高频注入理论推导与通俗理解一(超详细公式推导)

慧驱动正弦高频注入FOC学习笔记 永磁同步电机无感位置检测的方法主要分为两类:一类基于基波信号,通过对基波中包含转子位置的信号进行提取;一类是基于电机自身的凸极性,即通过向电机绕组注入高频信号,将高频电流信号中包含的转子位置信息进行提取。 阅读详情

1 通俗理解高频注入

永磁同步电机的转子不是一个“各个方向都一样”的电感。对凸极电机而言,沿$d$轴看进去的电感是 $L_d$,沿 $q$轴看进去的电感是 $L_q$。如果给电机施加一个很快变化的高频电压,电流大小主要由“这个方向上的电感”决定。因此,高频注入本质上是在用一个高频小信号去“摸”转子的电感方向。

如果估计的$\hat d$轴刚好对准真实$d$轴,那么沿 $\hat d$轴打入的高频电压只会主要产生$\hat d$轴高频电流;如果估计角度偏了,因为电感椭圆被转歪了,高频电流就会漏到$\hat q$轴。这个$\hat q$轴高频电流就是角度误差的来源。

(注:凸极电机是同步电机的主流转子结构类型之一,核心特征是转子磁极具有明显的凸出几何结构,导致气隙沿圆周方向不均匀,最终表现为直轴($d$轴)与交轴(q轴)的磁路磁阻不对称、电感不相等)

2 dq 轴低频模型

在真实转子$dq$坐标系中,永磁同步电机电压方程为:

v_d= R_s i_d+L_d\frac{di_d}{dt}-\omega_e L_q i_q

v_q= R_s i_q+L_q\frac{di_q}{dt}+\omega_e L_d i_d+\omega_e\psi_f

其中$R_s$是相电阻,$L_d,L_q$ 是$d,q$轴电感,$\psi_f$是永磁体磁链,$\omega_e$是电角速度。写成矩阵形式:

\mathbf{v}_{dq} =R_s\mathbf{i}_{dq} +\mathbf{L}_{dq}\frac{d\mathbf{i}_{dq}}{dt} +\omega_e\mathbf{J}\mathbf{L}_{dq}\mathbf{i}_{dq} +\omega_e\begin{bmatrix}0\\\psi_f\end{bmatrix},

\mathbf{i}_{dq}=\begin{bmatrix}i_d\\i_q\end{bmatrix},\quad \mathbf{L}_{dq}=\begin{bmatrix}L_d&0\\0&L_q\end{bmatrix},\quad \mathbf{J}=\begin{bmatrix}0&-1\\1&0\end{bmatrix}.

这个模型叫低频模型,是因为它完整描述了基波电流、反电势、速度耦合、电阻压降等慢变化量。

3 由三相 PMSM 基波模型推到高频电压方程

3.1 从三相电压方程开始

内置式三相 PMSM 的相电压方程可以先写成最基本的形式:

\begin{bmatrix}v_a\\v_b\\v_c\end{bmatrix} =R_s\begin{bmatrix}i_a\\i_b\\i_c\end{bmatrix} +\frac{d}{dt}\begin{bmatrix}\psi_a\\\psi_b\\\psi_c\end{bmatrix}.

也就是一句话:相电压等于电阻压降加磁链变化率。对三相平衡电机,经过 Clarke 变换到静止 $\alpha\beta$坐标系,有:

\mathbf{v}_{\alpha\beta}=R_s\mathbf{i}_{\alpha\beta} +\frac{d\boldsymbol{\psi}_{\alpha\beta}}{dt}.

再经过 Park 变换到随转子旋转的$dq$坐标系。因为$dq$坐标系本身以电角速度$\omega_e$旋转,所以磁链求导会多出一个旋转耦合项:
\begin{aligned} v_d &= R_s i_d+\frac{d\psi_d}{dt}-\omega_e\psi_q,\\ v_q &= R_s i_q+\frac{d\psi_q}{dt}+\omega_e\psi_d. \end{aligned}

对内置式 PMSM,$d$轴、$q$轴磁链为:

\psi_d=L_d i_d+\psi_f, \qquad \psi_q=L_q i_q.

