验证本文提出的两个LED驱动器的可行性,分别制作了功率为100W和130W的实验样机。通过对两个实验样机的实验波形的分析,验证了本文提出的两个拓扑的可行性。
其他文献
大功率LED因其光效高、成本低和节能环保等优势在医疗影像、电子产品和各种照明领域得到了广泛的应用,它的质量决定了其发光品质和使用寿命,因此对其表面缺陷检测尤为关键。然而,目前在实际LED工业封装过程的检测方法中,人工目视检测方式占据主要的地位,其易因视觉疲劳而导致高的错误容忍率和低的产出效率。综上所述,提出一种有效的COB-LED智能检测系统对提高大功率COB-LED的生产是必要的和迫在眉睫的。本
配电网中期负荷预测在重过载风险管理、可靠性计算、配电网架改造等问题上都有着应用需求,但目前中期负荷预测多局限于大系统级别,而配电网负荷预测往往局限于短期预测。受限于配电网馈线、配变层级对象数量多、年维度数据少、负荷不稳定等现状,配电网中期预测鲜有关于深度学习和集成学习的相关研究,工程应用也是采用简单传统的方法,人为主观性较强。因此,本文针对配电网中期负荷预测开展进一步的研究。首先介绍了研究中使用到
纺织业织物瑕疵检测在生产流水线上扮演着保证生产质量,减少次品率的重要角色。目前,织物瑕疵检测主要有人工检测和自动化检测两种。其中,织物瑕疵的自动化检测能够很好地解决人工检测劳动强度高且容易漏检的问题,因而获得了更广泛的应用。传统的织物瑕疵自动化检测方法通常依靠人工提取织物图像的纹理特征,因此难以检测出一些细小瑕疵。近年来,利用深度神经网络自动提取特征的方式在计算机视觉领域取得了不错的成绩。虽然深度
近年来,随着工程技术的发展,机器人技术也取得了长足进步,在工业、医疗和军事领域有着广泛的应用。群体中的单个机器人在感知、计算、决策和执行能力上是受限的,在外部作用下,容易发生故障,导致任务无法完成。然而,在复杂的环境下,群体机器人能够通过协同作用来完成任务,展现出优越的性能。早期,多机器人协同采用的是集中控制的方式,适合于结构简单机器人数量较少的情况;随着机器人数量增加,控制中心的计算压力和通信成
实现机器人的自主运动是机器人领域一个重要的研究问题。机器人仅依靠移动机器人自身的传感器就能够在各种复杂环境下自主运动是机器人能够完成更高层次任务的重要基础。机器人自主运动的一个首要前提条件是机器人对其所处的真实环境具有感知与理解的能力。同时定位与建图(Simultaneous Localization and Mapping,SLAM)方法的核心问题是研究机器人对自身位姿与所处环境的精准估计。动态
随着航空航天科技的发展,多波段光学遥感图像因其多样化的空谱特性在许多领域得到了广泛的应用。然而,星载传感器的瞬时视场角与成像信噪比之间的物理约束使得遥感卫星难以通过单一传感器获取到具有高质量空谱分辨率的对地观测数据。全色锐化技术为解决这一问题提供了一种可行的方案,该技术通过融合高光谱分辨率但空间分辨率较低的多波段图像以及配对的高空间分辨率单波段全色图像,从而得到具有高质量空谱分辨率的多波段图像。本
目标跟踪作为计算机视觉的主要研究方向,在人机交互、体育运动、视觉导航、智能监控、国防军事等领域都发挥着重要的作用。为了降低智能设备的运行成本,研究计算量小、运行速度快,且跟踪精确度高的目标跟踪算法具有重大意义。基于相关滤波的目标跟踪算法引入了傅里叶变换的思想,在傅里叶域中将互相关运算转换为点乘运算,提升了速度的同时保证了跟踪准确性。然而在实际运用场景中,基于相关滤波的目标跟踪算法目标跟踪依旧面临着
在测绘领域中,海岸带地形测绘扮演着不可或缺的角色。与陆地地形测绘方式不同,由于海水的存在传统方法通常无法在海岸带环境下正常工作。近年来出现了以色散方程为理论基础,通过辨识海浪参数来进行水深估计的方法。本文工作基于色散关系,利用无人机平台采集的影像分别在时域和频域内对海底地形进行了有效感知。在本文中使用的时域算法称之为timeCor,频域算法称之为cBathy。本文具体研究的内容如下所示:1)实现机
食物是人类的必需品,对人类的生活、健康有着重要的作用。这也使得食物相关的应用得到广泛的关注。食物图像识别是众多食物应用的基础任务,一旦确定了食物类别,就可以进行膳食管理,营养分析或自动结算等应用。随着近年来深度学习的发展,食物图像识别得到了很大的进展。食物图像识别归属于细粒度分类任务,然而不同于一般的细粒度类别,如鸟,车或飞机等,食物没有固定的空间结构或共有的语义模式。这使得基于空间关系约束的细粒