排序方式: 共有56条查询结果,搜索用时 0 毫秒
1.
高速高精度数据采集卡的设计 总被引:1,自引:0,他引:1
文章设计了一种采用PCI主控模式(Master)进行高速数据传输的12位分辨率,最高采样率105MSps、256K卡上缓存的PC机用数据采集卡.该采集卡信噪比可达60dB以上(含谐波),卡到计算机主存平均传输速度达到40Mbyte/s.该卡是将高速电路设计和大规模集成电路设计技术有机结合的一种新型产品. 相似文献
2.
基于DSP的感应电动机SVPWM矢量控制调速系统 总被引:2,自引:0,他引:2
矢量控制技术作为交流异步电机控制的一种方式已成为高性能变频调速系统的首选方案,空间矢量脉宽调制(Space Vector Pulse Width Modulation,简称SVPWM)方式因具有比SPWM调速方式更优异的性能而得到了广泛应用.简要介绍了SVPWM和矢量控制的基本原理,运用TMS320LF2407设计了一种简化的SVPWM实现方法,并给出了变频调速系统的全数字化实现.通过对实际电机的控制实验结果表明,该方法是切实可行的,且控制系统具有优良的动静态性能和较好的控制效果,因此应用前景广阔. 相似文献
3.
采用金相显微镜、扫描电镜、拉伸及弯曲性能测试等分析手段,研究复合能场(超声波和电磁场)铸轧工艺对AZ61镁合金板微观组织、力学性能和加工性能的影响。结果表明:与常规铸轧镁合金板带相比,复合能场可有效减小晶粒尺寸,并使析出相均匀弥散分布;施加复合能场之后,铸轧板抗拉强度、屈服强度及伸长率较常规铸轧板分别提高10.58%、12.84%和52.17%,而终轧成品板分别提高10.45%、20.56%和65.25%,且板材轧制后具有裂纹倾向小、抗弯强度及最大挠度大、弯曲抗力小等性质,可有效减少加工过程中材料及工具磨损,获得较好的综合性能。 相似文献
4.
5.
采用金相显微镜(OM)、扫描电镜(SEM)及能谱仪(EDS),结合拉伸力学性能与维氏硬度测试,研究了Al-5Ti-1B和Al-5Ti-0.2C晶粒细化剂对含Zr的7050铝合金铸态、均匀化态以及时效变形态的微观组织演变规律、第二相析出行为及力学性能的影响。结果表明:在7050合金中,Zr元素会使Al-5Ti-1B和Al-5Ti-0.2C均发生细化"中毒现象",降低晶粒细化剂的细晶效果;与Al-Ti-1B相比,增大Al-Ti-0.2C晶粒细化剂的添加量对于缓解"Zr中毒"现象,细化晶粒更有效,且能够提高合金强度与硬度,并使合金保持较好伸长率;同时,使用Al-5Ti-0.2C晶粒细化剂的7050合金,其第二相的分布较使用Al-5Ti-1B晶粒细化剂更加弥散、均匀。 相似文献
6.
基于独立分量分析的盲信号分离方法具有非常理想的信号消噪效果。盲源分离技术是盲信号处理领域的一个重要的分支。20世纪90年代中期,盲源分离技术得到了迅猛的发展,并在语音处理、生物电信号处理、图像处理、金融数据分析以及移动通信等领域得到了广泛的应用。本文介绍了盲源分离技术的模型和算法,并对其在脑电信号方面的应用进行了仿真分析和探讨。 相似文献
7.
随着生活水平的提高,人们对饮用水的质量提出了更高的要求。本文综合论述了嗅味这一感官指标所具有的理化意义,分析了嗅味产生的原因,为了解决饮用水中的嗅味问题,国内外都采取了多种去除方法。本文结合国内外去除嗅味的实际应用情况,探讨了若干去除嗅味的方法及其效果。 相似文献
8.
针对磁谐振无线电能传输(MR-WPT)系统的负载改变时,现有阻抗匹配方法不能自动调节负载阻抗,导致系统电能传输效率降低的问题,提出了一种MR-WPT系统负载自适应阻抗匹配方法。为利用高频化提高MR-WPT系统的电能传输效率,选用E类功率放大器作为高频逆变电路。在磁谐振装置和负载之间加入DC/DC变换器,当负载阻抗变化时,通过调节DC/DC变换器的占空比将负载电阻变换到最大效率传输电阻,从而确保MR-WPT系统始终以最大效率工作。仿真和实验结果表明:所提出的阻抗匹配方法切实可行,能够优化MR-WPT系统的传输效率,输出功率为3.5 W时,传输效率达35%。 相似文献
9.
杜志勇 《机械工人(冷加工)》2008,(6):35-36
多台阶精密深孔零件是液压探头设备的壳体,大部分零部件都在该壳体内部密封滑动,是一个关键零部件。由于它比较长,各台阶孔尺寸精度、表面质量及位置精度要求又高,而加工过程中既无法观察切削状态,又无量具可以测量,加工的困难是相当大的。而深孔专用机床由于操作不灵活,长度定位不准确,并且机床普及率不高,所以不适应加工该类多台阶精密深孔。作者经过查阅大量的相关资料,多次的实践摸索,试加工,终于摸索出在卧式车床上加工该类产品的一整套完整、成熟的工艺,供各位同行参考。 相似文献
10.
针对工业过程中发生故障时异常变量的精确识别以及如何准确建立"故障–征兆"表的问题,本文提出了一种基于k近邻(k–NN)变量贡献分析和数据重构的异常变量精确识别方法.首先,将k–NN算法中各个采样时刻的统计距离指标细化,分解为每个变量的贡献并对其进行详细分析,分别从单变量和多变量异常角度进行方法的可行性验证,确定过程故障时异常变量具有较大的贡献值;其次,建立正常数据中每个变量的贡献模型用于对故障样本中的异常变量进行"一次"识别;随后提出基于k–NN理论的数据重构算法,并从重构原理方面进行分析,验证该方法具有一定的有效性.对于故障样本,根据变量贡献分析方法求取每个变量对距离指标的贡献,"一次"识别出故障发生时所对应的异常变量或征兆;进而通过数据重构理论对故障样本中异常变量值进行重构、检测和"二次"识别,直至辨识出过程中发生异常的所有变量,并得到故障与变量之间的关系,即"故障–征兆"表. 相似文献