将磁链代入电压方程,得到基波$dq$电压模型:
\begin{aligned} v_d &=R_s i_d+\frac{d(L_d i_d+\psi_f)}{dt}-\omega_e L_q i_q,\\ v_q &=R_s i_q+\frac{d(L_q i_q)}{dt}+\omega_e(L_d i_d+\psi_f). \end{aligned}

若近似认为$L_d,L_q,\psi_f$为常数,则

\begin{aligned} v_d &= R_s i_d+L_d\frac{di_d}{dt}-\omega_e L_q i_q,\\ v_q &= R_s i_q+L_q\frac{di_q}{dt}+\omega_e L_d i_d+\omega_e\psi_f. \end{aligned}

这就是常见的内置式 PMSM 基波模型。

3.2 叠加高频小信号

高频注入时,把电压和电流都看成“基波慢变量 + 高频小变量”v_d=v_{d0}+v_d^h, \qquad v_q=v_{q0}+v_q^h,\qquad i_d=i_{d0}+i_d^h, \qquad i_q=i_{q0}+i_q^h.

其中下标$0$表示基波低频量,上标$h$表示高频注入量。将它们代入基波模型的$d$轴方程:
\begin{aligned} v_{d0}+v_d^h &=R_s(i_{d0}+i_d^h) +L_d\frac{d(i_{d0}+i_d^h)}{dt} -\omega_e L_q(i_{q0}+i_q^h) \\ &=\left(R_s i_{d0}+L_d\frac{di_{d0}}{dt}-\omega_e L_q i_{q0}\right) +\left(R_s i_d^h+L_d\frac{di_d^h}{dt}-\omega_e L_q i_q^h\right). \end{aligned}

括号中的第一部分就是低频基波$d$轴电压$v_{d0}$,所以两边相减,剩下高频$d$轴方程:

v_d^h=R_s i_d^h+L_d\frac{di_d^h}{dt}-\omega_e L_q i_q^h.

同理代入$q$轴方程:

\begin{aligned} v_{q0}+v_q^h &=R_s(i_{q0}+i_q^h) +L_q\frac{d(i_{q0}+i_q^h)}{dt} +\omega_e L_d(i_{d0}+i_d^h)+\omega_e\psi_f \\ &=\left(R_s i_{q0}+L_q\frac{di_{q0}}{dt}+\omega_e L_d i_{d0}+\omega_e\psi_f\right) +\left(R_s i_q^h+L_q\frac{di_q^h}{dt}+\omega_e L_d i_d^h\right). \end{aligned}

第一部分就是低频基波$q$轴电压$v_{q0}$,因此高频$q$轴方程为:

v_q^h=R_s i_q^h+L_q\frac{di_q^h}{dt}+\omega_e L_d i_d^h.

注意:永磁体磁链项$\omega_e\psi_f$只出现在基波慢变量中,做高频分量相减后被抵消,因此高频电压方程里没有永磁磁链项。

3.3 高频近似:只保留电感微分项

假设注入电流近似为正弦高频量,例如:i_d^h=I_d^h\sin\omega_h t, \qquad i_q^h=I_q^h\sin\omega_h t .

则微分项量级为:\left|L\frac{di^h}{dt}\right|\approx \omega_h L |I^h| .

与电阻压降相比:\frac{|R_s i^h|}{|Ldi^h/dt|}\approx\frac{R_s}{\omega_h L}\ll1.

与速度耦合项相比:\frac{|\omega_e L i^h|}{|Ldi^h/dt|}\approx\frac{|\omega_e|}{\omega_h}\ll1.

由于高频注入通常选择$\omega_h\gg\omega_e$,并且$\omega_h L\gg R_s$,所以可忽略电阻项和速度耦合项,得到简化高频模型:

\begin{aligned} v_d^h&\approx L_d\frac{di_d^h}{dt},\\ v_q^h&\approx L_q\frac{di_q^h}{dt}. \end{aligned}

矩阵形式为:\begin{bmatrix}v_d^h\\v_q^h\end{bmatrix} \approx \begin{bmatrix}L_d&0\\0&L_q\end{bmatrix} \frac{d}{dt}\begin{bmatrix}i_d^h\\i_q^h\end{bmatrix}

或写成电流微分形式:

\frac{d}{dt}\begin{bmatrix}i_d^h\\i_q^h\end{bmatrix} \approx \begin{bmatrix}1/L_d&0\\0&1/L_q\end{bmatrix} \begin{bmatrix}v_d^h\\v_q^h\end{bmatrix}.

