墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
1k累计阅读
1k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
双向全桥CLLC谐振变换器仿真模型（Simulink仿真实现）
内容概要：本文系统介绍了双向全桥CLLC谐振变换器的Simulink仿真模型，重点阐述了变频控制、闭环仿真及其与多种电力电子拓扑（如维也纳整流器、DAB变换器、图腾柱PFC等）的联合仿真设计。资源包涵盖2.5kW双向全桥LLC、V2G电动汽车充放电系统、三相PFC、多相交错LLC等多种变换器的仿真案例，并深入展示了三电平VIENNA整流器在双闭环PI控制与SVPWM调制策略下，结合上下电容电压差值补偿实现中点电位平衡的先进控制方法。通过仿真验证，该策略不仅有效维持了800V直流母线电压的稳定，还在动态工况下显著提升了电容电压的均衡度，同时保持了较低的输入电流THD，充分体现了SVPWM与中点平衡控制协同优化的技术优势。; 适合人群：具备电力电子与自动控制理论基础，从事新能源发电、电动汽车、工业电源、微电网等领域的研究生、工程师及科研人员。; 使用场景及目标：① 学习并构建高频谐振变换器（如LLC、CLLC）的Simulink仿真模型，掌握其变频与混合控制策略；② 深入理解并应用中点电位平衡、双闭环PI控制、SVPWM调制等核心技术于VIENNA等三电平变换器中；③ 复现高水平期刊论文中的控制算法，服务于科研项目申报、学术论文撰写或工程产品开发。; 阅读建议：该资源为综合性仿真资料库，建议使用者结合自身研究方向（如电动汽车充电、新能源并网）选择对应案例进行精学，重点关注控制策略的设计逻辑、仿真参数的整定方法以及SVPWM与中点平衡的协同机制，并充分利用附带的计算书和参考文献深化理解，以实现从仿真模型到实际工程应用的顺利转化。
第一次使用API爬取数据之几个坑
第一次使用API爬取数据之几个坑 第一次使用网站自带api爬取相关数据，跟着网上教程爬取豆瓣网top20电影,第一步很顺利。 import urllib.request as request import json url = 'https://api.douban.com/v2/movie/top250' crawl_content = request.urlopen(url).read() t...
全桥LLC谐振(变频+移相混合控制)变换器闭环仿真模型（Simulink仿真实现）
全桥LLC谐振(变频+移相混合控制)变换器闭环仿真模型（Simulink仿真实现）
nginx正向代理访问域名的API接口，解决内网程序无法解析域名
记在一次技术支持过程中，内网程序（无法上网）在调用一个互联网API接口时无法正常访问，在配置正常的nginx正向代理后，仍然无法访问。 1、问题情况 web服务器：172.16.8.6 能访问互联网调用API，但是程序不能部署在web服务器 后台服务器：172.16.7.5 无法访问互联网调用API，但是能与web服务器互联，程序只能部署在后台服务器。 目的：后台服务器172.16.7.5 通过程序正常访问互联网来调用API。 2.解决过程 刚开始接触到这个技术支持时，感觉只需要在web服务器上，部署
Ardupilot环境搭建
Ardpilot介绍：ArduPilot通过多种传感器的数据（GPS、加速度计、气压计、磁场计）等来估计飞行器的姿态，从而使飞行器能够保持稳定。
深入解析Cuk、Zeta和Sepic拓扑：非隔离型开关电源的设计奥秘
本文深入解析了Cuk、Zeta和Sepic三种非隔离型开关电源拓扑的设计奥秘。它们均能实现升降压转换，但特性各异：Cuk拓扑输出反向电压，输入输出纹波极低；Sepic拓扑输出同极性电压，应用广泛；Zeta拓扑输出纹波小，适合精密供电。文章详细对比了其电路结构、工作原理、核心公式及选型指南，帮助工程师根据输入电压范围、输出极性及纹波要求，灵活选择最合适的拓扑方案。
实现调用阿里云API第一章——API请求与认证
一、客户端请求包含的内容 1、URL（API调用地址） 2、请求方式 3、Headers（请求头） 4、Body（请求主体）
全志T113 Tina5.0开发：（零）源码下载&修改调试串口
本文章主要作为自己的笔记，如有错误欢迎指出$ repo start product-da-t113-tina-stable --all # 全部下载完成之后，创建分支运行过程可能会出现版本问题；rm -rf .repo //先删除试试（ 我安装的是3.6版本）
【考试记录】Apsara Clouder基础技能认证：实现调用API接口
阿里云大学Apsara Clouder基础技能认证——实现调用API接口认证考试。由于认证考试特殊性，考试暂不提供错题及答案查看服务，如您希望加深学习，请重新学习课程。 答题开始即开始计时，中途不可暂停，如超时则自动提交 1、考试共 (15) 道选择题，包括单选题和多选题，总分100分；交卷后即可查看成绩 2、考试需在（40分钟）内交卷，过程中无法暂停，请提前安排好时间；如未及时交卷，则本次考试作废 3、同一考试可反复参加，每次会从题库中随机出题 4、开始答题前会进行身份验证，需要您拍摄并上传身份证正面照片
