【摘 要】
：
该文深入研究了异步电动机直接转矩控制方法的基本原理,在分析交流异步电动机数学模型的基础上,详细阐述了电压空间矢量、磁链加速与磁链幅值控制、转矩直接控制等直接转矩控制的基础理论,分析了直接转矩控制系统的系统结构,指明直接转矩控制方式下电机转矩性能的特点,提出一种系统的软启动方案和电流限制措施.该文对基于高速数字信号处理器TMS320F240的直接转矩数字化控制系统的软硬件设计作了初步的探讨,详细介绍
论文部分内容阅读
该文深入研究了异步电动机直接转矩控制方法的基本原理,在分析交流异步电动机数学模型的基础上,详细阐述了电压空间矢量、磁链加速与磁链幅值控制、转矩直接控制等直接转矩控制的基础理论,分析了直接转矩控制系统的系统结构,指明直接转矩控制方式下电机转矩性能的特点,提出一种系统的软启动方案和电流限制措施.该文对基于高速数字信号处理器TMS320F240的直接转矩数字化控制系统的软硬件设计作了初步的探讨,详细介绍了硬件控制电路的实现,和与之相应的控制系统软件的编写方法,实现了直接转矩控制系统的全数字化控制.
其他文献
雷达系统是目标信息获取与环境感知的重要手段，以其独特优势在预警监视、跟踪识别、遥感测绘和资源监测等领域发挥着无可替代的作用。地面运动目标检测(GMTI)是雷达系统最主要的任务之一，而杂波抑制与目标聚焦是决定检测性能的关键因素。阵列多通道配置利用其空域自由度可有效提升系统杂波抑制性能，然而在实际的宽幅GMTI数据录取过程中，不可避免同时存在距离模糊和多普勒模糊问题。距离模糊会导致不同距离区域的回波在
随着移动设备(Mobile Devices，MD)性能的提高，各种计算密集型应用得到了快速发展，如增强现实/虚拟现实、3D在线游戏和视频转码等。为了满足时延需求，通常需要为这些应用提供充足的计算资源和能量资源。然而，MD的资源和能量有限，无法独立完成这些计算密集型应用的运算。传统的云计算可以将计算任务卸载到云中心执行，但由于MD距离云中心较远，卸载计算任务时势必会消耗大量的能量和增加计算时延，从而
高光谱遥感影像可以提供丰富的光谱信息，常被用于表征地物的特有属性，在环境监测、精准农业、矿物勘测以及军事侦察等领域被广泛研究。然而，目前传感器技术所能提供的高光谱图像空间分辨率较低，这使得高光谱图像在诸多研究领域的应用受限。高光谱与全色遥感影像融合处理也叫高光谱全色锐化利用全色图像提高高光谱图像的空间分辨率，为获得同时具有高光谱和高空间分辨率的图像提供一种有效途径。由于使用高分辨率图像的商业平台越
随着电磁环境的逐渐复杂化，雷达在军民领域正面临着与日俱增的严峻考验。相比于单站雷达，多站雷达从波形多样性、空间多样性以及杂波多样性等角度，更深入地挖掘雷达的探测潜力。而对于高分辨的对海观测雷达，具有空时变特性的海杂波建模及其背景下的目标检测，始终是备受关注的研究课题。因此，本文将针对海杂波背景下的多站雷达目标自适应检测及相关问题展开研究，在贝叶斯框架下利用分布参数的先验信息进行自适应检测算法的设计
未来无线网络致力于打造“万物互联”和“无所不在”的通信体验，提升网络容量和连接能力是实现此目标的有效途径。目前，学术界和产业界已经证实：通过网络密集化部署可以大幅度地提升网络容量；而通过非正交多址接入(NOMA， Non-Orthogonal Multiple Access)能够突破有限频谱资源上的连接能力瓶颈。由此可见，基于NOMA的密集无线网络是未来无线网络的重要发展趋势之一。与传统正交多址接
数据传输的速率和安全需求不断增长，驱动无线通信网络的频谱效率不断提高，保密性不断增强。同时同频全双工技术能够实现在同一频率上的同时接收和发送信号，是满足这些需求的关键技术之一。 在全双工网络中进行协作通信，无需使用额外的时频资源即可完成协作，同时增加窃听难度。因此相比半双工网络的协作通信，全双工网络的协作通信可提升网络的频谱效率和安全性。本文聚焦于公用网络和保密网络中的全双工协作通信方式与相关信
随着世界经济的快速发展，全球汽车保有量持续增加。尽管安全气囊、安全带和自动制动系统等为车辆和乘客提供被动性安全保护的辅助配置已经应用了多年，交通事故伤亡率却有增无减，交通安全已成为制约现代社会快速发展的严重问题。智能交通系统(Intelligent Transportation System, ITS)是解决交通安全问题最有效的技术方法之一。专用短程通信(Dedicated Short Range
本课题以一类连续时间非线性系统为被控对象，主要采用自适应动态规划方法(Adaptive Dynamic Programming, ADP)，提出近似最优控制问题的解决方案。主要工作包括以下三个方面： 1、针对一类非仿射型非线性系统，提出了基于事件触发的输出反馈近似最优控制策略。在系统状态不完全可测的情况下，设计神经网络观测器，重构了系统内部状态。在估计状态信号基础上，利用ADP方法，设计输出反馈
随着互联网技术的快速发展和各种传感器的普及，人们能够非常便捷地获得海量时序数据，这些数据蕴含了丰富的内隐信息，广泛存在于安全监测、人机交互以及电子对抗等领域，如何对时序数据特征进行有效建模，有效提取内隐信息是时序数据分析需要解决的关键科学和技术问题，具有重要的理论意义和应用价值。传统时序数据分析方法主要是基于传统机器学习和模式识别等技术，存在模型特征表达能力较弱、时序数据特征建模困难等不足。深度学
现实世界中，各种各样的复杂系统，例如社交网络、计算机网络、化学分子网络、蛋白质交互网络、引文网络等都能高度抽象成图的形式。图表示学习旨在为图中的每个节点或整个图学习一个低维、稠密、实值的向量表示，从而便于后续的网络分析任务，例如节点分类、链接预测、节点可视化、图分类、社区发现、影响力最大化等。传统的图表示学习方法面临着计算效率和存储效率的问题，且图数据的复杂性给传统的机器学习算法带来了重大的挑战。