这就是从三相 PMSM 基波模型推出来的高频电压方程。它的含义很简单:在高频下,电机不再主要表现为“反电势电机”,而主要表现为“方向不同、电感不同的电感网络”。

4 半和电感、半差电感

为了把公式写得更清楚,定义:L_0=\frac{L_d+L_q}{2}, \qquad L_1=\frac{L_q-L_d}{2}.

于是:L_d=L_0-L_1, \qquad L_q=L_0+L_1, \qquad D=L_dL_q=L_0^2-L_1^2 .

其中:$L_0$是平均电感,表示电机“整体有多难被电流改变”;$L_1$是半差电感,表示$d$轴和$q$轴的差异有多明显。如果$L_d=L_q$,则$L_1=0$,电机从各个方向看进去都一样,高频注入就摸不出转子方向。

5 估计坐标系中的高频电感矩阵

5.1 角度误差

真实转子角度为$\theta$,估计角度为$\hat\theta$,定义

\Delta\theta=\theta-\hat\theta .

当$\Delta\theta=0$时,估计$\hat d\hat q$轴与真实$dq$轴重合。

5.2 逆电感矩阵旋转

真实$dq$轴中的逆电感矩阵为

L_{dq}^{-1}=\begin{bmatrix}1/L_d&0\\0&1/L_q\end{bmatrix}.

先把$1/L_d,1/L_q$用$L_0,L_1,D$表示:\frac{1}{L_d}=\frac{L_q}{L_dL_q}=\frac{L_0+L_1}{D}, \qquad \frac{1}{L_q}=\frac{L_d}{L_dL_q}=\frac{L_0-L_1}{D}.

因此:L_{dq}^{-1}=\frac{1}{D} \begin{bmatrix}L_0+L_1&0\\0&L_0-L_1\end{bmatrix}.

当估计坐标系相对真实坐标系有误差$\Delta\theta$时,逆电感矩阵要旋转到$\hat d\hat q$坐标系。经过二维坐标旋转,可得

\frac{d}{dt}\begin{bmatrix}i_{\hat d}^{h}\\i_{\hat q}^{h}\end{bmatrix} =\frac{1}{D} \begin{bmatrix} L_0+L_1\cos 2\Delta\theta & L_1\sin 2\Delta\theta\\ L_1\sin 2\Delta\theta & L_0-L_1\cos 2\Delta\theta \end{bmatrix} \begin{bmatrix}v_{\hat d}^{h}\\v_{\hat q}^{h}\end{bmatrix}

这里出现$2\Delta\theta$,原因是电感椭圆转过$180^\circ$后形状不变,所以高频凸极信息具有$180^\circ$电角度周期。

6 $i_{\hat d}$和$i_{\hat q}$的详细推导

沿估计$\hat d$轴注入高频电压:

v_{\hat d}^{h}=V_h\cos\omega_h t, \qquad v_{\hat q}^{h}=0 .

代入高频模型的第一列,得到

\begin{aligned} \frac{di_{\hat d}^{h}}{dt} &=\frac{V_h}{D}\left(L_0+L_1\cos2\Delta\theta\right)\cos\omega_h t,\\ \frac{di_{\hat q}^{h}}{dt} &=\frac{V_h}{D}L_1\sin2\Delta\theta\cos\omega_h t. \end{aligned}

对时间积分,利用:\int \cos\omega_h t\,dt=\frac{1}{\omega_h}\sin\omega_h t,

并去掉直流积分常数,得到:i_{\hat d}^{h}=\frac{V_h}{\omega_hD}\left(L_0+L_1\cos2\Delta\theta\right)\sin\omega_h t,\\ i_{\hat q}^{h}=\frac{V_hL_1}{\omega_hD}\sin2\Delta\theta\sin\omega_h t.

