基于交流电动机拖动中的交直交变频调速系统，对电网谐波的影响问题进行了理论研究与仿真分析，提出了多组变频器的移相式组合供电方法.针对某热连轧生产线的多组辅助传动系统，分别定量分析了当输出频率变化和系统中负载对象、LC滤波器、脉宽调制电路和变压器的参数变化时，供电网侧的谐波率和波形畸变率.仿真结果表明，移相式组合供电方法及合理的拖动系统设计可以大幅度降低供电网侧谐波干扰，总谐波畸变率可抑制在4.0%以内.本研究为工厂拖动系统的设计、无功补偿系统设计以及拖动系统故障诊断提供了有效的方法

电压型脉宽调制(pulse width modulation,PWM)整流器的虚拟磁链矢量可以由电网电压矢量进行积分得到,实际中常用一阶低通滤波器代替纯积分环节来消除直流偏置误差和抑制高频次谐波干扰,但一阶低通滤波器的引入也会带来电网电压幅值衰减和相移,从而导致虚拟磁链观测不准确.为消除一阶低通滤波器对虚拟磁链观测的影响,本文提出一种基于矢量重构技术的观测方法,通过分析一阶低通滤波器的幅频特性和相频特性,分别对滤波后的电压矢量幅值和相位进行重构,可实现虚拟磁链幅值和相位的精确估算.该方法应用于虚拟磁链定向的电压型脉宽调制整流器直接功率控制系统.仿真和实验结果表明,与传统的一阶低通滤波器策略相比,该方法提高了虚拟磁链的估计精度,有效抑制了直流母线电压动态响应波动,更有利于滤除网侧电流谐波

基于高性能的YOLOv3目标检测算法，提出一种分阶段高效火车号识别算法。整个识别过程分为两个阶段：第一阶段在低分辨率全局图像中检测出火车号区域位置；第二阶段在局部高分辨率图像中检测出组成火车号的字符，根据字符的空间位置关系搜索得到12位火车号，并利用每个字符的识别置信度及火车号编码规则进行校验得到最终火车号。另外，本文提出一种结合批一化因子和滤波器相关度的剪枝算法，通过对两个阶段检测模型的剪枝，在保证识别准确率不降（实验中略有提升）的条件下降低了存储空间占用率和计算复杂度。在现场采集的1072幅火车号图像上的实验结果表明，本文提出的火车号识别算法达到了96.92%的整车号识别正确率，平均识别时间仅为191 ms

由于岩石材料的不透明性和多孔隙特性, 通过传统的物理试验或数值模拟很难真实体现其内部三维细观结构. 本文基于CT扫描技术、边缘检测算法、滤波算法、三维点阵映射与重构算法, 构建了可以表征玄武岩试样内部孔隙结构的三维细观非均匀数值模型. 结合并行计算进行直接拉伸数值试验, 研究了内部孔隙结构特征对试样破坏机制及抗拉强度的影响. 研究结果表明: 加载初期在试样孔隙处产生初始裂纹, 随着荷载的增加初始裂纹逐渐沿横向扩展最终形成宏观拉伸破坏裂纹, 并且孔隙含量和分布位置对试样拉伸断裂的位置具有重要影响. 随着孔隙率增高, 试样破坏过程中的声发射数目和能量逐渐减小. 拉伸破坏模式呈现脆性破坏特征, 同时孔隙的存在削弱了试样的抗拉强度

针对扑翼飞行器的定高飞行，设计了基于外部单目视觉的室内定高控制系统：通过外部单目相机获取扑翼飞行器的飞行图像，基于Qt编写的地面站软件接收图像并利用基于OpenCV的图像处理算法检测扑翼飞行器上的发光标识点，获得标识点在图像上的像素坐标；基于卡尔曼滤波器（KF）建立标识点像素坐标的运动状态估计器，降低环境噪声干扰并解决了标识点被短暂遮挡的问题；分别建立常规PID和单神经元PID控制系统，通过蓝牙控制扑翼飞行器的电机转速，实现了基于图像的扑翼飞行器室内定高飞行。对比实验结果表明，本文设计的定高飞行控制系统可以使扑翼飞行器标记点的图像坐标保持在外部单目相机图像的中心横线处。针对阶跃响应信号，单神经元PID控制系统的响应速度比常规PID控制系统响应速度稍慢一些，但是控制精度明显优于常规PID控制器，最大相对误差为3%

• 数据压缩 • 数字滤波 • 基线修正 • 小波变换和自适应系统

第1章 电力电子器件 1.1电力电子器件概述 1.2 不可控器件——电力二极管 1.3半控型器件——晶闸管 1.4典型全控型器件 1.5其他新兴电力电子器件 1.6电力电子器件的驱动 1.7电力电子器件的保护 1.8电力电子器件的串联和并联使用 第2章 整流电路及触发器 2.1 单相可控整流电路 2.2 三相可控整流电路 2.3 变压器漏感对整流电路的影响 2.4 电容滤波不可控整流电路 2.6 大功率可控整流电路 2.7 整流电路的有源逆变工作状态 2.8 晶闸管直流电动机系统 2.9 相控电路的驱动控制 第3章 直流斩波电路 3.1 基本斩波电路 3.2 复合斩波电路和多相多重斩 波电路 第4章 交流电力控制电路和交交变频电路 4.1 交流调压电路 4.2 其他交流电力控制电路 4.3 交交变频电路 4.4 矩阵式变频电路 第5章 逆变电路 5.1 换流方式 5.2 电压型逆变电路 5.3 电流行逆变电路 5.4 多重逆变电路和多电平逆变电

《工程科学学报》：基于鲁棒iHisub∞sub滤波的锂离子电池SOC估计

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

讲解内容： 1. 图像恢复的概念、模型与方法 2. 图像几何校正和几何变换 3. 图像重建 目的： 1. 熟悉位移不变系统图像退化模型，掌握频率域逆滤波恢复方法； 2. 熟悉图像几何校正和几何变换的方法与基本步骤，掌握图像灰度内插方法及其特点 3.了解图像重建的基本概念与方法