基于OpenCV和Dlib的头部姿态估计详细教程
本文详细介绍了基于OpenCV和Dlib的头部姿态估计方法。通过分析2D人脸特征点与3D头部模型的对应关系，利用PnP（Perspective-n-Point）算法求解头部在三维空间中的姿态。文章首先阐述了坐标系统转换原理，包括世界坐标系、相机坐标系和图像坐标系的转换关系，随后深入讲解了PnP问题的数学表述及求解步骤，并提供了使用Dlib检测68个面部特征点的代码示例。最后介绍了3D通用头部模型的构建方法，包括6点和14点模型的选择，为计算机视觉中的头部姿态估计提供了完整的技术实现方案。
初识 QML
QML 是一种声明性语言，允许根据用户界面的可视组件以及它们如何相互交互和相互关联来描述用户界面。QML 是一种高度可读的语言，旨在使组件能够以动态方式互连，并且允许组件在用户界面中轻松重复使用和自定义。 使用 Qt Quick，开发人员可以轻松地在 QML 中构建流体动画用户界面，并且可以选择将这些用户界面连接到任何后端 C++ 库。
IC工程师常用linux命令（持续更新ing）
这个代码的核心功能是：基于输入词的长度动态选择反义词示例，并调用大模型生成反义词，体现了 “动态少样本提示（Dynamic Few-Shot Prompting）” 与 “上下文长度感知的示例选择” 的能力。核心作用：根据输入文本的长度，自动计算并选择合适数量的示例（输入越长，选的示例越少），避免 Prompt 总长度超出模型上下文限制；- 示例数据集（examples）：以键值对形式存储「输入-输出」示例，为模型提供任务参考（如"开心"→"伤心"）；
风光互补制氢系统动态仿真建模与性能分析
摘要 本文针对离网型风光互补制氢系统，建立了包含光伏阵列、风力发电机、PEM电解槽、储能电池和储氢罐的完整动态数学模型。基于MATLAB/Simulink平台开发了模块化仿真框架，设计了考虑电解槽最小运行功率约束的能量管理策略。通过典型日仿真分析表明，风光互补可有效平抑单一能源的功率波动，系统整体能量效率达58.7%，电解槽负荷跟随特性良好。提出的动态仿真方法为风光制氢系统的优化设计和运行控制提供了有效工具。 关键词：风光互补制氢；PEM电解槽；动态仿真；MATLAB/Simulink；能量管理
Torchmoji文本到emoji映射：轻量级LSTM实现细粒度情感语义建模
文本到emoji映射是一种融合情感分析与语义理解的实用NLP任务，其核心在于建模语言表达与视觉符号间的细粒度对应关系。不同于通用情感分类，emoji具有高度语境依赖性、主观性与非互斥性，需兼顾局部语法结构与跨平台兼容性。Torchmoji采用字符级分词+双向LSTM+注意力机制的轻量架构，在仅280万参数下实现高精度预测，显著优于大模型微调方案。该技术已广泛应用于客服情绪看板、用户反馈聚类、社交评论可视化等真实场景，尤其适合对推理延迟敏感、需端侧部署或快速集成的工程需求。本文聚焦Torchmoji原理、开箱
灰色预测GM(1,n)模型_python
灰色系统理论及其应用系列博文： 一、灰色关联度分析法(GRA)_python 二、灰色预测模型GM(1,1) 文章目录一、GM(1,n)算法二、示例2.1 数据：2.2 代码_使用GM(1,n)城市用水总量2.3 结果分析 一、GM(1,n)算法 二、示例 注：数据均来自论文《基于灰色系统理论的贵阳市城市用水总量预测》 2.1 数据： data.csv 年份,城区人口,建成区面积,供水总量,用水人口,人口综合用水指标,城市用水总量 2002, 191.85, 98.00, 26396.00,
使用 Simulink 和 Simscape Electrical 工具箱设计一个 Buck 转换器系统
Buck 转换器（降压转换器）是一种常用的 DC-DC 转换器，用于将较高的输入电压转换为较低的输出电压。为了评估其抗干扰能力，我们可以在模型中引入不同的干扰源，并观察系统的响应情况。电网电压波动：输入电压的变化。负载突变：负载电阻或电感的变化。电磁干扰：高频噪声或脉冲干扰。通过模拟这些干扰，我们可以分析系统的动态响应特性，并采取相应的措施来提高系统的抗干扰能力。
用torchMoji实现轻量级推文情绪向量化分析
情绪分析是自然语言处理中的基础任务，其核心在于将非结构化文本映射为可计算的情绪表征。传统方法如VADER依赖规则词典，易受网络用语和反讽干扰；BERT类模型虽精度高，但需大量标注数据与GPU算力，难以落地轻量场景。torchMoji另辟蹊径，通过emoji预测任务学习128维情绪向量，本质是构建具备语义方向性的情绪嵌入空间——无需微调、不依赖API、CPU即可实时推理。该技术特别适用于舆情初筛、运营情绪监测、短视频内容适配等强调时效性与部署简易性的工程实践，为中文/英文混合短文本（如推文、弹幕、评论）提供低
pscad IEEE标准系统搭建说明
pscad IEEE标准系统搭建说明，包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
1918
扫一扫