这说明电压是$\cos\omega_h t$,电感电流是$\sin\omega_h t$,也就是电流相对电压滞后$90^\circ$。

7 为什么用 q 轴解算角度

在角度接近正确时,$\Delta\theta$很小,使用近似:

\sin2\Delta\theta\approx 2\Delta\theta, \qquad \cos2\Delta\theta\approx 1-2(\Delta\theta)^2 .

于是:

\begin{aligned} i_{\hat d}^{h}&\approx \frac{V_h}{\omega_hD}\left(L_0+L_1-2L_1(\Delta\theta)^2\right)\sin\omega_h t,\\ i_{\hat q}^{h}&\approx \frac{2V_hL_1}{\omega_hD}\Delta\theta\sin\omega_h t. \end{aligned}

对$i_{\hat d}^{h}$来说,角度误差是一项二次小量$(\Delta\theta)^2$,正偏和负偏给出的变化一样,无法判断方向;而 $i_{\hat q}^{h}$对角度误差是一阶小量,正负号直接反映角度偏差方向。因此选择$q$轴高频电流作为角度误差信号。

换一个更直观的角度理解:

因为我们是沿估计的d轴打入高频电压的,如果估计角度正确,电流就应该只在d轴上来回振荡,q轴上不应该有高频电流;一旦q轴出现了高频电流,就说明估计的d轴没有对准真实转子d轴,所以q轴电流天然就是“对没对准”的误差信号。

8 解调公式

由上式可写出$q$轴高频电流:i_{\hat q}^{h}=K\sin2\Delta\theta\sin\omega_h t, \qquad K=\frac{V_hL_1}{\omega_hD}.

用与电流同相的$\sin\omega_h t$相乘:i_{\hat q}^{h}\sin\omega_h t =K\sin2\Delta\theta\sin^2\omega_h t .

又因为:\sin^2\omega_h t=\frac{1- \cos2\omega_h t}{2},

低通滤波去掉$2\omega_h$分量后,得到:

e=\operatorname{LPF}\{i_{\hat q}^{h}\sin\omega_h t\} =\frac{K}{2}\sin2\Delta\theta =\frac{V_hL_1}{2\omega_hD}\sin2\Delta\theta.

小角度时:e\approx \frac{V_hL_1}{\omega_hD}\Delta\theta .

所以,解调后的低频量$e$就是与角度误差近似成正比的信号。

9 总结

低频dq模型中包含电阻、反电势、速度耦合和永磁磁链;高频注入只关心注入频率附近的电感响应,因此可化简为 $\mathbf{v}^h\approx\mathbf{L}(\theta)d\mathbf{i}^h/dt$。由于$L_d\neq L_q$,估计轴偏离真实轴时,沿$\hat d$轴注入的高频电压会在$\hat q$轴产生高频电流,且该电流幅值正比于$\sin2\Delta\theta$。经过同步解调和低通滤波后,得到近似正比于$\Delta\theta$的角度误差信号。

下面是手绘的系统框图,作为后续学习的基础。

高频注入理论推导与通俗理解二(从一张框图看懂高频注入)-优快云博客

无感FOC之高频注入法——永磁同步电机控制 1.摘要电机运行在低速或零速时,磁链产生的反电动势很微弱,可用信号的信噪比太低,因而难以从反电动势中提取转子的位置和速度信息。因而在电机处于低速或零速时,需要借助电机的凸极特性来获取转子的位置信息。内置式永磁同步电机或磁密较大的表贴式永磁同步电机具有这种凸极特性,可借助高频电压注入法获取转子位置。2.凸极特性凸极电机内部的气隙是不均匀的,d轴和q轴的有效气隙是不同的,通俗来说在凸极电机里,q轴电感往往大于d轴电感,而在大部分表贴式永磁同步电机,气隙分布相对均匀,q轴电感近似于d轴电感。凸极率常用q轴电感和d 阅读详情

