自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(3)
  • 资源 (1)
  • 收藏
  • 关注

原创 is620n,is620p,is620,伺服驱动器的代码和原理等

在原理方面,is620n伺服驱动器采用了先进的数字信号处理技术,实现了对电机运动状态的精确控制。在未来的发展中,随着技术的不断进步,相信伺服驱动器将会在更多的领域中得到应用。is620n伺服驱动器是一种高性能、高精度的伺服控制器,具有宽范围输入电压、高稳定性、快速响应等特点。伺服驱动器是一种基于现代控制理论的电机驱动装置,主要用于控制交流伺服电机,广泛应用于数控机床、机器人、生产线等高端设备中。随着工业自动化和智能化进程的加速,伺服驱动器作为控制的核心元件,其技术原理和应用范围越来越受到关注。

2025-03-05 21:58:35 643

原创 输电线路单相接地测距 搭建如图1所示的35kV输电网模型,输电侧发电机出口电压10.5kV经过升压

输电线路全长100km,架空线路线路正负序参数为:,,,,,。通过故障模块设置A相不同短路时刻与过渡电阻发生单相接地,并根据双端行波测距原理进行故障测距,每次设置故障发生点距离首端距离分别为20km、40km、60km、80km,模型仿真步长为秒。由表2和图4可知,在使用双端测距方法时,短路时刻对测量结果无影响,但除了需两侧时钟保持高度同步计时外,还需测量元件较为敏感,否则发生高阻接地时,信号微弱,难以测距。由表1可以看出,在使用双端测距方法时,短路时刻对测量结果无影响,只需两侧时钟保持高度同步计时即可。

2025-03-04 11:01:34 344

原创 基于高斯混合模型聚类的风电场短期功率预测方法 说明:该方法结合数据分布特征,利用 GMM 聚类将大型风电

最后,基于径向基函数(radial basis function,RBF)神经网络的功率预测方法,验证所提聚类方法的有效性以及相较于其他聚类方法的优越性。说明:该方法结合数据分布特征,利用 GMM 聚类将大型风电场划分为若干机组群,借助贝叶斯信息准则指标评价,获得风电场内最优机组分组方案。基于高斯混合模型聚类的风电场短期功率预测方法。编程语言:MATLAB。

2025-03-01 18:05:49 295

深入解析is620系列伺服驱动器代码与原理:is620n、is620p及is620详解,is620系列伺服驱动器代码与原理详解:探索is620n、is620p及其核心功能,is620n,is620p

深入解析is620系列伺服驱动器代码与原理:is620n、is620p及is620详解,is620系列伺服驱动器代码与原理详解:探索is620n、is620p及其核心功能,is620n,is620p,is620,伺服驱动器的代码和原理等 ,is620n; is620p; 伺服驱动器代码; 伺服驱动器原理; 620系列伺服驱动器,《解析IS620系列伺服驱动器:代码与原理详解》

2025-03-04

牵引逆变器IGBT故障模拟系统设计与仿真研究:Matlab仿真应用,牵引逆变器IGBT故障模拟系统及MATLAB仿真分析研究,matlab仿真逆变器故障模拟 牵引逆变器IGBT故障模拟系统 ,Matl

牵引逆变器IGBT故障模拟系统设计与仿真研究:Matlab仿真应用,牵引逆变器IGBT故障模拟系统及MATLAB仿真分析研究,matlab仿真逆变器故障模拟 牵引逆变器IGBT故障模拟系统 ,Matlab仿真; 逆变器故障模拟; 牵引逆变器; IGBT故障模拟; 故障模拟系统。,MATLAB仿真牵引逆变器IGBT故障模拟系统

2025-03-05

基于高斯混合模型聚类的风电场短期功率预测方案:优化分组与RBF神经网络验证,基于高斯混合模型聚类的风电场短期功率预测方案:优化分组与RBF神经网络验证,基于高斯混合模型聚类的风电场短期功率预测方法 说

基于高斯混合模型聚类的风电场短期功率预测方案:优化分组与RBF神经网络验证,基于高斯混合模型聚类的风电场短期功率预测方案:优化分组与RBF神经网络验证,基于高斯混合模型聚类的风电场短期功率预测方法 说明:该方法结合数据分布特征,利用 GMM 聚类将大型风电场划分为若干机组群,借助贝叶斯信息准则指标评价,获得风电场内最优机组分组方案。 最后,基于径向基函数(radial basis function,RBF)神经网络的功率预测方法,验证所提聚类方法的有效性以及相较于其他聚类方法的优越性。 编程语言:MATLAB ,核心关键词:高斯混合模型聚类;风电场短期功率预测;GMM;机组群划分;贝叶斯信息准则;RBF神经网络;MATLAB。,基于高斯混合模型聚类的风电场RBF神经网络功率预测方法研究

2025-02-28

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除