相关推荐

电机控制---------------------------高频注入

如果通入的磁场和转子磁场相同,磁通量就会增大,L就会减小,电流就会增大,反之亦然。收敛到 0 ,PI 两个的的幅值是不一样的。

qq_42007446的博客 3647

电机控制系列模块解析(第八篇)—— 高频注入法

脉振高频注入法,顾名思义,就是在假想的直轴电压(此处控制策略主要以基于转子磁场定向的矢量控制(FOC)为例)上叠加高频分量,该分量可以是高频方波或者弦波以及其他类型高频信号,高频注入法的原理公式表达比较简单:其中 Rs、 ωe 和 ψ pm 分别是定子电阻、电气角速度和永磁体磁链,Ld 和 Lq 是表观 d 轴和 q 轴电感,Ldh 和 Lqh 是增量 d 轴和 q 轴电感,Ldqh 和 Lqdh 是交叉耦合电感,它们的值相等。

初心不忘产学研的博客 2万+

AI安全面试核心知识体系与高频考点深度解析

机器学习与深度学习作为人工智能的核心技术,其模型在训练和推理过程中面临着对抗性攻击、数据投毒等安全威胁,这催生了AI安全这一交叉领域。其技术价值在于构建鲁棒的AI系统,保障模型决策的可靠性。在应用场景上,AI安全不仅涉及保护AI模型自身(如对抗样本防御),也涵盖利用AI技术增强传统安全能力(如恶意软件检测)。本文聚焦于AI安全面试,系统梳理了包括对抗攻击与防御、AI赋能安全等核心知识板块,并深入解析了FGSM、PGD等高频考点,为从业者构建系统的知识地图和实战指南。

weixin_30325487的博客 343

无传感器控制——高频信号注入法学习——基础知识

学习记录文章——有关高频信号注入法的基础知识总结(按照个人思维进行的叙述)

weixin_52425237的博客 9501

Gemini 3 Pro约束注入协议:从提示词到推理控制的底层操作手册

提示词工程正经历范式升级——从模糊指令转向可量化的约束控制。约束注入(Constraint Injection)作为新一代大模型交互核心机制,本质是向AI推理路径预设语义锚点与执行边界,其原理根植于注意力调控、推理深度动态分配与输出模式强制等底层信号。相比传统Prompt Engineering,它更强调刚性值、位置衰减与冲突仲裁等可计算维度,显著提升任务确定性与结果可控性。该技术已在跨境电商客服、法律文书摘要、工业故障诊断等强约束场景落地验证,并支撑多模态理解与时序逻辑自检等进阶能力。本文深入解析谷歌Ge

weixin_33695450的博客 345

RLHF、DPO与软偏好标签:让大模型真正理解人类偏好的工程路径

人类偏好是大语言模型对齐(Alignment)的核心目标,它既非静态标签,也非单一打分,而是情境依赖、连续可度量的主观判断。其技术本质是将模糊的人类反馈转化为可优化的数学信号——从RLHF通过奖励建模引入强化学习框架,到DPO绕开奖励建模实现端到端偏好优化,再到Soft Preference Labels支持细粒度强度建模,三者共同构成从粗粒度对齐走向高保真共情的演进逻辑。这一路径不仅降低训练不稳定性与误差累积风险,更支撑对话系统、智能助手、教育生成等需深度语义理解与情绪适配的落地场景。本文聚焦真实行为日志

aefg95955的博客 405

高频注入(1)辨识位置原理

高频注入法(HFI)是无感FOC中低速工况下的关键技术,通过向电机注入高频信号(500Hz-2kHz),利用IPMSM等凸极电机(Ld≠Lq)的特性获取转子位置。主要方法包括旋转高频电压注入和脉振高频电压注入,通过带通滤波和同步解调处理响应电流,再用PLL提取位置信息。该方法适用于零速/低速控制,但对非凸极电机无效,且存在噪声和计算复杂度问题。实际应用中需平衡注入幅值、处理信号干扰,并在高速时切换至反电动势法。

yasdasdp的博客 2428

Gemini+AG-UI构建研究型AI助手:技术文档深度解析与商业化落地

AI研究助理本质是面向知识工作者的结构化信息处理系统,其核心在于对PDF、技术白皮书、学术论文等非结构化文档的精准解析、跨源比对与可信输出。依托大模型的语义理解能力与前端可配置界面的协同,实现从‘文本搬运’到‘认知增强’的跃迁。关键技术价值体现在长上下文稳定性、多语种术语一致性、公式图像识别等硬性指标上,显著优于通用大模型在专业场景的表现。典型应用场景覆盖科研文献综述、合规标准核查、专利风险分析及临床方案比对等高门槛任务。本文聚焦Gemini 1.5 Pro与AG-UI组合的技术选型逻辑、可计费模板设计及轻

weixin_30729609的博客 462

高频注入理论推导与通俗理解二(从一张框图看懂高频注入)

高频注入技术是无位置传感器控制中解决零速/极低速位置辨识的关键方法。该系统采用双观测器架构:传统磁链观测器处理中高速段,高频注入专用通路处理低速段。通过在d轴注入高频正弦电压信号,利用凸极电机特性提取位置误差信号:1)通过带通滤波提取高频响应电流;2)采用相干解调获得角度偏差直流信号;3)通过锁相环闭环输出估算位置。最后需增加d轴极性判断解决180°方向模糊问题。该方案实现了全速域无位置传感器控制,高低速段无缝切换。

debug_like的博客 433

3D识别建模 — 基于ReconstructMe和EAGLE EYES SCANNER的实现

3D实体识别建模,作为3D打印反向工程的一个重要环节,今天就让我们利用ReconstructMe和EAGLE EYES SCANNER来了解一下。 第一步、软件和硬件准备就绪 ReconstructMe下载并安装 http://reconstructme.net/?wpdmdl=160 EAGLE EYES SCANNER直接将相应USB插入电脑接口即OK,之后在    中点击搜索“设备管理...

qq_40013290的博客 882

第7篇-SAP MM模块-JIT应用实战解析,从计划协议到JIT供应的关键配置与流程

本文深入解析SAP MM模块中的JIT(Just In Time)供应模式,从计划协议到JIT供应的关键配置与流程。通过动态计划行管理、需求聚合与分解等核心功能,实现精确数量、时间和地点的物料供应。文章详细介绍了主数据准备、计划协议配置、MRP参数精调及EDI集成方案,并提供了实施中的典型问题与解决方案,助力企业优化供应链管理。

weixin_30363509的博客 949

Qwen2.5-7B-Instruct案例集:10个高频专业场景Prompt模板与输出

本文介绍了如何在星图GPU平台上自动化部署🔥Qwen2.5-7B-Instruct镜像,高效支撑专业场景下的高精度文本生成任务。用户可快速启用该模型,实现技术文档通俗化解读、会议纪要结构化提炼、合同风险扫描等典型应用,显著提升知识工作者的分析与产出效率。

weixin_42527665的博客 438

【Unity】Unity性能分析解决方案——UPR

由Unity中国团队提供的一套性能优化解决方案,其是一系列性能工具的集合,并可将收集的数据进行可视化。

Davidorzs的博客 1009

万字长文详细解读扩散模型(diffusion model)从原理剖析、公式推导、Unet架构到代码实现

扩散模型通过逐步去噪实现高质量图像生成,其核心是噪声预测器学习训练数据的真实分布。在文本到图像任务中(如Stable Diffusion),模型结合文本编码器提供的语义条件指导生成过程。评估生成质量主要采用FID指标衡量图像分布相似度,以及CLIP模型验证图文匹配度。扩散模型通过正向加噪构造训练数据,反向去噪生成图像,其性能依赖于文本编码器的语义理解能力和噪声预测器的分布拟合效果。这种分步生成框架显著提升了生成图像的逼真度和语义一致性。

m0_59012280的博客 2万+

前端监控体系:从Sentry到LogRocket错误追踪

Sentry是一款开源的实时错误追踪系统,支持多种语言和框架,包括JavaScript、React、Vue等。它提供了丰富的错误信息、堆栈跟踪和环境数据,帮助开发者快速定位和解决问题。LogRocket是一款前端监控和用户行为分析工具,它提供了视频回放、性能监控、错误追踪等功能。与Sentry不同,LogRocket更注重用户行为的全面分析。前端监控体系是确保应用稳定性和用户体验的重要保障。通过集成Sentry和LogRocket等监控工具,开发者可以实时追踪应用中的错误和用户行为,快速定位和解决问题。

shejizuopin的博客 1316

Unity2018连接MySQL数据库

当前在做的一个Unity项目需要连接到MySQL数据库,弄了一整天,排了很多错,终于在Unity上成功连接到MySQL数据库了,所以分享一下,避免有这个需求的朋友不用花那么多时间。 我使用的软件是 Unity20184.0f1 + mysql-8.0.24 导入 MySql.Data.dll 首先需要把 MySql.Data.dll 导入到Assets/Plugins 这个dll需要安装Connector/NET,在安装目录\Assemblies\v4.0中拿到,最好不要下载版本太高的,版本太高导入的时候

ZLX的博客 9452

引入虚拟阻抗控制环节的构网型(GFM)VSG变流器(电压电流双闭环控制结构)降维SISO序阻抗建模详细推导及扫频对比验证

本人为985院校电气工程博士在读,研究方向为新型电力系统小干扰稳定性分析,全部文章、模型代码均为本人原创。该文章讲解基于谐波线性化方法的构网型VSG型变流器宽频序阻抗建模及扫频(Matlab/Simulink平台)原理及实现。目的在于,尽我所学,将晦涩繁琐的理论公式通过通俗易懂的方式讲解清楚原理本质,让看似“高门槛”的阻抗建模理论知识更加容易理解学习,与各位初学者同行进行学术分享,希望对大家有所帮助,不足之处也欢迎大家多多批评指正。欢迎留言交流探讨。相关代码联系作者本人获取。

2401_82983656的博客 7056

Supermind量化实战:我如何给双均线策略加上“止损”和“仓位管理”,让回测收益更稳健

本文详细介绍了如何在Supermind平台上为双均线策略添加止损和仓位管理模块,以提升量化交易的稳健性。通过Python实现动态止损和智能仓位管理,策略的年化收益率从12.3%提升至15.8%,最大回撤从58.7%降至22.4%,Sharpe比率显著提高。这些实战技巧适用于量化交易爱好者,帮助他们在黑天鹅行情中保持收益稳定。

weixin_42567752的博客 365

考虑附加阻尼控制(逆变器侧电流前馈)的跟网型(GFL)VSC变流器的正负序阻抗建模详细推导及扫频对比验证

本人为985院校电气工程博士,研究方向为新型电力系统宽频振荡稳定性分析,全文、模型代码均为本人原创。该文章讲解考虑逆变器侧电流前馈控制的跟网型VSC变流器宽频正负序阻抗建模及扫频(Matlab/Simulink平台)原理及实现,通过阻抗特性验证控制策略改善负阻尼的有效性。目的在于将晦涩繁琐的理论公式通过通俗易懂的方式讲解清楚原理本质,让看似“高门槛”的阻抗建模理论知识更加容易理解学习,与各位初学者同行进行学术分享,希望对大家有所帮助,不足之处也请大家批评指正。欢迎留言交流探讨。相关代码联系作者本人获取。

2401_82983656的博客 389

21天教你学会PCIe专栏(17)--多功能设备

1.1 定义多功能PCIe设备:多功能PCIe设备是指在一个物理设备中集成了多种功能的设备。这些功能可以通过不同的PCIe功能(Function)来实现,每个功能可以独立配置和管理。1.2 优点资源利用率:通过集成多种功能,减少物理设备的数量,提高资源利用率。成本效益:减少硬件成本和功耗,提高系统的经济性。灵活性:用户可以根据需要启用或禁用不同的功能,提高系统的灵活性。可扩展性:通过增加新的功能,扩展设备的功能,提高系统的可扩展性。1.3 应用场景网络设备。

xiaoheshang_123的博客 531

Python中的字典(Dictionary)学习

上一章节,我们学习了列表(List) 和 元组(tuple) 来表示有序集合。而我们在讲列表(list)的时候,我们用了列表(list) 来存储用户的姓名。那么如果我们为了方便联系这些童鞋,要把电话号码也添加进去,该怎么做呢?但是这样很不方便,我们把电话号码记录下来,就是为了有什么事能及时联系上这些童鞋。如果用列表来存储这些,列表越长,我们查找起来耗时就越长。

热情、奔放、快乐编程! 504

返回比分析:解决反馈环路增益计算歧义的可靠方法

反馈是模拟电路设计的核心,但传统环路增益在分析多极点、多环路的实际电路时,常因加载效应和断开点的选择而产生歧义,导致相位裕度计算与仿真结果不符。返回比分析通过选定电路中的受控源作为观察点,注入测试信号并测量其绕行回馈的比率,无需人为划分前向与反馈路径,即可给出确定的环路增益结果。该方法能准确处理双向传输、多反馈源和寄生通路等复杂拓扑,并可通过布莱克曼阻抗公式统一分析输入输出阻抗。返回比技术已广泛应用于运算放大器、LDO稳压器及补偿网络设计,其物理含义清晰,在稳定性验证和数值精确度上优于传统断环法,是复杂反馈

weixin_29164497的博客 314

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

必收藏!Transformer核心组件深度解析(小白/程序员入门大模型必备)

跟着系列文章学到这里,终于来到Transformer的终极总结篇!先给大家梳理一下,前面四篇内容我们重点讲解了Transformer的核心运算流程,比如词嵌入的实现、注意力分数的计算步骤、Encoder与Decoder的整体链路等,但为了降低小白的理解门槛,很多“背后的设计逻辑”都一笔带过——毕竟只会算“怎么做”,不懂“为什么这么做”,始终无法真正吃透Transformer,更难举一反三理解后续的大模型变体。

优快云_430422的博客 296

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

汽车电子嵌入式学习路线:从电机控制基础到FOC实战与书单推荐

在汽车电子嵌入式开发中,电机控制是最能体现系统闭环控制能力的核心方向之一。从MCU外设驱动到CAN/UDS诊断协议,再到FOC磁场定向控制,工程师需要先建立底层硬件和通信基础,才能理解上层算法与工程框架。本文从电压方程、坐标变换等基本原理切入,结合STM32实战、Simulink建模和故障注入测试,梳理了一条从零基础到电机控制实战的完整学习路径,并推荐了多本经得起实践检验的书籍与工具,适合想转入汽车电子或正在被电机控制调试困扰的工程师参考。

weixin_34267123的博客 495

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

感应电机状态估计实战:KF、EKF与UKF算法对比及MATLAB实现

状态估计是工业控制与电机驱动领域的核心基础技术,旨在从可测信号中推算出无法直接测量的关键状态。卡尔曼滤波作为线性系统的最优估计算法,衍生出扩展卡尔曼滤波(EKF)与无迹卡尔曼滤波(UKF),分别通过线性化与概率分布近似处理非线性问题,被广泛应用于电机无速度传感器控制、导航定位及故障诊断等工程场景。在感应电机驱动中,转子磁链与转速难以直接测量,三种滤波算法提供了从模型构建到噪声协方差整定的完整解决路径。本文基于MATLAB环境,以感应电机为对象,详细讲解五阶状态方程的构建、离散化处理及滤波器代码实现,并对比分

weixin_32075843的博客 275

Transformer原理拆解:自注意力机制、QKV与位置编码深度解析

注意力机制是深度学习处理序列数据的核心思想,它让模型能够动态关注输入中最相关的部分。自注意力机制则更进一步,允许序列中任意两个位置直接交互,通过Query、Key、Value的线性投影和缩放点积计算,一次性得到全局依赖关系。这项技术的价值在于将原本串行的循环计算改为并行矩阵运算,有效缓解了长距离信息丢失问题,同时大幅提升GPU利用率。在自然语言处理、大模型预训练等场景中,基于自注意力的Transformer架构已成为事实标准。掌握其底层原理,比如为什么点积后要除以根号d_k、位置信息如何通过编码注入,是理解

weixin_34384557的博客 264
上一篇: STM32启动过程及启动模式详解
下一篇: 高频注入理论推导与通俗理解二(从一张框图看懂高频注入)
Lkdot023
博客等级 码龄5年 25粉丝 14原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值